第一回 Singularity勉強会

1. Singulairtyで分散深層学習
産業技術総合研究所
⼈⼯知能研究センター ⼈⼯知能クラウド研究チーム
佐藤 仁
第⼀回 Singularity勉強会 2018年1⽉10⽇
1

2. Singularityとの出会い
2
早朝着 深夜便発
某社 某社 某社
2016年12⽉のある⽇，ベイエリアにて

3. ⼈⼯知能技術の発展には
アルゴリズム×ビッグデータ×計算基盤
の⼀体的な進展が不可⽋
3
ビッグデータ
アルゴリズム
計算基盤
深層学習, 機械学習, etc.
クラウド, スパコン, etc.
研究開発・実証・橋渡しを⾒据えたAIプラットフォームの構築・展開

4. 4
NEDOプロ(NAIROBI)
⼈⼯知能研究開発・実証
のための研究テストベッド
H28.6運⽤開始
産総研AIクラウド(AAIC)
産総研と連携機関による
⼈⼯知能実証のための
共⽤プラットフォーム
H29.6運⽤開始
AI橋渡しクラウド(ABCI)
⾼密度・省エネ構成
運⽤技術・ノウハウ
うまくいった成果を
⼤規模実証
複数の産学官による
オープンイノベーション
プラットフォーム
最初からIDCへの技術移
転を⾒越した設計・運⽤
H30.3納⼊（予定）
IDCなどに
商⽤展開
AIRCの計算基盤ロードマップ
グリーンITプロ
実サービス化
NVIDIA Tesla M40 x 32
NVIDIA Tesla P100 x 400 w/ IB
NVIDIA Tesla V100 たくさん w/ IB

5. 5
産総研AIクラウド（通称AAIC）とは？
• 400x NVIDIA Tesla P100s and Infiniband EDR accelerate various AI workloads
including ML (Machine Learning) and DL (Deep Learning).
• Advanced data analytics leveraged by 4PiB shared Big Data Storage and Apache
Spark w/ its ecosystem.
AI Computation System Large Capacity Storage System
Computation Nodes (w/GPU) x50
• Intel Xeon E5 v4 x2
• NVIDIA Tesla P100 (NVLink) x8
• 256GiB Memory, 480GB SSD
Computation Nodes (w/o GPU) x68
• Intel Xeon E5 v4 x2
• 256GiB Memory, 480GB SSD
Mgmt & Service
Nodes x16
Interactive Nodes
x2
400 Pascal GPUs
30TB Memory
56TB SSD
DDN SFA14K
• File server (w/10GbEx2,
IB EDRx4) x4
• 8TB 7.2Krpm NL-SAS
HDD x730
• GRIDScaler (GPFS)
Computation Network
Mellanox CS7520 Director Switch
• EDR (100Gbps) x216
Bi-direction 200Gbps
Full bi-section bandwidth
Service and Management Network
IB EDR (100Gbps) IB EDR (100Gbps)
GbE or 10GbE GbE or 10GbE
Firewall
• FortiGate 3815D x2
• FortiAnalyzer 1000E x2
UTM Firewall
40-100Gbps class
10GbE
SINET5
Internet
Connection
10-100GbE
>4PiB effective
RW100GB/s
既存のGPUスパコン
に類似した構成

