CN113568860A - 基于深度学习的拓扑映射方法、装置、介质及程序产品 - Google Patents

Abstract

本公开提供了一种基于深度学习的拓扑映射方法、装置、介质及程序产品，涉及深度学习、网络技术、高性能计算、拓扑探测和分布式系统技术领域。该方法的一实施方式包括：响应于接收到拓扑映射请求，获取多机集群的目标通信拓扑图；以及获取多机集群的目标集群拓扑图，其中，目标集群拓扑图以多机集群中的多个设备为节点和以多个设备之间的物理链路为边，多个设备中的每个设备包括至少一个图形处理器；将目标通信拓扑图映射到目标集群拓扑图。

Description

基于深度学习的拓扑映射方法、装置、介质及程序产品

技术领域

本公开涉及计算机领域，具体涉及深度学习、网络技术、高性能计算、拓扑探测和分布式系统技术领域，尤其涉及一种基于深度学习的拓扑映射方法、装置、介质及程序产品。

背景技术

目前，NVTAGS(The NVIDIA Topology-Aware GPU Selection)是Nvidia开发的用于高性能计算机群(High Performance Computing，HPC)应用程序的工具集，该工具集通过探测机内图形处理器(Graphics Processing Unit，GPU)物理拓扑和应用程序GPU通信拓扑为应用程序提供能获得更快求解时间的拓扑映射(logical processes mapping tophysical cards)。

发明内容

本公开实施例提出了一种基于深度学习的拓扑映射方法、装置、介质及程序产品。

第一方面，本公开实施例提出了一种基于深度学习的拓扑映射方法，包括：响应于接收到拓扑映射请求，获取多机集群的目标通信拓扑图；以及获取多机集群的目标集群拓扑图，其中，目标集群拓扑图以多机集群中的多个设备为节点和以多个设备之间的物理链路为边，多个设备中的每个设备包括至少一个图形处理器；将目标通信拓扑图映射到目标集群拓扑图。

第二方面，本公开实施例提出了一种基于深度学习的拓扑映射装置，包括：第一获取模块，被配置成响应于接收到拓扑映射请求，获取多机集群的目标通信拓扑图；以及第二获取模块，被配置成获取多机集群的目标集群拓扑图，其中，目标集群拓扑图以多机集群中的多个设备为节点和以多个设备之间的物理链路为边，多个设备中的每个设备包括至少一个图形处理器；拓扑映射模块，被配置成将目标通信拓扑图映射到目标集群拓扑图。

第三方面，本公开实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面描述的方法。

第四方面，本公开实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面描述的方法。

第五方面，本公开实施例提出了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面描述的方法。

本公开实施例提供的基于深度学习的拓扑映射方法、装置、介质及程序产品，首先在接收到拓扑映射请求时，获取多机集群的目标通信拓扑图；然后获取多机集群的目标集群拓扑图，其中，目标集群拓扑图以多机集群中的多个设备为节点和以多个设备之间的物理链路为边，多个设备中的每个设备包括至少一个图形处理器；最后将目标通信拓扑图映射到目标集群拓扑图。可以实现对多机集群的拓扑映射。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是本公开可以应用于其中的示例性系统架构图；

图2是根据本公开的基于深度学习的拓扑映射方法的一个实施例的流程图；

图3是根据本公开的基于深度学习的拓扑映射方法的一个实施例的流程图；

图4是目标集群拓扑图的一个示意图；

图5是根据本公开的基于深度学习的拓扑映射方法的一个实施例的流程图；

图6是根据本公开的基于深度学习的拓扑映射方法的一个实施例的流程图；

图7是根据本公开的基于深度学习的拓扑映射方法的一个应用场景的示意图；

图8是根据本公开的基于深度学习的拓扑映射装置的一个实施例的结构示意图；

图9是用来实现本公开实施例的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的基于深度学习的拓扑映射方法和装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括服务器101、102、103，网络104和电子设备105。网络104用以在服务器101、102、103和电子设备105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

