NCCL(Nvidia Collective multi-GPU Communication Library) Nvidia英偉達的Multi-GPU多卡通信框架NCCL 學習；PCIe 速率調研；

為了了解，上來先看幾篇中文博客進行簡單了解：

• 如何理解Nvidia英偉達的Multi-GPU多卡通信框架NCCL？(較為優秀的文章)
• 使用NCCL進行NVIDIA GPU卡之間的通信 （GPU卡通信模式測試）
• nvidia-nccl 學習筆記 （主要是一些接口介紹）
• https://developer.nvidia.com/nccl (官方網站) 
• https://github.com/NVIDIA/nccl （官方倉庫）
• https://www.cnblogs.com/xuyaowen/p/heterogeneous-system-architecture.html GPU 相關架構 
• https://www.nvidia.cn/data-center/nvlink/ (NVLink) 
• https://docs.nvidia.com/deeplearning/sdk/nccl-developer-guide/docs/overview.html （nccl doc）

內容摘錄：

• 通信性能（應該主要側重延遲）是pcie switch > 同 root complex （一個cpu接幾個卡） > 不同root complex（跨cpu 走qpi）。ib的gpu direct rdma比跨cpu要快，所以甚至單機八卡要按cpu分成兩組，每組一個switch，下面四個卡，一個ib，不通過cpu的qpi通信，而是通過ib通信。- 摘自評論
• 對於多個GPU卡之間相互通信，硬件層面上的實現有Nvlink、PCIe switch（不經過CPU）、Infiniband、以及PCIe Host Bridge（通常就是借助CPU進行交換）這4種方式。而NCCL是Nvidia在軟件層面對這些通信方式的封裝。

保持更新，更多內容，請參考cnblogs.com/xuyaowen; 

PCIe 速率：

 

z390 芯片組資料：

https://ark.intel.com/content/www/cn/zh/ark/products/133293/intel-z390-chipset.html 

P2P 顯卡通信性能測試：

cuda/samples/1_Utilities/p2pBandwidthLatencyTest 

nvidia 驅動安裝：

https://www.cnblogs.com/xuyaowen/p/nvidia-driver-cuda-installation.html 

nccl 編譯安裝過程：

git clone [e-mail]:NVIDIA/nccl.git

cd nccl

make -j src.build （進行編譯）

cd build 

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/yourname/nccl/build/lib # 添加環境變量；也可以配置環境變量.bashrc;

export C_INCLUDE_PATH=/home/yourname/nccl/build/include (設置 C 頭文件路徑)

export CPLUS_INCLUDE_PATH=/home/yourname/nccl/build/include (設置C++頭文件路徑)

測試是否安裝成功：

git clone https://github.com/NVIDIA/nccl-tests.git
cd nccl-tests 
make CUDA_HOME=/path/to/cuda NCCL_HOME=/path/to/nccl （具體編譯，可以參考官方文檔）
./build/all_reduce_perf -b 8 -e 256M -f 2 -g <ngpus> 

才是