deepep-installer

스타9

포크1

업데이트2026년 2월 15일 14:14

This skill should be used when users need to install, configure, or troubleshoot DeepEP (DeepSeek Expert Parallelism) on NVIDIA GPU systems. It covers the complete installation workflow including CUDA, DOCA-OFED, NVSHMEM with IBGDA support, and DeepEP itself. The skill is particularly useful for B200/H100/A100 GPUs with RoCE/InfiniBand networking, and includes comprehensive debugging capabilities for common installation failures.

설치

Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.

출처

yangwhale

yangwhale/gpu-tpu-pedia

GitHub 저장소 열기 Creator 저장소 보기

다운로드

DeepEP Installer

Overview

DeepEP 是 DeepSeek 的 Expert Parallelism 库，用于 MoE 模型的高性能 all-to-all 通信。使用 NVSHMEM IBGDA (InfiniBand GPUDirect Async) 实现 GPU 间 RDMA 通信。

关键配置：GPU NIC Handler 模式（无需 GDRCopy 内核模块，但构建时需要 GDRCopy 库）

注意: LSSD 存储请使用独立的 lssd-mounter skill。

版本配置

组件	版本	说明
CUDA Toolkit	12.9	sm_100 架构支持
DOCA-OFED	3.2.1	必须安装，将 HCA 从 rocep 转为 mlx5
GDRCopy	latest	NVSHMEM 构建依赖（仅库，无需内核模块）
NVSHMEM	v3.5.19-1	IBGDA 支持
PyTorch	2.9.1+cu129	与 SGLang 0.5.8 保持一致
NumPy	latest	DeepEP 测试依赖
DeepEP	HEAD + PR #466	GPU-NIC 映射补丁

安装步骤 (已验证)

前提条件检查

# 检查 GPU
nvidia-smi --query-gpu=name,driver_version,memory.total --format=csv,noheader

# 检查 CUDA
/usr/local/cuda/bin/nvcc --version
# 如果已安装: Cuda compilation tools, release 12.9

# 检查 HCA 设备
ls /sys/class/infiniband/
# 新安装: 显示 rocep* (需要安装 DOCA-OFED)
# 安装后: 显示 mlx5_0 mlx5_1 ... mlx5_7 (8个 mlx5 设备)

# 检查 PeerMappingOverride
grep PeerMappingOverride /proc/driver/nvidia/params
# 安装后预期: RegistryDwords: "PeerMappingOverride=0x1"

根据检查结果执行相应的 Phase。如果 CUDA、DOCA-OFED 和 PeerMappingOverride 都已配置，可跳到 Phase 4。

Phase 1: CUDA Toolkit 12.9

# 检查是否已安装，如已安装则跳过
/usr/local/cuda/bin/nvcc --version 2>/dev/null && echo "CUDA 已安装，跳过 Phase 1"

# 如未安装，执行以下命令

sudo bash -c '
wget -q https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2404/x86_64/cuda-keyring_1.1-1_all.deb
dpkg -i cuda-keyring_1.1-1_all.deb
apt-get update -qq
apt-get install -y cuda-toolkit-12-9
ln -sf /usr/local/cuda-12.9 /usr/local/cuda
'

Phase 2: DOCA-OFED 3.2.1

仅当 ls /sys/class/infiniband/ 显示 rocep 时需要执行。*

# 检查是否已安装，如显示 mlx5 则跳过
ls /sys/class/infiniband/ | grep mlx5 && echo "DOCA-OFED 已安装，跳过 Phase 2"

# 如显示 rocep*，执行以下命令

sudo bash -c '
wget -qO - https://linux.mellanox.com/public/repo/doca/3.2.1/ubuntu24.04/x86_64/GPG-KEY-Mellanox.pub | apt-key add -
echo "deb https://linux.mellanox.com/public/repo/doca/3.2.1/ubuntu24.04/x86_64 ./" > /etc/apt/sources.list.d/doca.list
apt-get update -qq
DEBIAN_FRONTEND=noninteractive apt-get install -y doca-ofed
'