电子设备105可以提供各种服务。例如，电子设备105可以接收到拓扑映射请求时，获取多机集群的目标通信拓扑图；以及获取多机集群的目标集群拓扑图，其中，目标集群拓扑图以多机集群中的多个设备为节点和以多个设备之间的物理链路为边，多个设备中的每个设备包括至少一个图形处理器；将目标通信拓扑图映射到目标集群拓扑图。

需要说明的是，服务器101、102、103可以是硬件，也可以是软件。在此不做具体限定。

需要说明的是，本公开实施例所提供的基于深度学习的拓扑映射方法一般由电子设备105执行，相应地，基于深度学习的拓扑映射装置一般设置于电子设备105中。

应该理解，图1中的服务器、网络和电子设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的服务器、网络和电子设备。

继续参考图2，其示出了根据本公开的基于深度学习的拓扑映射方法的一个实施例的流程200。该基于深度学习的拓扑映射方法可以包括以下步骤：

步骤201，响应于接收到拓扑映射请求，获取多机集群的目标通信拓扑图。

在本实施例中，上述执行主体可以获取多机集群的目标通信拓扑图。上述目标通信拓扑图可以为以网络设备(即，多机集群中的设备)的网络之间互连的协议(InternetProtocol，IP)地址划分为依据生成的拓扑图称之为逻辑拓扑，逻辑拓扑的生成方式可以包括：一种是通过IP地址的扫描生成，另一种是通过人工的手工绘制生成。

步骤202，获取多机集群的目标集群拓扑图，其中，目标集群拓扑图以多机集群中的多个设备为节点和以多个设备之间的物理链路为边，多个设备中的每个设备包括至少一个图形处理器(Graphics Processing Unit，GPU)。

在本实施例中，基于深度学习的拓扑映射方法的执行主体(例如图1所示的服务器105)可以在接收到拓扑映射请求时，获取多机集群的目标集群拓扑图。上述拓扑映射请求用于将通信拓扑图映射至网络拓扑图。上述多机集群可以为包括多个设备，每个设备包括至少一个图形处理器(Graphics Processing Unit，GPU)的集群。上述集群拓扑图可以用于描述如何将设备用线缆物理地连接在一起。

在这里，目标集群拓扑图包括节点和边，其中，节点为多机集群中多个设备中的任意设备，边为多个设备中设备之间的物理链路。

在这里，集群拓扑图以网络设备的实际物理地址为依据生成的拓扑图称之为物理拓扑，物理拓扑可以为根据简单网络管理协议(SNMP)扫描网络自动生成的。

需要说明的是，逻辑拓扑是把整个系统从数据库、中间件和终端设备以应用完成的实现过程表现出来，而物理拓扑是反映的实际的物理网络环境。

上述目标集群拓扑图可以为分布式系统中各个设备相互连接的形式。其中，目标拓扑图的类别可以包括总线型拓扑、环型拓扑、树型拓扑、星型拓扑、混合型拓扑以及网状拓扑。其中，环形拓扑、星形拓扑、总线拓扑是三个最基本的拓扑结构。

需要说明的是，步骤202可以与步骤201中获取目标通信拓扑图同时执行，或先执行步骤202。

步骤203，将目标通信拓扑图映射到目标集群拓扑图。

在本实施例中，上述执行主体可以将目标通信拓扑图映射到目标集群拓扑图。

具体地，目标通信拓扑图映射的实现过程可以分为两个步骤：节点映射和物理链路映射。

在一个示例中，利用贪婪算法进行节点映射，使用K最短路径算法进行物理链路映射。以时间窗为单位，一个时间窗内的所有目标通信拓扑图请求将按照其收入(Revenue)排序，从规模最大的请求开始进行映射。若映射成功，则更新底层物理网络状态；若失败，则将请求放入等待队列；或直接拒绝该请求。

