实例互联进行分布式训练

前提条件

• 基于通用计算资源组或灵骏智算资源组的多个实例，且位于相同VPC中；

• 实例所属资源组的公网访问网关配置为专有网关；

• 实例位于相同的集群（如：灵骏实例和通用计算资源实例无法互通）；

• 仅部分机器规格支持RDMA/eRDMA能力，详情请参见默认变量（平台预置），使用限制；

  DSW与DLC在RDMA/eRDMA上功能一致，因此您可以参考DLC相关文档。

支持功能

• 预置适配不同资源和网络架构的高性能网络环境变量。

  • 灵骏智算资源新建DSW实例预置环境变量默认变量（平台预置）；

  • 通用计算资源新建DSW实例预置环境变量平台预置环境变量；

• 在支持RDMA的规格节点上，支持通过RDMA/eRDMA进行互连。

• 通过DNS域名产品化实例互访方式，实例间可以通过实例ID进行互连。

基于以上能力，您可以在DSW中实现多机多卡任务的开发和调试。

操作步骤

1. 使用DSW实例克隆的功能，按需启动多个相同环境的实例。

2. （按需）在实例中安装RDMA/eRDMA库。

   1. 灵骏资源：使用包含RDMA的镜像，详情请参见配置镜像；

   2. 通用资源：安装eRDMA库；

3. 从实例A中 ping 实例B的实例ID验证网络连通性，例如：ping dsw-l28wnjdlyzj*********。

4. 按照实际使用的分布式框架配置并调试多机任务。