首页
/ NCCL项目中RDMA_CORE编译问题的分析与解决

NCCL项目中RDMA_CORE编译问题的分析与解决

2025-06-19 09:46:48作者:侯霆垣

背景介绍

在基于NCCL(NVIDIA Collective Communications Library)构建高性能计算应用时,用户可能会遇到与RDMA(远程直接内存访问)相关的问题。特别是在启用RDMA_CORE支持时,编译过程虽然能够完成,但在运行测试程序时会出现符号查找错误,提示"undefined symbol: ibv_dereg_mr"等类似错误。

问题现象

当用户设置环境变量RDMA_CORE=1进行编译后,构建过程看似成功完成。然而,在尝试执行nccl-tests时,系统会报告动态链接错误,指出libnccl.so库中缺少多个与InfiniBand Verbs API相关的符号定义,包括但不限于:

  • ibv_dereg_mr
  • ibv_free_device_list
  • ibv_alloc_pd
  • ibv_close_device
  • ibv_dealloc_pd
  • ibv_destroy_qp

这些符号都属于标准的InfiniBand Verbs API,是RDMA通信的基础接口。错误表明虽然NCCL在编译时启用了RDMA支持,但未能正确链接到libibverbs库。

根本原因分析

经过深入分析,这个问题源于NCCL构建系统的配置缺陷。当RDMA_CORE标志设置为1时,构建系统确实会包含RDMA相关的代码路径,但在链接阶段却未能自动添加对libibverbs库的依赖。这导致生成的libnccl.so库包含对InfiniBand Verbs API的调用,却没有正确声明对这些符号的外部依赖关系。

解决方案

要解决这个问题,需要手动修改NCCL的构建配置文件。具体步骤如下:

  1. 定位到NCCL源代码目录中的makefiles/common.mk文件
  2. 在文件约第112行附近(具体位置可能因版本略有不同)添加链接标志
  3. 添加以下内容:
LDFLAGS += -libverbs

这一修改确保了在链接阶段,编译器会正确地将libibverbs库包含进来,从而解决符号未定义的问题。

验证与测试

修改完成后,建议执行以下步骤验证解决方案的有效性:

  1. 清理之前的构建结果:make clean
  2. 重新编译NCCL:make -j
  3. 重新编译nccl-tests
  4. 运行测试程序验证功能

技术背景扩展

RDMA(远程直接内存访问)是一种高性能网络通信技术,它允许计算机直接从另一台计算机的内存中读取或写入数据,而无需操作系统的介入。在NCCL中启用RDMA支持可以显著提升多节点GPU通信的性能,特别是在大规模AI训练场景中。

InfiniBand Verbs API是RDMA编程的标准接口,提供了对RDMA硬件的底层访问能力。libibverbs是实现了这些API的用户空间库,通常由RDMA硬件厂商提供。

最佳实践建议

  1. 在启用RDMA_CORE前,确保系统已正确安装RDMA驱动和开发包
  2. 验证libibverbs库的版本与RDMA硬件驱动兼容
  3. 在性能关键应用中,建议对RDMA通信路径进行基准测试
  4. 考虑使用最新稳定版本的NCCL,因为后续版本可能已经修复了这个问题

总结

本文详细分析了NCCL项目中启用RDMA_CORE支持时出现的链接错误问题,并提供了明确的解决方案。通过理解这一问题的技术背景和解决过程,开发者可以更好地在基于NCCL的应用中利用RDMA技术,实现高性能的分布式通信。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
152
1.97 K
kernelkernel
deepin linux kernel
C
22
6
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
486
37
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
315
10
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
191
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
991
395
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
193
276
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
937
554
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
69