# 此步骤需要较长时间 (编译内核模块)，完成后需要重启

Phase 3: PeerMappingOverride + 重启

# 设置 PeerMappingOverride
sudo bash -c '
echo "options nvidia NVreg_RegistryDwords=PeerMappingOverride=0x1" > /etc/modprobe.d/nvidia-peermapping.conf
'

# 重启以应用 DOCA-OFED 和 PeerMappingOverride
sudo reboot

Phase 4: 重启后验证

# 验证 HCA 设备 (必须是 mlx5_*)
ls /sys/class/infiniband/
# 预期: mlx5_0 mlx5_1 mlx5_2 mlx5_3 mlx5_4 mlx5_5 mlx5_6 mlx5_7
# 如果仍然是 rocep*，说明 DOCA-OFED 未正确安装

# 验证 PeerMappingOverride
grep PeerMappingOverride /proc/driver/nvidia/params
# 预期: RegistryDwords: "PeerMappingOverride=0x1"

# 验证 HCA 状态
ibv_devinfo -d mlx5_0 | head -20
# 预期: state: PORT_ACTIVE

Phase 5: 构建依赖

# 安装构建工具
sudo apt-get install -y cmake ninja-build python3-pip python3-venv libibverbs-dev rdma-core ibverbs-utils

# 创建安装目录
sudo mkdir -p /opt/deepep
sudo chown $USER:$USER /opt/deepep

Phase 6: GDRCopy 库 (NVSHMEM 构建依赖)

export CUDA_HOME=/usr/local/cuda
export PATH=$CUDA_HOME/bin:$PATH

cd /opt/deepep
git clone --depth 1 https://github.com/NVIDIA/gdrcopy.git gdrcopy-src
cd gdrcopy-src

# 只构建库 (无需内核模块)
make -j$(nproc) prefix=/opt/deepep/gdrcopy lib lib_install

# 验证
ls /opt/deepep/gdrcopy/lib/libgdrapi.so*
ls /opt/deepep/gdrcopy/include/gdrapi.h

Phase 7: NVSHMEM v3.5.19-1

export CUDA_HOME=/usr/local/cuda
export PATH=$CUDA_HOME/bin:$PATH

cd /opt/deepep
git clone --depth 1 --branch v3.5.19-1 https://github.com/NVIDIA/nvshmem.git nvshmem-src
cd nvshmem-src
mkdir -p build && cd build

# 配置 (使用 GDRCopy 头文件)
cmake .. \
    -DCMAKE_INSTALL_PREFIX=/opt/deepep/nvshmem \
    -DCMAKE_CUDA_ARCHITECTURES=100 \
    -DNVSHMEM_IBGDA_SUPPORT=ON \
    -DNVSHMEM_MPI_SUPPORT=OFF \
    -DNVSHMEM_SHMEM_SUPPORT=OFF \
    -DCUDA_HOME=$CUDA_HOME \
    -DGDRCOPY_INCLUDE=/opt/deepep/gdrcopy/include

# 构建 (可能需要 30+ 分钟)
make -j$(nproc)

# 手动安装 (跳过测试编译)
mkdir -p /opt/deepep/nvshmem/{lib,include,bin}
cp -a src/lib/*.so* /opt/deepep/nvshmem/lib/
cp -a src/lib/*.a /opt/deepep/nvshmem/lib/
cp -r ../src/include/* /opt/deepep/nvshmem/include/

# 验证
ls /opt/deepep/nvshmem/lib/libnvshmem_host.so*
ls /opt/deepep/nvshmem/lib/nvshmem_transport_ibgda.so*

Phase 8: PyTorch 2.9.1+cu129 + NumPy

python3 -m pip install --break-system-packages \
    torch==2.9.1+cu129 \
    numpy \
    --index-url https://download.pytorch.org/whl/cu129

# 验证
python3 -c "import torch; print(f'PyTorch {torch.__version__}, CUDA {torch.version.cuda}')"
python3 -c "import numpy; print(f'NumPy {numpy.__version__}')"