其中，对每个目标通信拓扑图请求的映射步骤如下：首先进行节点映射：对目标通信拓扑图请求中的每个虚网节点(Vnode)，使用贪婪算法寻找拥有最大剩余资源(Available Resource，AR)的底层物理网节点(Snode)；若该Snode满足该Vnode的CPU限制，则该Vnode映射成功；若对某Vnode，没有满足要求的Snode，则节点映射失败；若所有Vnode映射成功，则节点映射完成。

节点映射完成后进行链路映射：对目标通信拓扑图请求中的每条虚网链路(Vlink)，确定其两端点Vnode1、Vnode2映射至底层物理网络中的Snode1、Snode2；使用K最短路径算法寻找Snode1、Snode2之间的第1-K条最短路径；若其中某条路径满足该Vlink的带宽要求，则该Vlink映射成功；若所有K条路径均不满足带宽要求，则链路映射失败；若所有Vlink映射成功，则链路映射完成。

本公开实施例提供的基于深度学习的拓扑映射方法，首先在接收到拓扑映射请求时，获取多机集群的目标通信拓扑图；然后获取多机集群的目标集群拓扑图，其中，目标集群拓扑图以多机集群中的多个设备为节点和以多个设备之间的物理链路为边，多个设备中的每个设备包括至少一个图形处理器；最后将目标通信拓扑图映射到目标集群拓扑图。可以实现对多机集群的拓扑映射。

进一步参考图3，图3示出了根据本公开的一种基于深度学习的拓扑映射方法的一个实施例的流程300。该基于深度学习的拓扑映射方法可以包括以下步骤：

步骤301，响应于接收到拓扑映射请求，获取多机集群的目标通信拓扑图。

步骤302，通过网络接口获取多机集群中设备之间的跳步数。

在本实施例中，基于深度学习的拓扑映射方法的执行主体(例如图1所示的电子设备105)可以通过网络接口获取多机多集群中设备之间的跳步数。

需要说明的是，网络接口可以为多机集群外的一个接口，该网络接口可以用于获取跳步数。上述跳步数可以为一条路由要经过的路由器的数码。

在图4中，多机集群可以包括20个设备(即，unit1～unit20)，每个设备可以包括TOR1～TOR8节点，每个节点与一个GPU通信连接，在unit1需要与unit20通信时，可以通过TOR1与第一个LE交换机中的LE1建立通信；之后，再由第一个LE交换机中的LE1与第一个SP交换机中的SP1通信；之后，再由第一个SP交换机中的SP1与第二个LE交换机中的LE2通信；之后，再由第二个LE交换机中的LE2与unit20通信，从而实现unit与unit20之间的通信。其中，unit1余unit20之间的跳步数为4。LE交换机在集群拓扑图中的位置和跳步数可以确定带宽。

需要说明的是，以上只是针对unit1和unit20中的一个通信链路。

步骤303，根据跳步数确定目标集群拓扑图。

步骤304，将目标通信拓扑图映射到目标集群拓扑图。

在本实施例中，步骤301、302的具体操作分别已在图2所示的实施例中步骤201、202进行了详细的介绍，在此不再赘述。

从图3中可以看出，与图2对应的实施例相比，本实施例中的视频处理方法突出了确定目标集群拓扑图的步骤。由此，本实施例描述的方案通过网络接口获取多机集群中设备之间的跳步数，确定目标集群拓扑图。能够通过网络接口获取多机集群中设备之间的跳步数，从而可以实现对目标集群拓扑图的确定。

在本实施例的一些可选的实现方式中，目标集群拓扑图为无向加权图。

在本实现方式中，集群拓扑图为无向加权图(undirected weighted graph)，每个节点代表一个设备，每条边表示两个节点间存在通信线路，包括节点与节点间的物理距离、带宽和延迟等基本信息。

