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。鉴于不同专家的负载可能因当前工作负载而异，保持不同 NPU 之间的负载均衡至关重要。我们采用冗余专家策略，通过复制高负载的专家来实现。然后，我们启发式地将这些复制的专家打包到 NPU 上，以确保它们之间的负载均衡。此外，得益于 MoE 模型中使用的组限制专家路由，我们也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流量。

为了方便复现和部署，vLLM Ascend 在 vllm_ascend/eplb/core/policy 中支持已部署的 EP 负载均衡算法。该算法根据估计的专家负载计算一个均衡的专家复制和放置计划。请注意，预测专家负载的具体方法不在本仓库的讨论范围内。一种常见的方法是使用历史统计数据的移动平均值。

eplb

如何使用 EPLB？#

请参阅用户指南中的 EPLB 部分以获取详细信息：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_default_eplb.py
│   │   │   ├── policy_swift_balancer.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 模型类型的注册和适配

  • 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、更新和异步处理

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

    • policy_swift_balancer.py 针对低带宽设备（例如 A2）优化专家交换的增强版本

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

    • policy_factory.py 用于自动算法实例化的策略工厂

  • eplb_device_transfer_loader.py 管理专家表/权重的传输和更新

  • eplb_utils.py 用于专家表初始化和映射的实用工具

  • eplb_worker.py 异步算法编排和结果处理

3. 系统组件

  • eplb_updator.py 推理工作流中负载均衡的中心协调器

  • 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高了技术清晰度

  2. 标准化术语

  3. 通过简洁的描述符增强了算法区分度

  4. 通过分层展示改进了范围界定

  5. 在优化可读性的同时保留了文件/类关系

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，我们使用分层负载均衡策略来利用组限制专家路由。我们首先将专家组均匀地打包到节点上，确保不同节点间的负载均衡。然后，我们在每个节点内复制专家。最后，我们将复制的专家打包到各个 NPU 上，以确保它们之间的负载均衡。分层负载均衡策略可以在预填充阶段使用，此时专家并行规模较小。

全局负载均衡#

在其他情况下，我们使用全局负载均衡策略，该策略不考虑专家组，而是在全局范围内复制专家，并将复制的专家打包到各个 NPU 上。此策略可以在解码阶段采用，此时专家并行规模较大。

添加新的 EPLB 策略#

如果你想向 vllm_ascend 添加一个新的 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

  2. 要添加新的 EPLB 算法，请在 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#

模型集成实施指南

  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

    • 确保在 model_register 函数中进行参数同步。

      例如：

      修改 vllm_adaptor.py 的 __init__ 以添加新 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 以注册新 MoE 模型的 eplb 参数：

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

  2. MoE 功能集成

    • 使用 MoE 特定方法扩展 vllm_ascend/eplb/utils.py

    • 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 函数内添加补丁逻辑

    • 保持与现有模型类型的向后兼容性

  4. 验证与测试

    • 验证跨层的参数一致性

    • 测试专家表的跨设备通信

    • 与基线实现（例如 Qwen3-MoE）进行基准测试

关键实施说明：

  • 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补丁集成

  • 利用 eplb_utils.py 进行共享的专家映射操作

DFX#

参数验证#

整数参数#

所有整型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，expert_heat_collection_interval 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以及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}"
            )

功能规范#

初始化函数#

所有 EPLB 参数在初始化期间必须默认初始化，并指定参数类型和默认值以便正确处理。

通用函数#

所有方法参数必须指定参数类型和默认值，并且函数必须包含针对默认参数的默认返回值处理。建议使用 try-except 块来处理函数体，指定捕获的异常类型和失败处理（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期间必须是全局唯一的。在初始化期间的多节点场景中，应使用分布式通信来验证每个 rank 上专家映射的一致性。如果不一致，应通知用户哪些 rank 的映射不一致。在更新过程中，如果只有少数层或某个 rank 的专家表被更改，则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，确保为专家权重分配的内存已被释放，或者专家（指旧版本）不再被使用。

限制#

在使用 EPLB 之前，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）之前，启动脚本并添加 export EXPERT_MAP_RECORD="true"。