注意: PyTorch 2.9.1 是 SGLang 0.5.8 的硬性依赖，使用此版本可以避免后续安装 SGLang 时重新编译 DeepEP。

Phase 9: DeepEP + PR #466

cd /opt/deepep
git clone https://github.com/deepseek-ai/DeepEP.git
cd DeepEP

# 获取 PR #466 (GPU-NIC 映射)
git fetch origin pull/466/head:pr-466
git checkout pr-466

# 构建 (关键: TORCH_CUDA_ARCH_LIST 和 NVSHMEM_DIR)
export CUDA_HOME=/usr/local/cuda
export PATH=$CUDA_HOME/bin:$PATH
export TORCH_CUDA_ARCH_LIST=10.0    # B200 = sm_100, H100 = 9.0, A100 = 8.0
export NVSHMEM_DIR=/opt/deepep/nvshmem  # 使用自编译的 NVSHMEM (带 IBGDA)
python3 setup.py build_ext --inplace

# 验证编译配置
# 输出应显示: Arch list: 10.0, NVSHMEM path: /opt/deepep/nvshmem

# 验证
python3 -c "import deep_ep; print('DeepEP OK:', deep_ep.__file__)"
grep "_setup_device_hca_mapping" deep_ep/buffer.py && echo "PR #466 OK"

Phase 10: 创建环境脚本

cat > /opt/deepep/unified-env.sh << 'EOF'
#!/bin/bash
export NVSHMEM_HOME=/opt/deepep/nvshmem
export CUDA_HOME=/usr/local/cuda

export LD_LIBRARY_PATH=${NVSHMEM_HOME}/lib:${CUDA_HOME}/lib64:${LD_LIBRARY_PATH:-}
export LD_PRELOAD="${NVSHMEM_HOME}/lib/libnvshmem_host.so.3"

# NVSHMEM IBGDA 配置
export NVSHMEM_REMOTE_TRANSPORT=ibgda
export NVSHMEM_IB_ENABLE_IBGDA=1
export NVSHMEM_IBGDA_NIC_HANDLER=gpu      # GPU Handler 模式，无需 GDRCopy 内核模块
export NVSHMEM_HCA_PREFIX=mlx5
export NVSHMEM_IB_GID_INDEX=3
export NVSHMEM_DISABLE_CUDA_VMM=1
export NVSHMEM_ENABLE_NIC_PE_MAPPING=1

# PR #466: GPU 到 NIC 显式映射 (8 GPU : 8 NIC)
export DEEP_EP_DEVICE_TO_HCA_MAPPING=0:mlx5_0:1,1:mlx5_1:1,2:mlx5_2:1,3:mlx5_3:1,4:mlx5_4:1,5:mlx5_5:1,6:mlx5_6:1,7:mlx5_7:1

export PYTHONPATH=/opt/deepep/DeepEP:${PYTHONPATH:-}
EOF

chmod +x /opt/deepep/unified-env.sh

最终验证

source /opt/deepep/unified-env.sh

# 验证 DeepEP
python3 -c "import deep_ep; print('DeepEP OK')"

# 验证 HCA
ls /sys/class/infiniband/
# 预期: mlx5_0 ~ mlx5_7

# 验证 PeerMappingOverride
grep PeerMappingOverride /proc/driver/nvidia/params
# 预期: PeerMappingOverride=0x1

环境配置

环境脚本: /opt/deepep/unified-env.sh

关键配置说明

配置项	值	说明
`NVSHMEM_IBGDA_NIC_HANDLER`	`gpu`	GPU 直接处理 NIC doorbell，无需 GDRCopy 内核模块
`NVSHMEM_HCA_PREFIX`	`mlx5`	DOCA-OFED 安装后的 HCA 前缀
`NVSHMEM_ENABLE_NIC_PE_MAPPING`	`1`	启用 NIC-PE 映射，跨节点通信必需
`DEEP_EP_DEVICE_TO_HCA_MAPPING`	`0:mlx5_0:1,...`	PR #466: GPU 到 NIC 显式映射
`LD_PRELOAD`	`libnvshmem_host.so.3`	覆盖 PyTorch 自带的 NVSHMEM