在本实施例的一些可选的实现方式中，在获取多机集群的目标集群拓扑图之后，该基于深度学习的拓扑映射方法还包括：确定是否初始化目标集群拓扑图；响应于未初始化目标集群拓扑图，确定目标集群拓扑图是否为预设的集群拓扑图；响应于目标集群拓扑图为预设的集群拓扑图，对目标通信拓扑图进行初始化，得到初始化的通信拓扑图；将目标通信拓扑图映射到目标集群拓扑图，包括：将初始化的通信拓扑图映射到目标集群拓扑图。

在本实现方式中，上述执行主体可以先确定目标集群拓扑图是否初始化，如果未初始化，再确定目标集群拓扑图是否为已知的集群拓扑图；如果目标集群拓扑图为已知的集群拓扑图，则将目标通信拓扑图进行初始化；最后，将初始化的通信拓扑图映射到目标集群拓扑图。

在本实现方式中，可以在目标集群拓扑图为已知的集群拓扑图时，对目标通信拓扑图进行初始化，再进行通信拓扑图映射到集群拓扑图。

在本实施例的一些可选的实现方式中，将目标通信拓扑图映射到目标集群拓扑图，包括：响应于目标集群拓扑图不为预设的集群拓扑图，利用拓扑映射请求包括的切分策略对应的图切分算法将目标通信拓扑图进行分组，并根据分组的目标通信拓扑图匹配到目标集群拓扑图对应的拓扑层级。

在本实现方式中，上述执行主体可以在目标集群拓扑图不为预设的集群拓扑图时，利用拓扑映射请求包括的切分策略对应的图切分算法将目标集群拓扑图进行分组，得到目标集群拓扑图对应的拓扑层级；将目标集群拓扑图从目标集群拓扑图对应的拓扑层级中匹配到对应的拓扑层级。

需要说明的是，匹配可以为根据开销和/或模型训练的需求进行设定。其中，模型训练的需求可以为在执行完拓扑映射之后，将模型训练的算子和张量与多机集群中的设备进行绑定，即将算子和张量进行部署，以实现通过通信拓扑图中的进程，进行模型训练。

在本实现方式中，可以在目标集群拓扑图不为预设的集群拓扑图时，利用拓扑映射请求包括的切分策略对应的图切分算法将目标通信拓扑图进行分组，并根据分组的目标通信拓扑图匹配到目标集群拓扑图对应的拓扑层级。

在本实施例的一些可选的实现方式中，将目标通信拓扑图映射到目标集群拓扑图，包括：响应于目标集群拓扑图为预设的集群拓扑图，利用预设的拓扑映射方案，得到通信拓扑图；之后，再进行重映射。

在本实现方式中，上述执行主体在目标集群拓扑图为预设的集群拓扑图时，可以根据预设的拓扑映射方案，得到一个通信拓扑图；之后，再进行重映射，以完成拓扑映射。

在一个示例中，在目标集群拓扑图为预设的集群拓扑图(即，已知的集群拓扑图)时，可以随机选择一种拓扑映射方案，进行映射，得到通信拓扑图；之后，再进行重映射，以得到最优的映射结果。

需要说明的是，该最优的映射结果可以根据开销和/或模型训练的需求进行设定。

在本实现方式中，可以在目标集群拓扑图为预设的集群拓扑图(即，已知的集群拓扑图)时，得到通信拓扑图；之后，再进行重映射，以得到最优的映射结果。

进一步参考图5，图5示出了根据本公开的一种基于深度学习的拓扑映射方法的一个实施例的流程500。该基于深度学习的拓扑映射方法可以包括以下步骤：

步骤501，响应于接收到拓扑映射请求，获取多机集群的目标通信拓扑图。

步骤502，响应于多机集群为非图形处理器(GPU)集群，利用lspci工具获取多机集群的目标集群拓扑图。

在本实施例中，基于深度学习的拓扑映射方法的执行主体(例如图1所示的服务器105)在多机集群为非GPU集群时，可以利用lspci工具获取多机集群的目标集群拓扑图。上述lspci工具可以为PCI(Peripheral Component Interconnect)设备查看工具，可以用于列出PCI设备，该PCI设备可以为多机集群中的设备，例如，GPU、网卡、通用串行总线(Universal Serial Bus，USB)、主板集成设备等。

