专家并行负载均衡器（EPLB）

专家并行负载均衡器（EPLB）#

为什么需要EPLB？#

在使用专家并行（EP）时，不同的专家被分配到不同的NPU上。由于不同专家的负载可能随当前工作负载变化，确保各NPU间负载均衡至关重要。我们采用冗余专家策略，复制负载较重的专家，然后通过启发式方法将这些复制后的专家分配到各NPU上，以实现负载均衡。此外，得益于MoE模型中使用的组限专家路由机制，我们还尽可能将同一组的专家放置在同一节点上，以减少节点间的数据传输。

为便于复现和部署，Vllm Ascend 在 vllm_ascend/eplb/core/policy 中提供了已部署的EP负载均衡算法。该算法基于预估的专家负载，计算出均衡的专家复制与放置方案。请注意，具体的专家负载预测方法不在本代码库的讨论范围内。一种常用方法是使用历史统计数据的移动平均值。

EPLB架构示意图

如何使用EPLB？#

详细使用说明请参阅用户指南中的EPLB章节：如何使用EPLB

工作原理#

EPLB模块架构

vllm_ascend
├── eplb
│   ├── adaptor
│   │   ├── abstract_adaptor.py
│   │   ├── vllm_adaptor.py
│   ├── core
│   │   ├── policy
│   │   │   ├── policy_abstract.py
│   │   │   ├── policy_dynamic_ep.py
│   │   │   ├── policy_dynamic_ep_v2.py
│   │   │   ├── policy_factory.py
│   │   │   ├── policy_flashlb.py
│   │   ├── eplb_device_transfer_loader.py
│   │   ├── eplb_utils.py
│   │   ├── eplb_worker.py
│   ├── eplb_updator.py
│   ├── utils.py
└───────────

1. 适配器模块 处理不同MoE模型类型的注册与适配

  • abstract_adaptor.py 定义EPLB适配器统一注册接口的抽象基类

  • vllm_adaptor.py 支持Qwen3-MoE和DeepSeek模型的实现，标准化策略算法的参数处理

2. 核心模块 实现核心算法、更新与异步处理

  • 策略子模块 采用工厂模式实例化的负载均衡算法

    • policy_abstract.py 负载均衡策略接口的抽象类

    • policy_dynamic_ep.py 开源EPLB论文算法的默认实现

    • policy_dynamic_ep_v2.py 优化专家交换的增强版本，适用于低带宽设备（如A2）

    • policy_flashlb.py 基于阈值的调整策略，通过逐层波动检测降低操作成本

    • policy_factory.py 自动算法实例化的策略工厂

  • eplb_device_transfer_loader.py 管理专家表/权重的传输与更新

  • eplb_utils.py 专家表初始化与映射的实用工具

  • eplb_worker.py 异步算法编排与结果处理

3. 系统组件

  • eplb_updator.py 推理工作流中负载均衡的中央协调器

  • utils.py EPLB接口注册的通用实用工具

关键优化点：

  1. 保持原始结构的同时提升了技术表述的清晰度

  2. 标准化术语

  3. 通过简洁的描述符增强了算法区分度

  4. 通过分层呈现改进了范围界定

  5. 在优化可读性的同时保留了文件/类的关系

默认算法#

分层负载均衡#

当服务器节点数量能整除专家组数量时，我们采用分层负载均衡策略以利用组限专家路由。首先将专家组均匀分配到各节点，确保节点间负载均衡。然后在每个节点内部复制专家。最后将复制后的专家分配到各NPU上，确保NPU间负载均衡。分层负载均衡策略可在专家并行规模较小的预填充阶段使用。

全局负载均衡#

在其他情况下，我们采用全局负载均衡策略，该策略无视专家组的划分，全局复制专家，并将复制后的专家分配到各NPU上。此策略可在专家并行规模较大的解码阶段采用。

添加新的EPLB策略#

若要在vllm_ascend中添加新的EPLB策略，必须遵循以下步骤：

  1. 继承 policy_abstract.py 中的 EplbPolicy 抽象类，并重写 rebalance_experts 接口，确保输入参数 current_expert_table、expert_workload 和返回类型 newplacement 保持一致。例如：

class RandomLoadBalance(EplbPolicy):

    def __init__(self, config: DynamicConfig):
        super().__init__(config)

    def rebalance_experts(self, current_expert_table, expert_workload):
        new_table = copy.deepcopy(current_expert_table)
        num_layers = len(current_expert_table)

        for i in range(num_layers):
            # randomly choose two card
            # indices = random.sample(range(num_card), 2)
            indices = [3, 1]