测试验证

1. 安装验证

source /opt/deepep/unified-env.sh

# 验证 DeepEP 模块
python3 -c "import deep_ep; print('DeepEP OK')"

# 验证 PR #466 补丁
grep "_setup_device_hca_mapping" /opt/deepep/DeepEP/deep_ep/buffer.py
# 应该有输出

# 验证 HCA 设备
ls /sys/class/infiniband/
# 预期: mlx5_0 mlx5_1 mlx5_2 mlx5_3 mlx5_4 mlx5_5 mlx5_6 mlx5_7

# 验证 PeerMappingOverride
grep PeerMappingOverride /proc/driver/nvidia/params
# 预期: PeerMappingOverride=0x1

2. Intranode 测试 (单节点)

source /opt/deepep/unified-env.sh
cd /opt/deepep/DeepEP/tests

python3 test_intranode.py --num-tokens 2048 --hidden 7168 --num-experts 256 --num-topk 8

性能基准 (B200 8-GPU):

操作	数据类型	NVLink 带宽	延迟
Dispatch	FP8	300-320 GB/s	~250 µs
Dispatch	BF16	440-450 GB/s	~350 µs
Combine	BF16	350-360 GB/s	~450 µs

3. Internode 测试 (跨节点)

Node 1 (Master):

source /opt/deepep/unified-env.sh
cd /opt/deepep/DeepEP/tests
export WORLD_SIZE=2 RANK=0 MASTER_ADDR=<node1_ip> MASTER_PORT=29500
python3 test_internode.py --num-tokens 2048 --hidden 7168 --num-experts 256 --num-topk 8

Node 2 (Worker):

source /opt/deepep/unified-env.sh
cd /opt/deepep/DeepEP/tests
export WORLD_SIZE=2 RANK=1 MASTER_ADDR=<node1_ip> MASTER_PORT=29500
python3 test_internode.py --num-tokens 2048 --hidden 7168 --num-experts 256 --num-topk 8

性能基准 (B200 2节点 16-GPU):

操作	数据类型	RDMA 带宽	NVLink 带宽
Dispatch	FP8	70-71 GB/s	231-235 GB/s
Dispatch	BF16	81 GB/s	265-271 GB/s
Combine	BF16	75 GB/s	245-253 GB/s

4. 4节点 Internode 测试

# 在 4 个节点上并行执行 (示例使用 b7-b10)
# Node 1 (Master): RANK=0
# Node 2-4 (Workers): RANK=1,2,3

source /opt/deepep/unified-env.sh
cd /opt/deepep/DeepEP/tests
export WORLD_SIZE=4 RANK=<0-3> MASTER_ADDR=<node1_ip> MASTER_PORT=29500
python3 test_internode.py --num-tokens 2048 --hidden 7168 --num-experts 256 --num-topk 8

性能基准 (B200 4节点 32-GPU):

操作	数据类型	RDMA 带宽	NVLink 带宽
Dispatch	FP8	54 GB/s	108-111 GB/s
Dispatch	BF16	57-58 GB/s	114-118 GB/s
Combine	BF16	56-57 GB/s	113-116 GB/s

5. NIC 流量验证 (PR #466 效果)

# 检查 NIC 流量计数器
for i in 0 1 2 3 4 5 6 7; do
  echo -n "mlx5_$i: "
  cat /sys/class/infiniband/mlx5_$i/ports/1/counters/port_xmit_data
done

PR #466 修复后: 所有 8 个 NIC 都应有流量分布。

常见问题

问题 1: HCA 仍为 rocep* (未变成 mlx5_*)

症状: ls /sys/class/infiniband/ 显示 rocep* 而非 mlx5_*

根因: DOCA-OFED 3.2.1 未正确安装或未重启

修复:

# 确认 DOCA-OFED 已安装
dpkg -l | grep doca-ofed

# 如果未安装，重新安装
sudo apt-get install -y doca-ofed

# 重启
sudo reboot

问题 2: NVSHMEM 构建失败 (GDRCopy 错误)

症状: cmake 报错 GDRCOPY_INCLUDE not found

修复: 构建 GDRCopy 库

cd /opt/deepep
git clone --depth 1 https://github.com/NVIDIA/gdrcopy.git gdrcopy-src
cd gdrcopy-src
make -j$(nproc) prefix=/opt/deepep/gdrcopy lib lib_install

