pto-comm

name	PTO-COMM 通信算子开发指南
description	基于 PTO-COMM ISA 开发通信算子的完整指南。涵盖 Host-Device 架构、文件结构、通信模式（P2P/集合通信/通算融合）、同步策略、信号矩阵设计、多 Block 调度、远端地址管理、构建系统配置等。触发：需要使用 PTO-COMM 开发通信算子、设计通信 kernel、编写 Host 侧代码、配置 CMakeLists 时。
license	CANN Open Software License Agreement Version 2.0

PTO-COMM 通信算子开发指南

定位

本 Skill 是流程型 Skill，指导从零开发一个基于 PTO-COMM ISA 的通信算子。

---

架构概述

Host-Device 分离

Host 侧                          Device 侧
┌─────────────────┐              ┌─────────────────────────┐
│ main.cpp        │              │ comm_kernel.cpp         │
│ - MPI 初始化    │   启动       │ - __global__ AICORE     │
│ - ACL 初始化    │──kernel──→   │ - TPUT/TGET/TNOTIFY/... │
│ - HCCL 通信域   │              │ - 信号同步逻辑          │
│ - 内存分配      │              ├─────────────────────────┤
│ - Kernel 启动   │              │ compute_kernel.cpp      │
│ - 结果验证      │   启动       │ - __global__ AICORE     │
│                 │──kernel──→   │ - TMATMUL/TADD/...      │
└─────────────────┘              │ - 计算逻辑              │
                                 └─────────────────────────┘

关键原则：

• Host 侧：负责 MPI/HCCL 通信域初始化、内存分配、远端地址获取、kernel 启动和结果验证
• Device 侧：使用 PTO-COMM 指令执行实际的数据传输和同步
• 计算和通信可以分别编译为独立的 .so 文件

---

编程模型选择

需要 NPU 间通信？
├── 仅需基本 P2P 传输
│   └── 使用 TPUT/TGET → 参考 "开发模式" 之 P2P 模式
│
├── 需要集合通信（AllReduce/AllGather/ReduceScatter 等）
│   ├── 可用内置集合指令完成？
│   │   └── 使用 TGATHER/TSCATTER/TBROADCAST/TREDUCE → 参考 "开发模式" 之集合通信模式
│   └── 需要自定义算法（如 RS+AG 组合 AllReduce）？
│       └── 使用 TPUT<AtomicAdd> + TNOTIFY/TWAIT 组合 → 参考 "开发模式" 之自定义集合通信
│
├── 需要通算融合（计算+通信重叠）
│   └── 使用双 kernel（cube + vec）+ 队列/信号同步 → 参考 "开发模式" 之通算融合模式
│
└── 需要异步大块传输
    └── 使用 TPUT_ASYNC/TGET_ASYNC → 参考 pto-comm-isa-reference

---

文件结构与命名规范

kernels/manual/<platform>/<operator_name>/
├── comm_kernel.cpp           # 通信 kernel（Vec 架构）
├── compute_kernel.cpp        # 计算 kernel（Cube 架构，如需融合）
├── config.h                  # Tiling 配置、Block 数量、常量定义
├── kernel_launchers.h        # Host 侧 kernel 启动函数声明
├── common.hpp                # 远端地址计算等共享工具
├── main.cpp                  # Host 侧：初始化、启动、验证
├── CMakeLists.txt            # 构建配置
├── run.sh                    # 运行脚本
└── README_zh.md              # 算子文档

---

核心开发模式

四种开发模式的完整代码示例和同步策略详见：

详细指南：开发模式详解

模式	指令组合	适用场景
P2P	TPUT/TGET	两 NPU 间数据传输
集合通信	TGATHER/TSCATTER/TBROADCAST/TREDUCE	标准多 rank 操作
自定义集合通信	TPUT<AtomicAdd> + TNOTIFY/TWAIT	RS+AG 组合实现 AllReduce
通算融合	双 kernel + 队列 + 信号矩阵	计算与通信重叠

---

同步策略与信号设计

信号矩阵布局、DeviceBarrier 实现、流水线同步详见：

详细指南：信号与同步设计

快速参考

同步需求	推荐方式
跨 rank barrier	DeviceBarrier（Intra-rank + Cross-rank + 本地广播）
阶段间分隔	pipe_barrier(PIPE_ALL)
计算→通信通知	SPSC 就绪队列 + TTEST 轮询
手动流水线	set_flag/wait_flag（仅 TLOAD/TSTORE_IMPL 时需要）
多方通知一方	NotifyOp::AtomicAdd
一方通知多方	NotifyOp::Set

---

远端地址管理与多 Block 调度

远端地址获取方式、地址对齐要求、Block 分配策略、工作均分方法详见：

详细指南：多 Block 调度与地址管理

地址对齐要求

• 所有 GM 地址必须满足 32 字节对齐
• Signal 地址必须 4 字节对齐
• TPUT_ASYNC/TGET_ASYNC 的 workspace 由专用 Manager 管理

多核切分策略

切分维度	适用场景	方法
Tile 维度	通信量大，Tile 数多	均分 Tile 到各 block
Row 维度	需要精确负载均衡	展平为 row-level 分配（推荐）
Rank 维度	不同 rank 独立传输	按 rank 分配给不同 block

---

Host 侧与构建系统

Host 侧标准初始化流程、CMakeLists 模板、SOC_VERSION 映射、kernel 启动模式详见：

详细指南：Host 侧与构建系统

SOC_VERSION 与架构映射

SOC_VERSION	架构	Cube Arch	Vec Arch
Ascend910B	A2A3	dav-c220-cube	dav-c220-vec
Ascend910C	A2A3	dav-c220-cube	dav-c220-vec
Ascend950	A5	dav-c350-cube	dav-c350-vec

---

开发检查清单

开发前

• 确认目标平台（A2A3/A5）和对应的架构编译选项
• 确认通信拓扑（节点内/跨节点）和链路类型
• 确定通信模式（P2P/集合/融合）
• 规划信号矩阵布局

实现中

• TNOTIFY 目标地址为远端，TWAIT/TTEST 监听地址为本地
• 乒乓 Tile 的 UB 偏移不重叠
• 使用 pipe_barrier(PIPE_ALL) 分隔不同阶段
• 手动 TLOAD/TSTORE_IMPL 之间有正确的 set_flag/wait_flag
• 所有 rank 使用相同的 rootIdx 构建 ParallelGroup
• 非 root rank 不调用集合通信指令
• 远端地址计算正确（基于通信窗口偏移）

测试前

• 信号矩阵每次运行前清零
• Host 侧 aclrtSynchronizeStream 确保 kernel 执行完成
• 内存大小与 Tile 配置一致
• CMakeLists 中 Vec/Cube 架构选择正确

---

相关 Skills

Skill	用途
pto-comm-isa-reference	PTO-COMM 指令签名、参数、约束速查
pto-comm-testing-debug	通信算子测试与调试指南
pto-comm-performance-optimization	通信算子性能优化
vector-fusion-operator-generate	PTO 向量融合算子开发指南