步骤503，响应于多机集群为GPU集群，利用NCCL设定环境变量获取多机集群的目标集群拓扑图。

在本实施例中，上述执行主体在多机集群为GPU集群时，可以利用NCCL设定环境变量获取多机集群的目标集群拓扑图。上述NCCL过滤掉任何NCCL通信器中不包含的秩数的环。一般来说，环的形成取决于系统中连接GPU的硬件拓扑结构。

步骤504，将目标通信拓扑图映射到目标集群拓扑图。

在本实施例中，步骤501、504的具体操作分别已在图2所示的实施例中步骤201、203进行了详细的介绍，在此不再赘述。

从图5中可以看出，与图2对应的实施例相比，本实施例中的视频处理方法突出了确定目标集群拓扑图的步骤。由此，本实施例描述的方案在多机集群为非GPU集群时，利用lspci工具获取多机集群的目标集群拓扑图；响应于多机集群为GPU集群时，利用NCCL设定环境变量获取多机集群的目标集群拓扑图。从而能够针对任意多机集群进行拓扑探测。

进一步参考图6，图6示出了根据本公开的一种基于深度学习的拓扑映射方法的一个实施例的流程600。该基于深度学习的拓扑映射方法可以包括以下步骤：

步骤601，响应于接收到拓扑映射请求，利用探测工具探测拓扑映射请求包括的进程之间的通信模式及通信量。

在本实施例中，基于深度学习的拓扑映射方法的执行主体(例如图1所示的服务器105)在接收到拓扑映射请求时，可以利用探测工具探测拓扑映射请求包括的进程之间的通信模式及通信量。上述通信模式可以为多机集群中设备之间的通信方式，例如广播(Broadcast)、规约(reduce)等。上述通信量可以为通信过程中传输的数量，例如，训练数据。

步骤602，根据通信模式和通信量，确定目标通信拓扑图。

在本实施例中，上述执行主体可以根据通信模式和通信量，确定目标通信拓扑图。

步骤603，获取多机集群的目标集群拓扑图，其中，目标集群拓扑图以多机集群中的多个设备为节点和以多个设备之间的物理链路为边，多个设备中的每个设备包括至少一个图形处理器。

步骤604，将目标通信拓扑图映射到目标集群拓扑图。

在本实施例中，步骤603、604的具体操作分别已在图2所示的实施例中步骤202、203进行了详细的介绍，在此不再赘述。

从图6中可以看出，与图2对应的实施例相比，本实施例中的视频处理方法突出了获取目标通信拓扑图的步骤。由此，本实施例描述的方案在接收到拓扑映射请求，利用探测工具探测拓扑映射请求包括的进程之间的通信模式及通信量，以确定目标通信拓扑图。