6. GPU計算ノードの構成
• NVIDIA TESLA P100 x 8
• Intel Xeon E5-2630 v4 x 2 ソケット
– ソケットあたり10コア
– Hyper Threading (HT) で動作
– ノードあたり40コアにみえる
• 256GiBのメモリ
• 480GBのSSD
• EDR Infiniband
– 計算ノード
– GPFSストレージへ接続
6
Machine (256GB total)
NUMANode P#0 (128GB)
Package P#0
L3 (25MB)
L2 (256KB)
L1d (32KB)
L1i (32KB)
Core P#0
PU P#0
PU P#20
L2 (256KB)
L1d (32KB)
L1i (32KB)
Core P#1
PU P#1
PU P#21
L2 (256KB)
L1d (32KB)
L1i (32KB)
Core P#2
PU P#2
PU P#22
L2 (256KB)
L1d (32KB)
L1i (32KB)
Core P#3
PU P#3
PU P#23
L2 (256KB)
L1d (32KB)
L1i (32KB)
Core P#4
PU P#4
PU P#24
L2 (256KB)
L1d (32KB)
L1i (32KB)
Core P#8
PU P#5
PU P#25
L2 (256KB)
L1d (32KB)
L1i (32KB)
Core P#9
PU P#6
PU P#26
L2 (256KB)
L1d (32KB)
L1i (32KB)
Core P#10
PU P#7
PU P#27
L2 (256KB)
L1d (32KB)
L1i (32KB)
Core P#11
PU P#8
PU P#28
L2 (256KB)
L1d (32KB)
L1i (32KB)
Core P#12
PU P#9
PU P#29
PCI 10de:15f9
card1
renderD128
PCI 10de:15f9
card2
renderD129
PCI 10de:15f9
card3
renderD130
PCI 10de:15f9
card4
renderD131
PCI 8086:8d62
sda
PCI 1a03:2000
card0
controlD64
PCI 8086:8d02
NUMANode P#1 (128GB)
Package P#1
L3 (25MB)
L2 (256KB)
L1d (32KB)
L1i (32KB)
Core P#0
PU P#10
PU P#30
L2 (256KB)
L1d (32KB)
L1i (32KB)
Core P#1
PU P#11
PU P#31
L2 (256KB)
L1d (32KB)
L1i (32KB)
Core P#2
PU P#12
PU P#32
L2 (256KB)
L1d (32KB)
L1i (32KB)
Core P#3
PU P#13
PU P#33
L2 (256KB)
L1d (32KB)
L1i (32KB)
Core P#4
PU P#14
PU P#34
L2 (256KB)
L1d (32KB)
L1i (32KB)
Core P#8
PU P#15
PU P#35
L2 (256KB)
L1d (32KB)
L1i (32KB)
Core P#9
PU P#16
PU P#36
L2 (256KB)
L1d (32KB)
L1i (32KB)
Core P#10
PU P#17
PU P#37
L2 (256KB)
L1d (32KB)
L1i (32KB)
Core P#11
PU P#18
PU P#38
L2 (256KB)
L1d (32KB)
L1i (32KB)
Core P#12
PU P#19
PU P#39
PCI 8086:1528
enp129s0f0
PCI 8086:1528
enp129s0f1
PCI 10de:15f9
card5
renderD132
PCI 10de:15f9
card6
renderD133
PCI 10de:15f9
card7
renderD134
PCI 10de:15f9
card8
renderD135
PCI 15b3:1013
ib0 mlx5_0
Indexes: physical
Date: Tue May 30 11:32:43 2017
MEM
CPU Cores
GPUs
Infiniband HBA
SSD

7. 現状のAIクラウドの利⽤法（≒ スパコンの利⽤法）
• ジョブスケジューラの存在
– スクリプトファイルの作成
– ジョブの投⼊
• ユーザ権限でのプログラム実⾏
– システムに予めインストールされた
ソフトウェアの利⽤
• GPUランタイム・ライブラリCUDA,
CuDNN, NCCL
• 並列分散処理ソフトウェア（MPI）
• 共有ストレージの利⽤
– 複数ユーザで共有された並列ファイルシステム
7
/home (GPFS)
Job Job Job Job
NQS
Submit
Scheduling
script
file
$ qsub <option> script_filename
inter-connect
SSH
( )

8. AIアプリケーションの事例
• lang2program
– https://github.com/kelvinguu/
lang2program
– ACL 2017 paper内で⽤いられた実装
– Dockerfileの提供
• Tensorflow, PostgresQL,
Python pip Packages, etc.
• 依存関係のあるソフトウェアの
インストールが⼤量に発⽣
8
HPC環境（スパコン）で動くか？
• Dockerの⾮サポート
（セキュリティ上ホストのrootを与えることができない）
• マニュアルにインストールすれば可能だが煩雑

9. HPCコンテナのいろいろ
(SCやISCなどHPCコンテナのBoFが年々増えている）
9
• 今⽇のテーマ
なので後述
• NERSCで開発(Cori)
• CSCSで拡張(Piz Diant)
• Singulairtyと同様の技術
• ImageGatewayの存在
• Crayのサポート
• Slurm連携
• LANLで開発
• Singularityと同様の
技術？
• SC17 Paper
• ソースコードが少ない

10. Singularity
(ソフトウェアの名称です）
• Singularity
– ⽶国LBNLで開発中のHPC向けLinuxコンテナ
• http://singularity.lbl.gov/
• https://github.com/singularityware/singularity
• 修正BSDライセンス
– ユーザ権限でプログラムを実⾏、ストレージへアクセス
• rootで動作するデーモンが不要 => 資源管理をスケジューラに委ねる
• setuidでroot権限を与えたコマンドを実⾏
（マウント、名前空間の作成、コンテナ内へのホストのPathのʼ作成など）
– Dockerイメージが利⽤可能
• DockerHubと連携
– HPC系のソフトウェアスタックが利⽤可能
• CUDA, MPI, Infiniband, etc.
10

