申晗-快手推搜广计算引擎优化实践v2.pdf

《申晗-快手推搜广计算引擎优化实践v2.pdf》由会员分享，可在线阅读，更多相关《申晗-快手推搜广计算引擎优化实践v2.pdf（31页珍藏版）》请在三个皮匠报告上搜索。

1、快手推搜广计算引擎优化实践申晗-快手 AI 平台编译器&异构大模型推理 Tech LeadDataFunSummit#2024目录I.背景II.性能优化III.工程架构IV.多元算力背景：推荐系统进入GPU时代 深度学习推荐系统从使用简单的多层MLP 预测CTR，逐渐发展到基于GRU/Attention的用户序列建模，再到LLM For Rec大模型时代，DNN 部分的模型结构的复杂度、算力需求显著增长。业界推荐系统（精粗排）已全面进入GPU时代。1 Cheng,Heng-Tze,et al.Wide&deep learning for recommender systems.Proceedi

2、ngs of the 1st workshop on deep learning for recommender systems.2016.2 Zhou,Guorui,et al.Deep interest evolution network for click-through rate prediction.Proceedings of the AAAI conference on artificial intelligence.Vol.33.No.01.2019.3 Pi,Qi,et al.Search-based user interest modeling with lifelong

3、sequential behavior data for click-through rate prediction.Proceedings of the 29th ACM International Conference on Information&Knowledge Management.2020.4 Zhai,Jiaqi,et al.Actions Speak Louder than Words:Trillion-Parameter Sequential Transducers for Generative Recommendations.arXiv preprint arXiv:24

4、02.17152(2024).Wide&Deep,Google 20161DIEN,Alibaba 20182SIM,Alibaba 20203Hierarchical Sequential Transduction Unit,Meta 20244背景：训练耗费大量GPU资源 推荐系统训练耗费大量GPU资源 以快手某业务推荐模型在线训练为例，一个任务需耗费 150-200卡 A10 GPU 才能满足处理实时样本流的吞吐需求；算法日常迭代/AB实验，一组实验 GPU 数 x N，多组任务消耗的资源非常大 推搜广总共的资源池消耗可能到大几千上万卡，这个规模的存量卡的优化有重要的成本价值，支撑业务对

5、更大规模模型的探索也有重要的业务价值。Kafka?KAIDataset?Tensorflowauc?PS?Worker?DenseTableSparseTable?Dense?Sparse?lookuppullpushUpdate?PS?HDFSBTQGrafanaKMLKuaiBI数据IO计算（GPU）通信快手推荐典型业务：计算在全流程占比高达70%，而计算部分主要耗时在 DNN。因此，我们需要非常关注DNN部分的计算优化来降本增效。一个推荐训练系统包括数据IO、计算与通信三个主要模块。当数据IO与通信异步做的足够好之后，计算变成了主要的性能瓶颈图：快手推搜广分布式训练框架KAI背景：Ten

6、sorFlow 编译优化技术栈 快手训练计算引擎的优化围绕着编译优化展开，在AI编译器领域，编译优化的主要内涵是计算图的静态分析优化+高效的硬件代码生成（手写算子+自动Codegen）快手推搜广训练采用使用 TensorFlow 作为DNN 的计算引擎。TensorFlow 构建静态图，通过图分析+编译优化提升模型性能 Grappler：通用图优化模块 XLA：Just-In-Time 子图编译图：TensorFlow 图优化&执行流程图：TensorFlow 图编译下降到各个硬件涉及组件示意训练优化需要即时编译GrapplerXLA背景：TensorFlow 编译优化技术栈 Grappler