ywkang
687c98086d
Filename + lifecycle:
- ADR rename to ADR-NNNN-<cat>-title.md with 8 3-letter category prefixes
(dev / mem / lat / prog / algo / par / api / ver). Numbers stay immutable.
- ADR Lifecycle split into 3 folders, documented in CLAUDE.md Part 2:
docs/adr/ (Accepted), docs/adr-proposed/ (Proposed/Stub/Draft),
docs/adr-history/ (Superseded/Merged). Status field gains "Draft" for
retroactive docs pending verification.
Merges (one ADR per topic, no change-history annotations):
- ADR-0017 absorbs ADR-0019 (Cube NOC + per-PE HBM connectivity, 10 D-items)
- ADR-0014 absorbs ADR-0021 (PE pipeline execution model, 8 D-items incl.
TileToken self-routing and multi-op composite epilogue scope)
- ADR-0023 absorbs docs/ipcq-dma-codesign-hw.md as new "HW Realization
Notes (Informative)" section (D16-D23 + Open HW Questions). codesign-hw.md
deleted; ADR-0019/0021 moved to adr-history with one-line stub status
Retroactive documentation (G4 closures, code-verified):
- ADR-0037 forwarding component (TransitComponent: first-flit overhead,
serial worker, path-based routing, single impl/multiple names)
- ADR-0036 IO_CPU component (target_start_ns global barrier stamping,
per-cube fan-out, response aggregation)
- ADR-0035 M_CPU & M_CPU.DMA component (3 fan-out paths, DMA Resources,
target_start_ns passthrough)
- ADR-0034 HBM controller internal design (per-PC state, address-based
selection, flit-aware per-flit commit, async finalize, command-only
fallback path)
Content updates:
- ADR-0010 expanded to full CLI surface (run/probe/web), retitled
"Command Line Interface and Execution Semantics"
- ADR-0007 D2 rewritten to current state; ADR-0015 supersession notes pruned
- ADR-0005 wrapped in Decision header with D1-D5; ADR-0022 metadata
block replaced with standard Status header
- ADR-0024 trimmed to rank=SIP launcher essentials (D1-D4);
ADR-0027 cleaned of supersession history
- ADR-0033 D6 cleanup: address-based PC selection moved out of future-work
(now documented in ADR-0034 D3); related D1/D3 wording realigned
- Cross-references back-filled in 5 ADRs (G3 gaps closed)
Onboarding docs split:
- docs/onboarding/ created
- moved: hw-architecture-overview.md, latency-model.md, di-presentation.md,
ccl-author-guide{,.en}.md
- references updated in README, ADR-0023{,.en}, src/kernbench/ccl/__init__.py
Source / test / yaml: ADR-NNNN cross-references in docstrings and YAML
comments updated after the merges (ADR-0021->0014 D6, ADR-0019->0017 D8).
No behavior change.
Tooling:
- tools/verify_adr_lang_pairs.py + tests/test_verify_adr_lang_pairs.py
(ADR EN/KO pair invariant checker)
- .claude/commands/report.md tracked (/report slash command)
- .gitignore: allow .claude/commands/*.md while keeping settings files ignored
Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
172 lines
6.4 KiB
Markdown
172 lines
6.4 KiB
Markdown
# ADR-0028: DTensor Support — 선언적 분산 텐서 (Stub / Future)
|
||
|
||
## Status
|
||
|
||
Stub (Future Work)
|
||
|
||
## Context
|
||
|
||
### 목표
|
||
|
||
**선언적 분산 텐서 추상화**(PyTorch 2.x `DTensor` 스타일)를 KernBench에
|
||
도입하기 위한 **디자인 공간 preliminary exploration**. 본 ADR은 **구현 계획이
|
||
아닌 future 작업의 파일 플레이스홀더 + 초기 질문 목록**이다.