11. Singularityの利⽤イメージ
sudo singularity build –sandbox tmpdir/ Singularity
sudo singularity build –writable container.img Singularity
sudo singularity build container.img Singularity
sudo singularity build container.img docker://ubuntu
sudo singularity build container.img shub://ubuntu
Sandboxディレクトリの⽣成
コンテナイメージファイルの⽣成
sudo singularity shell –writable container.img
パッケージソフトウェアを
インストール(yum, apt等)
Recipeファイルの利⽤
DockerHubの利⽤ (Dockerコンテナイメージ)
SingularityHubの利⽤（Singularityコンテナイメージ）
container.img
コンテナイメージ
ファイルを転送
インタラクティブにコンテナイメージを作成
既存のコンテナイメージを利⽤して作成
予め定めた⼿順によりコンテナイメージを作成
singularity run container.img
singularity exec container.img …
singularity shell container.img
シェルを実⾏(shell)
コマンドを与えて実⾏
(exec)
予め定義された動作を
実⾏(run)
ユーザ環境 共有計算機環境
11

12. Singularityのインストール
• $ ./configure –-prefix=/path/to/install
• $ make
• # make install
共⽤計算機環境的にはインストールが容易でリーズナブル
→ ただし，root権限でのインストールが必要
12

13. Singularityでできること
• GPU, Infiniband, XXXが利⽤できるか？
– ホスト側のデバイス関連ドライバ・ライブラリをコンテナ側
へみせる（nvidia-docker⽅式？）
• MPIが利⽤できるか？
– ホストのMPIをコンテナ側へみせる（コンテナなメリットが薄い）
– コンテナ内にMPIをインストールし、コンテナの外からキックする
（ホスト側と同じMPIを使⽤し, Buildも同じにする必要）
• mpirun –np N singularity exec container.img mpi_program
• mpi4pyが利⽤できるか？
– コンテナ内にMPIをインストール
– コンテナ内のMPIに対してmpi4pyをインストール
– コンテナ外からキック
13

14. 分散深層学習フレームワーク向けコンテナイメージの構築
• ホスト側
– GPUやIninibandを活⽤するために
デバイス関連ドライバ・ライブラリを
コンテナ側へマウント
• GPUやIninibandの利⽤
• nvidia-docker⽅式
• コンテナ側
– ユーザランドライブラリの
インストール
• CUDA, CuDNN, NCCL2, ibverbs, MPI
– 分散深層学習フレームワークの
インストール
• 最適化されたビルド
14
Base Drivers, Libraries on Host
CUDA
Drivers
Infiniband
Drivers
Filesystem
Libraries
(GPFS, Lustre)
Userland Libraries on Container
CUDA CuDNN NCCL2
MPI
(mpi4py)
Mount
ibverbs
Distributed Deep Learning
Frameworks
Caffe2 ChainerMNDistributed
TensorflowMXNet

15. Singularityの利⽤イメージ (最も簡単バージョン）
• 事前にDockerHubにアップロードされたDockerイメージ
を利⽤
• $ singularity build container.img ¥
docker://nvidia/cuda:8.0-cudnn6-devel
• $ singulairty exec --nv container.img nvidia-smi
15
GPUを有効にするには--nvををつける！

16. --nvオプションで起きること(v2.4)
• libexec/cli/action_argparser.shを参照
– NVIDIAのホストのライブラリのリストを取得
(SINGULAIRTY_NVLIBLIST)
– SINGULARITY_CONTAINLIBSに上記リストを追加
– コンテナ起動時
• SINGULARITY_CONTAINLIBSに記述されたリストが
/.singularity/libs以下にマウントされる
• LD_LIBRARY_PATHに/.singularity/libsが追加される
16
• 原理的には同様のことをすればInfinibandでもOPAでもできる
• SingularityのGPU利⽤⽅法はOn Goingで進⾏中

17. /etc/singularity/init
• Singularityの起動時に呼ばれる（スクリプト）
– exec, shell, run
• 起動時に実⾏したいコマンドを記載
– SINGULARITY_CONTAINLIBSに必要なライブラリの
リストを代⼊
– export SINGULARITY_CONTAINLIBS
17