进一步参考图7，图7示出了根据本公开的一种基于深度学习的拓扑映射方法的一个应用场景。在该应用场景中，基于深度学习的拓扑映射方法可以包括以下步骤：

步骤701，确定集群拓扑图(即，目标集群拓扑图)是否初始化。确定初始化，执行步骤704。

步骤702，在确定集群拓扑图未初始时，确定集群拓扑图是否为已知的拓扑图(即，预设的集群拓扑图)。确定集群拓扑图为已知的拓扑图，执行步骤704。

步骤703，在集群拓扑图为未知的拓扑图，进行拓扑探测。

步骤704，初始化通信拓扑图。

步骤705，基于集群拓扑图和初始化的通信拓扑图(即，目标通信拓扑图)进行映射。

进一步参考图8，作为对上述各图所示方法的实现，本公开提供了一种基于深度学习的拓扑映射装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图8所示，本实施例的基于深度学习的拓扑映射装置800可以包括：第一获取模块801、第二获取模块802和拓扑映射模块803。其中，第一获取模块801，被配置成响应于接收到拓扑映射请求，获取多机集群的目标通信拓扑图；第二获取模块802，被配置成获取多机集群的目标集群拓扑图，其中，目标集群拓扑图以多机集群中的多个设备为节点和以多个设备之间的物理链路为边，多个设备中的每个设备包括至少一个图形处理器；拓扑映射模块803，被配置成将目标通信拓扑图映射到目标集群拓扑图。

在本实施例中，基于深度学习的拓扑映射装置800中：第一获取模块801、第二获取模块802和拓扑映射模块803的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-203的相关说明，在此不再赘述。其中，第一获取模块和第二获取模块可以为同一模块。

在本实施例的一些可选的实现方式中，第一获取模块801，进一步被配置成：响应于接收到拓扑映射请求，利用探测工具探测拓扑映射请求包括的预设的进程数中的进程之间的通信模式及通信量；根据通信模式和通信量，确定目标通信拓扑图。

在本实施例的一些可选的实现方式中，第二获取模块802，进一步被配置成：通过网络接口获取多机集群中设备之间的跳步数；根据跳步数确定目标集群拓扑图。

在本实施例的一些可选的实现方式中，第二获取模块802，进一步被配置成：响应于多机集群为非图形处理器(GPU)集群，利用lspci工具获取多机集群的目标集群拓扑图。

在本实施例的一些可选的实现方式中，其中，目标集群拓扑图为无向加权图。

在本实施例的一些可选的实现方式中，该基于深度学习的拓扑映射装置还包括：第一确定模块，被配置成确定是否初始化目标集群拓扑图；第二确定模块，被配置成响应于未初始化目标集群拓扑图，确定目标集群拓扑图是否为预设的集群拓扑图；拓扑得到模块，被配置成响应于目标集群拓扑图为预设的集群拓扑图，对目标通信拓扑图进行初始化，得到初始化的通信拓扑图；拓扑映射模块803，进一步被配置成：将初始化的通信拓扑图映射到目标集群拓扑图。

在本实施例的一些可选的实现方式中，拓扑映射模块803，进一步被配置成，包括：响应于目标集群拓扑图不为预设的集群拓扑图，利用拓扑映射请求包括的切分策略对应的图切分算法将目标通信拓扑图进行分组，并根据分组的目标通信拓扑图匹配到目标集群拓扑图对应的拓扑层级。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质、一种计算机程序产品。

图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图9所示，设备900包括计算单元901，其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序，来执行各种适当的动作和处理。在RAM 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。

设备900中的多个部件连接至I/O接口905，包括：输入单元906，例如键盘、鼠标等；输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如基于深度学习的拓扑映射方法。例如，在一些实施例中，基于深度学习的拓扑映射方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM903并由计算单元901执行时，可以执行上文描述的基于深度学习的拓扑映射方法的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行基于深度学习的拓扑映射方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

人工智能是研究计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语音处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开提及的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (17)

1.一种基于深度学习的拓扑映射方法，包括：

响应于接收到拓扑映射请求，获取多机集群的目标通信拓扑图；以及

获取多机集群的目标集群拓扑图，其中，所述目标集群拓扑图以所述多机集群中的多个设备为节点和以多个设备之间的物理链路为边，所述多个设备中的每个设备包括至少一个图形处理器；