|
||
|
||
### Megatron-style TP와의 차이 (Why DTensor)
|
||
|
||
| 관점 | Megatron (ADR-0027) | DTensor (이 ADR) |
|
||
|---|---|---|
|
||
| 표현 | 명시적 parallel layer | 텐서 + placement spec |
|
||
| 호출 형태 | `ColumnParallelLinear(...)` | `distribute_tensor(x, mesh, [Shard(1)])` |
|
||
| Collective 삽입 | 레이어 내부 명시 | 연산 dispatch가 자동 |
|
||
| Learning curve | 낮음 (명시적) | 중~높음 (선언적 의미 이해) |
|
||
| 유연성 | 레이어 단위로 고정 | 레이어 경계 무관, 어디서나 |
|
||
| KernBench에 선행 필요한 것 | launcher (ADR-0024) + TP (0027) | 그 + operator dispatch overhaul |
|
||
|
||
DTensor는 operator-level에서 "텐서의 placement를 보고 자동으로 collective
|
||
삽입". KernBench가 이를 지원하려면 **operator dispatch layer에 placement-aware
|
||
rewriting**이 들어가야 한다. 이는 비-trivial.
|
||
|
||
### 현재 상태
|
||
|
||
- KernBench는 operator dispatch 레이어가 없음 (`torch.matmul`은 없음; kernel
|
||
launch로 대체).
|
||
- DPPolicy는 정적 placement metadata를 보유 (ADR-0026 후: intra-device only).
|
||
- ADR-0024 launcher가 rank / device 개념 제공.
|
||
- Megatron-style TP (ADR-0027)가 명시적 대안으로 기능할 것.
|
||
|
||
---
|
||
|
||
## Preliminary decision space
|
||
|
||
### DQ1. PyTorch DTensor API 수용 범위
|
||
|
||
- `DeviceMesh`: rank들의 논리적 grid.
|
||
- `Placements`: `Shard(dim)`, `Replicate()`, `Partial(reduce_op)`.
|
||
- `distribute_tensor(tensor, device_mesh, placements)`: local tensor → DTensor.
|
||
- Redistribute: `dt.redistribute(new_placements)`로 collective 자동 삽입.
|
||
- Operator forward: `dt @ dt`, `dt + dt` 등 → 적절한 collective 자동 dispatch.
|
||
|
||
KernBench가 어느 수준까지 지원할지 결정 필요. 최소: `distribute_tensor` +
|
||
`redistribute`. 최대: 모든 operator overloading.
|
||
|
||
### DQ2. Operator dispatch 레이어
|
||
|
||
KernBench에서 `dt @ dt`를 정의하려면 Tensor의 `__matmul__`이 placement를
|
||
보고 적절한 action 수행:
|
||
|
||
- 둘 다 replicated → local matmul
|
||
- A column-sharded, B row-sharded → local matmul + all-reduce (RowParallel)
|
||
- A replicated, B column-sharded → local matmul (ColumnParallel)
|
||
- etc.
|
||
|
||
이는 Megatron-style의 **자동화된 버전**. Kernel은 기존 matmul kernel 사용.
|
||
|
||
### DQ3. DeviceMesh와 기존 topology
|
||
|
||
KernBench topology는 이미 SIP/cube/PE 계층. DTensor의 DeviceMesh는 추상
|
||
`(tp_size, dp_size, ...)` grid. 매핑:
|
||
|
||
- 1D mesh of size = SIP count → rank = SIP
|
||
- 2D mesh (tp × dp) → SIP을 그룹 분할 (pure TP 대신 mixed parallelism)
|
||
|
||
초기엔 1D mesh만, DP × TP 2D는 future.
|
||
|
||
### DQ4. Placement의 intra-device (DP) 통합
|
||
|
||
KernBench 특이점: 한 rank 내부에서 DPPolicy로 cube/PE에 분산. DTensor는
|
||
device 내부를 보지 않음. 통합:
|
||
|
||
- DTensor placement = rank (SIP) 간 분산
|
||
- 각 rank의 local tensor는 여전히 DPPolicy로 cube/PE 배치
|
||
- → DTensor wrapper가 local tensor의 DPPolicy도 보관
|
||
|
||
### DQ5. Collective 자동 삽입 지점
|
||
|
||
`redistribute` 또는 operator forward 시. ADR-0024의 submit+yield+wait 패턴을
|
||
자동으로 호출하는 형태. `_launch_submit` 내부화.
|
||
|
||
### DQ6. Autograd
|
||
|
||
DTensor는 autograd와 상호작용 (backward에서 reverse collective). KernBench가
|
||
backward 지원하기 전까지는 **forward-only DTensor**.