18. Singularityの利⽤イメージ (MPI)
• $ mpirun –np N singularity exec container.img ¥
mpi_program
• ただし、
– コンテナ内: container.imgのイメージ作成時に
MPIをインストールする必要がある
– コンテナ外: コンテナ内のMPIとバージョンやconfigureを
⼀致させる必要（な場合がある）
• ABIの互換性のサポートがすすめば緩和されるはず
• OpenMPI v3.0では--singularityオプションあり，
MVAPICHでもサポートの意向
18

19. 例: http://singularity.lbl.gov/docs-hpc (から転載)
19

20. あとは適当に分散深層学習のイメージをつくればよい
• 例えば、ChainerMNだと
– $ pip install mpi4py
– $ pip install --no-cache-dir cython matplotlib Pillow
– $ pip install --no-cache-dir chainer chainermn
• ノウハウ的にはDockerfileで作成しておいたほうが汎⽤？
– Singularityが安定していないことがある
– GPUのサポート
20

21. Singularityを⽤いた分散深層学習フレームワークの実⾏
• 実験環境
– AAIC 8 nodes (64 GPUs)
– フレームワーク: CHainerMN v1.0.0
• Chainer 2.1.0, Cupy 1.0.3, mpi4py 2.0.0, Python 3.6.1
– コンテナ
• Singularity v2.3.1
• Ubuntu 16.04, gcc-5.4.0, glibc-2.23
– ベアメタル
• CentOS 7.3, gcc-4.8.5, glibc-2.17,
• 実験設定
– データセット: Imagenet-1K
– モデル: ResNet-50
– 訓練:
• バッチサイズ: GPU毎に32, 32 x 64
• 学習率: 30 epoch毎に0.1倍
• 最適化: Momentum SGD (momentum=0.9)
• Weight Decay: 0.0001
• 訓練エポック数: 100
21
ベアメタル実⾏とほぼ遜⾊のない性能を確認
Better

22. 演算性能(GEMM)
CPU GPU
22
Better

23. メモリバンド幅性能(STREAM)
23
Triad
Better

24. 通信性能(OSU Micro Benchmarks v5.3.2)
AllReduce (Ave. Latency, 2nodes, 8gpus/node)
AllReduce(h2h) AllReduce(d2d)
24
Better

25. ストレージI/O性能(FIO v2.19)
スループット
READ WRITE
25
Better

26. ストレージI/O性能(FIO v2.19)
IOPS (qdepth=1, 16)
READ WRITE
26
Better

27. 議論
• Singularity
– ベアメタルと⽐較してほぼ遜⾊のない性能を確認
• 演算性能だけでなく、メモリバンド幅、ストレージI/O,
ネットワーク性能（要確認）も
• メモリのフットプリントは未確認
– OSの違いを超えられる（CentOS vs. Ubuntu)
• 特に、glibcのバージョンの違いも容易に超えられる
（glibcが互換性を担保するような実装になっている）
– 導⼊しやすさ
• configure, make, make installで可能。共有ストレージへも可能。
– あとはエンジニアリングイシュー
• ソフトウェアの安定性の向上
• セキュリティイシューを潰す
27

28. 議論 (contʼd)
• Singularityの⽋点
– コンテナ内常駐デーモン不可?
– Debug系(gdb)不可？
– 資源管理は(cgroupsではなく)スケジューラまかせ
→ v2.4からinstanceコマンドが導⼊されたので何か変わった
かも
28

29. 議論 (contʼd)
• ユーザが任意のコンテナを動かして問題が起きるか？
– 特に問題がないと判断している（問題を定義したい）
– 基本的には実⾏するユーザの責任
（現状でも任意のソフトウェアをユーザが動かしているので
ほぼ同じ問題）
• 特殊なコンテナが必要？制限はある？
– 基本的には不要。ARMでもOPAでも(Linuxであれば)動く。
– ただし、計算環境に最適化するためには再コンパイルなどした⽅が良い。
• ISVアプリのライセンス
– コンテナに含めるのは難しい（気がする）
– ユーザ権限でホストの環境をコンテナ側にreadマウントすることはできる
– ホストにISVアプリをインストール、コンテナ側にマウント？
29

30. まとめ
• lang2program
– https://github.com/kelvinguu/
lang2program
– ACL 2017 paper内で⽤いられた実装
– Dockerfileの提供
• Tensorflow, PostgresQL,
Python pip Packages, etc.
• 依存関係のあるソフトウェアの
インストールが⼤量に発⽣
30
どうやったらSingularityで動かせるでしょうか？
→ ⾃分で動かせたらだいたいOK

31. • 所内向けにはSingularityなどの
レクチャなどもやってます！
– Jupyter Notebookベース
31