将所述目标通信拓扑图映射到所述目标集群拓扑图。

2.根据权利要求1所述的方法，其中，所述响应于接收到拓扑映射请求，获取多机集群的目标通信拓扑图，包括：

响应于接收到拓扑映射请求，利用探测工具探测所述拓扑映射请求包括的预设的进程数中的进程之间的通信模式及通信量；

根据所述通信模式和通信量，确定所述目标通信拓扑图。

3.根据权利要求1或2所述的方法，其中，所述获取所述多机集群的目标集群拓扑图，包括：

通过网络接口获取多机集群中设备之间的跳步数；

根据所述跳步数确定所述目标集群拓扑图。

4.根据权利要求1或2所述的方法，其中，所述获取多机集群的目标集群拓扑图，包括：

响应于所述多机集群为非图形处理器集群，利用lspci工具获取多机集群的目标集群拓扑图。

5.根据权利要求1-4任一项所述的方法，其中，所述目标集群拓扑图为无向加权图。

6.根据权利要求1所述的方法，其中，在获取多机集群的目标集群拓扑图之后，所述方法还包括：

确定是否初始化目标集群拓扑图；

响应于未初始化目标集群拓扑图，确定目标集群拓扑图是否为预设的集群拓扑图；

响应于目标集群拓扑图为预设的集群拓扑图，对目标通信拓扑图进行初始化，得到初始化的通信拓扑图；

将所述目标通信拓扑图映射到所述目标集群拓扑图，包括：

将所述初始化的通信拓扑图映射到目标集群拓扑图。

7.根据权利要求6所述的方法，其中，所述将所述目标通信拓扑图映射到所述目标集群拓扑图，包括：

响应于目标集群拓扑图不为预设的集群拓扑图，利用所述拓扑映射请求包括的切分策略对应的图切分算法将目标通信拓扑图进行分组，并根据分组的目标通信拓扑图匹配到所述目标集群拓扑图对应的拓扑层级。

8.一种基于深度学习的拓扑映射装置，包括：

第一获取模块，被配置成响应于接收到拓扑映射请求，获取多机集群的目标通信拓扑图；以及

第二获取模块，被配置成获取多机集群的目标集群拓扑图，其中，所述目标集群拓扑图以所述多机集群中的多个设备为节点和以多个设备之间的物理链路为边，所述多个设备中的每个设备包括至少一个图形处理器；

拓扑映射模块，被配置成将所述目标通信拓扑图映射到所述目标集群拓扑图。

9.根据权利要求8所述的装置，其中，所述第一获取模块，进一步被配置成：

响应于接收到拓扑映射请求，利用探测工具探测所述拓扑映射请求包括的预设的进程数中的进程之间的通信模式及通信量；

根据所述通信模式和通信量，确定所述目标通信拓扑图。

10.根据权利要求8或9所述的装置，其中，所述第二获取模块，进一步被配置成：

通过网络接口获取多机集群中设备之间的跳步数；

根据所述跳步数确定所述目标集群拓扑图。

11.根据权利要求8或9所述的装置，所述第二获取模块，进一步被配置成：

响应于所述多机集群为非图形处理器集群，利用lspci工具获取多机集群的目标集群拓扑图。

12.根据权利要求8-11任一项所述的装置，其中，所述目标集群拓扑图为无向加权图。

13.根据权利要求8所述的装置，所述装置还包括：

第一确定模块，被配置成确定是否初始化目标集群拓扑图；

第二确定模块，被配置成响应于未初始化目标集群拓扑图，确定目标集群拓扑图是否为预设的集群拓扑图；

拓扑得到模块，被配置成响应于目标集群拓扑图为预设的集群拓扑图，对目标通信拓扑图进行初始化，得到初始化的通信拓扑图；

所述拓扑映射模块，进一步被配置成：将所述初始化的通信拓扑图映射到目标集群拓扑图。

14.根据权利要求13所述的装置，其中，所述拓扑映射模块，进一步被配置成，包括：

响应于目标物理拓扑图不为预设的物理拓扑图，利用所述拓扑映射请求包括的切分策略对应的图切分算法将目标逻辑拓扑图进行分组，并根据分组的目标逻辑拓扑图匹配到所述目标物理拓扑图对应的拓扑层级。

15.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。

16.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。

17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。

Images