# 重新运行 cmake 时添加
-DGDRCOPY_INCLUDE=/opt/deepep/gdrcopy/include

问题 3: RDMA 带宽过低 (~6.5 GB/s)

症状: Internode RDMA 带宽仅 ~6.5 GB/s

根因: PR #466 未生效，所有 GPU 使用默认 mlx5_0

修复:

确认使用 PR #466 分支: cd /opt/deepep/DeepEP && git branch
确认环境变量: echo $DEEP_EP_DEVICE_TO_HCA_MAPPING
检查 NIC 流量分布

问题 4: Internode Dispatch 挂起

症状: CPU NIC Handler 模式下 internode dispatch 操作挂起

修复: 使用 GPU NIC Handler 模式

export NVSHMEM_IBGDA_NIC_HANDLER=gpu  # 不是 cpu

问题 5: PyTorch bundled NVSHMEM 冲突

症状: NVSHMEM device library version does not match

修复: 使用 LD_PRELOAD 强制加载自定义 NVSHMEM

export LD_PRELOAD="${NVSHMEM_HOME}/lib/libnvshmem_host.so.3"

问题 6: 构建 DeepEP 时权限错误

症状: Permission denied: /opt/deepep/DeepEP/build

修复: 确保目录归属当前用户

sudo chown -R $USER:$USER /opt/deepep/DeepEP

问题 7: CUDA 符号找不到 (named symbol not found)

症状: 运行测试时报错 CUDA error: 'named symbol not found'

根因: DeepEP 编译时的 CUDA 架构与 GPU 不匹配

修复: 设置正确的 CUDA 架构重新编译

cd /opt/deepep/DeepEP
rm -rf build deep_ep/*.so
export TORCH_CUDA_ARCH_LIST=10.0  # B200=10.0, H100=9.0, A100=8.0
export NVSHMEM_DIR=/opt/deepep/nvshmem
python3 setup.py build_ext --inplace

问题 8: Internode dispatch 超时 (timeout dispatch CPU)

症状: RuntimeError: DeepEP error: timeout (dispatch CPU)，所有 num_recv_tokens: -1

根因: DeepEP 编译时使用了 PyTorch 自带的 NVSHMEM（无 IBGDA 支持）

验证: 编译时检查输出，应显示：

> NVSHMEM path: /opt/deepep/nvshmem  # 正确
# 而非
> NVSHMEM path: /home/.../site-packages/nvidia/nvshmem  # 错误

修复: 设置 NVSHMEM_DIR 重新编译

export NVSHMEM_DIR=/opt/deepep/nvshmem
python3 setup.py build_ext --inplace

技术原理

GCP B200 RDMA 驱动演变

GCP 镜像预装 (基础 RDMA)     安装 DOCA-OFED 3.2.1 后
         │                            │
    rocep145s0                    mlx5_0
    rocep146s0      ─────>        mlx5_1
    rocep152s0                    mlx5_2
       ...                          ...
    rocep206s0                    mlx5_7

关键: DOCA-OFED 替换基础驱动，将 RoCE 设备名从 rocep* 改为 mlx5_*

GPU-NIC 拓扑 (GCP B200)

GPU0-GPU1 ↔ PIX ↔ NIC0-NIC1 (mlx5_0, mlx5_1)
GPU2-GPU3 ↔ PIX ↔ NIC2-NIC3 (mlx5_2, mlx5_3)
GPU4-GPU5 ↔ PIX ↔ NIC4-NIC5 (mlx5_4, mlx5_5)
GPU6-GPU7 ↔ PIX ↔ NIC6-NIC7 (mlx5_6, mlx5_7)

每对 GPU 与对应的 NIC 共享同一 PCIe switch。PR #466 确保每个 GPU 使用距离最近的 NIC。

NVSHMEM 架构

PyTorch Distributed: 16 ranks (8 GPUs × 2 nodes)
NVSHMEM: 2 RDMA ranks (1 per node)
每个节点的 8 个 GPU 共享同一个 NVSHMEM rdma_rank
rdma_rank = global_rank / NUM_MAX_NVL_PEERS (NUM_MAX_NVL_PEERS = 8)