|
||
|
||
---
|
||
|
||
## Open questions (to resolve before real design)
|
||
|
||
1. **우선순위**: Megatron-style(ADR-0027)이 먼저 안착한 후 DTensor를 위에
|
||
얹는가, 아니면 공통 lower-layer를 먼저 설계하는가?
|
||
2. **호환성 목표**: PyTorch DTensor API와 몇 %까지 일치시키는가? 독자 API vs
|
||
거의 동일?
|
||
3. **Operator dispatch**: KernBench `Tensor` 클래스에 `__matmul__` 등 연산자
|
||
overloading을 도입하는가? (현재는 kernel launch만)
|
||
4. **Redistribute 정책**: `Shard(0) → Replicate()` 변환 시 어떤 collective
|
||
사용? `all_gather`가 없으면 구현 전까지 제약.
|
||
5. **Mesh × DPPolicy interaction**: 하나의 DTensor가 2개 layer 분산을 갖는
|
||
경우의 metadata 표현.
|
||
6. **Partial placement의 reduce 시점**: 자동 vs 명시 `redistribute` 호출.
|
||
7. **Bench authoring impact**: 기존 Megatron-style bench가 DTensor 기반으로
|
||
얼마나 쉽게 포팅되는가?
|
||
|
||
---
|
||
|
||
## Non-goals (for future real ADR)
|
||
|
||
- 이번 stub에서 API 확정. Future ADR에서 구체화.
|
||
- Implementation timeline. 이번 round에서는 **설계 공간 매핑만**.
|
||
|
||
---
|
||
|
||
## Dependencies (potential)
|
||
|
||
- **ADR-0024** (launcher): rank / device 기반
|
||
- **ADR-0026** (DPPolicy cleanup): DTensor placement와의 분리 명확화
|
||
- **ADR-0027** (Megatron TP): 실용 TP 패턴 경험을 DTensor 설계로 환류
|
||
- **Future ADR** (operator dispatch layer): KernBench Tensor에 operator
|
||
overloading 도입
|
||
|
||
---
|
||
|
||
## Expected consequences (hypothetical)
|
||
|
||
### Positive
|
||
|
||
- PyTorch training code 이식이 **매우 쉬워짐** (DTensor 코드 그대로).
|
||
- TP + DP + 더 복잡한 parallelism을 **하나의 추상화**로 표현.
|
||
- Collective 삽입이 자동 → bench 작성자 부담 감소.
|
||
|
||
### Negative
|
||
|
||
- Operator dispatch layer 신규 구축 → 상당한 엔지니어링.
|
||
- Implicit behavior 증가 → 디버깅 / 성능 분석 복잡.
|
||
- KernBench의 "명시적 kernel launch" 철학과 tension.
|
||
|
||
---
|
||
|
||
## Action
|
||
|
||
- **Phase 1 (현재)**: 본 stub 유지. Megatron-style (ADR-0027) 먼저 구현 +
|
||
사용 경험 축적.
|
||
- **Phase 2 (future)**: 사용 경험을 바탕으로 본 ADR을 real design으로 승격.
|
||
위 Open questions에 대한 답을 제시.
|
||
- **Phase 3 (future)**: Implementation.
|
||
|
||
현재 구현 작업은 **없음**. 디자인 공간 매핑만.
|
||
|
||
---
|
||
|
||
## Affected files
|
||
|
||
본 ADR은 **stub**이므로 production 변경 없음. Future real ADR에서 갱신될
|
||
파일 후보:
|
||
|
||
| File | 예상 변경 (future) |
|
||
|------|---|
|
||
| `src/kernbench/dtensor/__init__.py` | 신규 패키지 |
|
||
| `src/kernbench/dtensor/device_mesh.py` | DeviceMesh |
|
||
| `src/kernbench/dtensor/placements.py` | Shard/Replicate/Partial |
|
||
| `src/kernbench/dtensor/api.py` | distribute_tensor, redistribute |
|
||
| `src/kernbench/dtensor/ops/*.py` | Operator dispatch (matmul 등) |
|
||
| `src/kernbench/runtime_api/tensor.py` | Tensor에 `__matmul__` 등 추가 |
|