            # swap redundant experts
            expert_id_to_exchange = new_table[i][indices[0]][-1].clone()
            new_table[i][indices[0]][-1] = new_table[i][indices[1]][-1]
            new_table[i][indices[1]][-1] = expert_id_to_exchange

        return 1, [-i for i in range(num_layers)], new_table

  1. 要添加新的EPLB算法，需在 policy_factory.py 的 PolicyFactory 中包含策略类型及其对应的实现类。

添加新的MoE模型#

模型集成实现指南

  1. 适配器文件修改

    • 继承或修改 vllm_ascend/eplb/adaptor/vllm_adaptor.py

    • 为关键参数添加处理逻辑：

      • num_dense_layers

      • global_expert_num

      • num_roe_layers

    • 确保 model_register 函数中的参数同步。

      例如：

      修改 vllm_adaptor.py 的 __init__ 方法，添加新MoE模型的EPLB参数：

         if self.model.config.model_type == "qwen3_moe":
    self.num_dense_layers = 0
    self.global_expert_num = self.model.config.num_experts

      修改 vllm_adaptor.py 的 model_register 方法，为新MoE模型注册EPLB参数：

          if config.model_type == "qwen3_moe":
        model.num_moe_layers = config.num_hidden_layers

  2. MoE特性集成

    • 在 vllm_ascend/eplb/utils.py 中扩展MoE特定的方法

    • 实现专家路由或权重管理所需的功能

  3. 注册逻辑更新

    • 在 model_register 函数中添加补丁逻辑

    • 保持与现有模型类型的向后兼容性

  4. 验证与测试

    • 验证各层间的参数一致性

    • 测试专家表的跨设备通信

    • 与基线实现（如Qwen3-MoE）进行基准测试

关键实现说明：

  • 在抽象类中保留现有的接口契约

  • 使用装饰器进行非侵入式的补丁集成

  • 利用 eplb_utils.py 处理共享的专家映射操作

可维护性（DFX）#

参数验证#

整数参数#

所有整数输入参数必须明确指定其最大值和最小值，并接受有效值验证。例如，num_iterations_eplb_update 必须大于0：

    @staticmethod
    def check_iterations(iterations):
        if not isinstance(iterations, int):
            raise TypeError(f"The {iterations} is not int.")
        if iterations <= 0:
            raise ValueError(
                f"The {iterations} can not less than or equal to 0.")
        if iterations > sys.maxsize:
            raise ValueError(
                f"The {iterations} can not large than {sys.maxsize}")

文件路径#

必须检查EPLB文件路径的合法性，例如文件路径是否有效，是否具有适当的读写权限。例如：

    @staticmethod
    def check_expert_map_path(expert_map):
        if expert_map is None:
            return
        if not isinstance(expert_map, str):
            raise TypeError("The expert_map is not str.")
        if not expert_map.strip():
            raise ValueError("The expert_map is not empty.")
        _, ext = os.path.splitext(expert_map)
        if ext.lower() != ".json":
            raise TypeError("The expert_map is not json.")
        if not os.path.exists(expert_map):
            raise ValueError("The expert_map is not exist.")
        try:
            with open(expert_map, "w", encoding='utf-8') as f:
                f.read()
        except Exception as e:
            raise IOError(
                f"Fail read expert info from {expert_map}, please check the reading permission of {expert_map} : {e}"
            )

函数规范#

初始化函数#

初始化时，所有EPLB参数必须默认初始化，并指定参数类型和默认值以确保正确处理。

通用函数#

所有方法参数必须指定参数类型和默认值，函数必须包含对默认参数的默认返回值处理。建议使用 try-except 块处理函数体，指定捕获的异常类型和失败处理方式（例如记录异常或返回失败状态）。

一致性#

专家映射#

专家映射在初始化和更新时必须保持全局唯一性。在初始化时的多节点场景中，应使用分布式通信来验证各排名（rank）间专家映射的一致性。若不一致，应通知用户哪些排名存在映射不一致。在更新过程中，若仅少数层或某排名的专家表发生更改，必须将更新后的专家表与EPLB的上下文同步，以确保全局一致性。

专家权重#

更新专家权重时，必须确保为专家权重分配的内存已被释放，或专家（指旧版本）不再被使用。

限制条件#

使用EPLB前，启动脚本并添加 export DYNAMIC_EPLB="true"。在执行负载数据收集（或性能数据收集）前，启动脚本并添加 export EXPERT_MAP_RECORD="true"。