GCP 磁盘镜像创建 (预装环境复用)

完成 DeepEP 安装后，可创建磁盘镜像用于快速扩容新机器。

创建流程

# 1. 停止实例 (如果在 MIG 中，先 abandon)
gcloud compute instance-groups managed abandon-instances <MIG_NAME> \
    --instances=<INSTANCE_NAME> --zone=<ZONE>
gcloud compute instances stop <INSTANCE_NAME> --zone=<ZONE>

# 2. 创建镜像
gcloud compute images create <IMAGE_NAME> \
    --source-disk=<INSTANCE_NAME> \
    --source-disk-zone=<ZONE> \
    --family=chrisya-b200-deepep \
    --storage-location=<REGION>

# 3. 基于镜像创建新的 Instance Template
# (需要包含 MRDMA 网络接口配置，见下方说明)

# 4. 更新 MIG 使用新 Template
gcloud compute instance-groups managed set-instance-template <MIG_NAME> \
    --template=<NEW_TEMPLATE> --zone=<ZONE>

# 5. 扩容
gcloud compute instance-groups managed resize <MIG_NAME> \
    --size=<N> --zone=<ZONE>

镜像包含内容

使用 DeepEP 预装镜像创建的新实例已包含：

CUDA 12.9
DOCA-OFED 3.2.1 (mlx5 HCA)
PeerMappingOverride 配置
GDRCopy 库
NVSHMEM v3.5.19-1 (IBGDA)
DeepEP + PR #466
PyTorch 2.9.1+cu129
unified-env.sh 环境脚本

新实例启动后验证

# 验证 DeepEP (需要先 source 环境)
source /opt/deepep/unified-env.sh
python3 -c "import deep_ep; print('DeepEP OK')"

# 验证 HCA
ls /sys/class/infiniband/
# 预期: mlx5_0 ~ mlx5_7

# 验证 PeerMappingOverride
grep PeerMappingOverride /proc/driver/nvidia/params

注意事项

MRDMA 网络接口: Instance Template 中必须包含 8 个 MRDMA 接口，且 MRDMA 接口不能配置 external NAT（使用 no-address）
LSSD: 磁盘镜像不包含 LSSD 数据，新实例需重新挂载 LSSD 并下载模型权重
SGLang: 镜像不包含 SGLang，需在新实例上单独安装（使用 /sglang-installer skill）

GKE COS 容器化部署 (已验证)

GKE A4 (B200) COS 节点上的 DeepEP 安装简化版 —— 无需 Phase 1-3 和 Phase 6。

前提条件

GKE A4 node pool (COS 系统，已内置 mlx5 驱动)
Pod 需要 privileged: true, hostNetwork: true, hostPID: true
Pod 需要 hostPath: / 挂载到 /host（访问 GIB 配置）
Pod 需要 RDMA 多网络注解 (eth2-eth9 → rdma-0 ~ rdma-7)
推荐镜像: nvcr.io/nvidia/pytorch:25.06-py3

安装脚本

仅需执行 Phase 5 (构建工具) + Phase 7 (NVSHMEM，无 GDRCopy) + Phase 9 (DeepEP)：

# Phase 5: 构建工具
apt-get update -qq
apt-get install -y --no-install-recommends cmake ninja-build libibverbs-dev rdma-core ibverbs-utils git

# Fix: cmake 需要 unversioned libmlx5.so
ln -sf /usr/lib/x86_64-linux-gnu/libmlx5.so.1 /usr/lib/x86_64-linux-gnu/libmlx5.so

# Phase 7: NVSHMEM (无 GDRCopy)
export CUDA_HOME=/usr/local/cuda
export PATH=$CUDA_HOME/bin:$PATH
mkdir -p /opt/deepep && cd /opt/deepep
git clone --depth 1 --branch v3.5.19-1 https://github.com/NVIDIA/nvshmem.git nvshmem-src
cd nvshmem-src && mkdir -p build && cd build
cmake .. -DCMAKE_INSTALL_PREFIX=/opt/deepep/nvshmem -DCMAKE_CUDA_ARCHITECTURES=100 \
    -DNVSHMEM_IBGDA_SUPPORT=ON -DNVSHMEM_MPI_SUPPORT=OFF -DNVSHMEM_SHMEM_SUPPORT=OFF -DCUDA_HOME=$CUDA_HOME
make -j$(nproc)
mkdir -p /opt/deepep/nvshmem/{lib,include,bin}
cp -a src/lib/*.so* /opt/deepep/nvshmem/lib/
cp -a src/lib/*.a /opt/deepep/nvshmem/lib/ 2>/dev/null || true
cp -r ../src/include/* /opt/deepep/nvshmem/include/

# Phase 9: DeepEP + PR #466
cd /opt/deepep
git clone https://github.com/deepseek-ai/DeepEP.git && cd DeepEP
git fetch origin pull/466/head:pr-466 && git checkout pr-466
export TORCH_CUDA_ARCH_LIST=10.0
export NVSHMEM_DIR=/opt/deepep/nvshmem
python3 setup.py build_ext --inplace

GKE GIB 环境变量 (关键!)

GKE 使用 GIB (GPU Interconnect Bus) 框架管理 NCCL 网络通信。必须设置以下环境变量，否则 NCCL 初始化失败：

# GIB 配置 (通过 hostPath 挂载访问)
export LD_LIBRARY_PATH=/host/home/kubernetes/bin/gib/lib64:${LD_LIBRARY_PATH}
export NCCL_SHIMNET_GUEST_CONFIG_CHECKER_CONFIG_FILE=/host/home/kubernetes/bin/gib/configs/guest_config.txtpb
export NCCL_TUNER_CONFIG_PATH=/host/home/kubernetes/bin/gib/configs/tuner_config_a4.txtpb

# GIB 要求的 NCCL 参数
export NCCL_CROSS_NIC=0
export NCCL_NET_GDR_LEVEL=PIX
export NCCL_P2P_NET_CHUNKSIZE=131072
export NCCL_NVLS_CHUNKSIZE=524288
export NCCL_IB_ADAPTIVE_ROUTING=1
export NCCL_IB_QPS_PER_CONNECTION=4
export NCCL_IB_TC=52
export NCCL_IB_FIFO_TC=84

GKE Internode 性能 (2 节点 16 GPU)

操作	数据类型	RDMA 带宽	NVLink 带宽
Dispatch	FP8	68.70 GB/s	229.30 GB/s
Dispatch	BF16	77.80 GB/s	259.66 GB/s
Combine	BF16	74.30 GB/s	247.99 GB/s

与 Bare-metal 对比

GKE 容器化性能损失极小 (< 5%)，接近 bare-metal 水平。

版本历史

2026-02-15: GKE COS 容器化部署
- NEW: GKE A4 COS 节点 DeepEP 安装和运行文档
- NEW: GIB 环境变量配置（NCCL shimnet + tuner）
- 无需 GDRCopy、PeerMappingOverride、DOCA-OFED
- 需要 libmlx5.so unversioned symlink fix
- 2 节点 internode 测试通过，性能接近 bare-metal
2026-02-08: 磁盘镜像和 1P1D 实战经验
- NEW: GCP 磁盘镜像创建流程（预装环境复用）
- NEW: 镜像内容清单和新实例验证步骤
- b1+b2 并行安装 → 镜像创建 → b3 扩容验证通过
- 镜像: chrisya-b200-u2404-nv580-deepep-ase1-260208
2026-02-03: 4 节点测试验证
- b7-b10 4 节点 32-GPU 测试通过
- RDMA 54-58 GB/s, NVLink 108-118 GB/s
- 添加 4 节点测试文档
2026-02-03: 2 节点验证通过
- b9-b10 测试 RDMA 66-76 GB/s, NVLink 217-248 GB/s
- 优化 Phase 1-3 检查逻辑（先检查后安装）
2026-02-03: 移除 LSSD 安装步骤
- LSSD 请使用独立的 lssd-mounter skill
- Phase 编号从 11 减少到 10
2026-02-03: 修复 DeepEP 编译关键问题
- Phase 9 添加 TORCH_CUDA_ARCH_LIST=10.0 (B200 GPU sm_100)
- Phase 9 添加 NVSHMEM_DIR=/opt/deepep/nvshmem (使用自编译 NVSHMEM)
- 新增问题 7: CUDA 符号找不到的解决方案
- 新增问题 8: Internode dispatch 超时的解决方案
- Internode 测试验证通过: RDMA 70-81 GB/s, NVLink 231-271 GB/s
2026-02-03: 添加 NumPy 依赖
- Phase 8 添加 numpy 安装（DeepEP 测试必需）
2026-02-03: 完善安装文档
- 明确 DOCA-OFED 3.2.1 必须安装（rocep → mlx5）
- 添加 GDRCopy 库构建步骤（NVSHMEM 构建依赖）
- 添加详细的分步安装指南
- 修复权限问题文档
2026-02-03: GPU NIC Handler 模式
- 移除 GDRCopy 内核模块依赖
- 添加 PR #466 GPU-NIC 映射
- RDMA 带宽从 6.5 GB/s 提升到 50-80 GB/s
2026-02-01: 初始版本
- NVSHMEM v3.5.19-1 with IBGDA
- CPU NIC Handler 模式 (需要 GDRCopy)

deepep-installer

이 저장소의 다른 Skills

이 저장소의 다른 Skills

DeepEP Installer

Overview

版本配置

安装步骤 (已验证)

前提条件检查

Phase 1: CUDA Toolkit 12.9

Phase 2: DOCA-OFED 3.2.1

Phase 3: PeerMappingOverride + 重启

Phase 4: 重启后验证

Phase 5: 构建依赖

Phase 6: GDRCopy 库 (NVSHMEM 构建依赖)

Phase 7: NVSHMEM v3.5.19-1

Phase 8: PyTorch 2.9.1+cu129 + NumPy

Phase 9: DeepEP + PR #466

Phase 10: 创建环境脚本

最终验证

环境配置

关键配置说明

测试验证

1. 安装验证

2. Intranode 测试 (单节点)

3. Internode 测试 (跨节点)

4. 4节点 Internode 测试

5. NIC 流量验证 (PR #466 效果)

常见问题

问题 1: HCA 仍为 rocep* (未变成 mlx5_*)

问题 2: NVSHMEM 构建失败 (GDRCopy 错误)

问题 3: RDMA 带宽过低 (~6.5 GB/s)

问题 4: Internode Dispatch 挂起

问题 5: PyTorch bundled NVSHMEM 冲突

问题 6: 构建 DeepEP 时权限错误

问题 7: CUDA 符号找不到 (named symbol not found)

问题 8: Internode dispatch 超时 (timeout dispatch CPU)

技术原理

GCP B200 RDMA 驱动演变

GPU-NIC 拓扑 (GCP B200)

NVSHMEM 架构

GCP 磁盘镜像创建 (预装环境复用)

创建流程

镜像包含内容

新实例启动后验证

注意事项

GKE COS 容器化部署 (已验证)

前提条件

安装脚本

GKE GIB 环境变量 (关键!)

GKE Internode 性能 (2 节点 16 GPU)

与 Bare-metal 对比

版本历史

DeepEP Installer

Overview

版本配置

安装步骤 (已验证)

前提条件检查

Phase 1: CUDA Toolkit 12.9

Phase 2: DOCA-OFED 3.2.1

Phase 3: PeerMappingOverride + 重启

Phase 4: 重启后验证

Phase 5: 构建依赖

Phase 6: GDRCopy 库 (NVSHMEM 构建依赖)

Phase 7: NVSHMEM v3.5.19-1

Phase 8: PyTorch 2.9.1+cu129 + NumPy

Phase 9: DeepEP + PR #466

Phase 10: 创建环境脚本

最终验证

环境配置

关键配置说明

测试验证

1. 安装验证

2. Intranode 测试 (单节点)

3. Internode 测试 (跨节点)

4. 4节点 Internode 测试

5. NIC 流量验证 (PR #466 效果)

常见问题

问题 1: HCA 仍为 rocep* (未变成 mlx5_*)

问题 2: NVSHMEM 构建失败 (GDRCopy 错误)

问题 3: RDMA 带宽过低 (~6.5 GB/s)