騰訊正式開源高性能分布式計算平臺Angel1.0，追趕同行腳步

雷鋒網(wǎng) AI 科技評論消息，騰訊的高性能分布式計算平臺Angel 1.0自去年公開宣布后，今天已經(jīng)正式開源。發(fā)布地址為 https://github.com/Tencent/angel，感興趣的開發(fā)者可以下載或者貢獻(xiàn)源碼。

用于支持大規(guī)模機器學(xué)習(xí)模型運算

據(jù)雷鋒網(wǎng) AI 科技評論了解，騰訊Angel 1.0是騰訊數(shù)據(jù)平臺部與香港科技大學(xué)合作、北京大學(xué)參與共同開發(fā)的分布式計算框架，它的主要設(shè)計目標(biāo)是為了支持超大維度的機器學(xué)習(xí)模型運算。

Angel的核心設(shè)計理念圍繞模型。它將高維度的大模型切分到多個參數(shù)服務(wù)器節(jié)點，并通過高效的模型更新接口和運算函數(shù)，以及靈活的同步協(xié)議，實現(xiàn)機器學(xué)習(xí)算法的高效運行。

在去年公開消息時，Angel已經(jīng)支持了SGD、ADMM優(yōu)化算法，同時提供了一些常用的機器學(xué)習(xí)模型，現(xiàn)在開源的Angel 1.0.0正式版也新增了Logistic Regression、SVM、KMeans、LDA、MF、GBDT 等機器學(xué)習(xí)算法的集成。用戶可以方便地在最優(yōu)化算法上層封裝自己的模型。

根據(jù)騰訊數(shù)據(jù)平臺部總經(jīng)理、首席數(shù)據(jù)專家蔣杰的介紹，Angel還可以支持運行Caffe、TensorFlow、Torch等深度學(xué)習(xí)框架，實現(xiàn)這些框架的多機多卡的應(yīng)用場景。

Angel基于Java和Scala開發(fā)，能在社區(qū)的Yarn上直接調(diào)度運行，并基于PS Service，支持Spark on Angel，未來將會支持圖計算和深度學(xué)習(xí)框架集成。

根據(jù)騰訊大數(shù)據(jù)部的說法，Angel自去年以來已經(jīng)在千萬級到億級的特征緯度條件下運行SGD用于實際的生產(chǎn)任務(wù)，已經(jīng)在騰訊視頻推薦、廣點通等精準(zhǔn)推薦業(yè)務(wù)上實際應(yīng)用。他們還在擴(kuò)大騰訊內(nèi)部的應(yīng)用范圍，未來目標(biāo)是支持包括騰訊在內(nèi)多家公司的大規(guī)模機器學(xué)習(xí)任務(wù)。

Angel主要技術(shù)特點

 - 整體架構(gòu)

Angel的整體架構(gòu)參考了谷歌的DistBelief，這是一種最初為了深度學(xué)習(xí)而設(shè)計、使用了參數(shù)服務(wù)器來解決巨大模型在訓(xùn)練時更新問題的架構(gòu)。參數(shù)服務(wù)器同樣可用于機器學(xué)習(xí)中非深度學(xué)習(xí)的模型，如SGD、ADMM、LBFGS的優(yōu)化算法在面臨在每輪迭代上億個參數(shù)更新的場景中，需要參數(shù)分布式緩存來拓展性能。

如這個系統(tǒng)框圖，Client作為客戶端可以發(fā)送啟動或停止、加載或存儲模型命令，可以獲取運行狀態(tài)；具體的任務(wù)分配、協(xié)調(diào)調(diào)度、資源申請由Master完成；Parameter Sever復(fù)雜存儲和更新參數(shù)，一個Angel計算任務(wù)中可以包含多個ParameterSever實例，隨著任務(wù)啟動而生成，隨著任務(wù)結(jié)束而銷毀；Work實例負(fù)責(zé)具體的模型訓(xùn)練或者結(jié)果推理，每個Worker可以包含一個或者多個Task，這樣的Task可以更方便地共享Worker的公共資源。

機器模型運算中需要反復(fù)迭代更新參數(shù)。Angel采用的Parameter Sever架構(gòu)相比其它類型的架構(gòu)更適合解決巨大模型中的參數(shù)更新問題；實際運行中相比參數(shù)更新方面有單點瓶頸的Spark平臺，Angel能夠取得成倍的性能優(yōu)勢，而且模型越大優(yōu)勢越明顯。

Angel與Spark做了如下比較：在有5000萬條訓(xùn)練樣本的數(shù)據(jù)集上，采用SGD解的邏輯回歸模型，使用10個工作節(jié)點(Worker)，針對不同維度的特征逐一進(jìn)行了每輪迭代時間和整體收斂時間的比較（這里Angel使用的是BSP模式）。

通過數(shù)據(jù)可見，模型越大Angel對比Spark的優(yōu)勢就越明顯。

 - 網(wǎng)絡(luò)優(yōu)化

Angel的網(wǎng)絡(luò)解決方案使用的是香港科技大學(xué)的Chukonu。借助Chukonu，Angel可以通過網(wǎng)絡(luò)流量再分配的方式，解決半同步的運算協(xié)調(diào)機制SSP中可能出現(xiàn)的快節(jié)點等待慢節(jié)點的問題，減少了窗口空閑等待時間。

如下圖所示，在1億維度、迭代30輪的效果評測中，可以看到Chukonu使得累積的空閑等待時間大幅度減少，達(dá)3.79倍。

以及，Chukonu配合參數(shù)服務(wù)器，可以讓慢的節(jié)點有更大的可能獲得最新的參數(shù)，因此對比原始的SSP計算模型，算法的收斂性得到了提升。下圖所示，同樣是針對五千萬維度的模型在SSP下的效果評測，原生的Angel任務(wù)在30輪迭代后（276秒）loss達(dá)到了0.0697，而開啟了Chukonu后，在第19輪迭代（145秒）就已達(dá)到更低的loss。

快速發(fā)展的騰訊計算平臺

雷鋒網(wǎng) AI 科技評論了解到，去年Angel發(fā)布時，騰訊平臺部總經(jīng)理、首席數(shù)據(jù)專家蔣杰對騰訊計算平臺的發(fā)展歷程做過介紹。2009到2011年的第一代平臺主要目標(biāo)是規(guī)模化，形成了TDW（騰訊分布式數(shù)據(jù)倉庫）這樣的架構(gòu)；2012到2014年第二代平臺主要是實時化，把大規(guī)模計算搬到平臺上，支持了實時性強、規(guī)模大的業(yè)務(wù)需求，但是基于Spark的數(shù)據(jù)訓(xùn)練就遇到了超大維度時出現(xiàn)瓶頸的問題。

這樣，騰訊開始建設(shè)新的高性能計算框架，要能支持超大規(guī)模數(shù)據(jù)集，能完成十億級別維度的訓(xùn)練。這就是騰訊的第三臺計算平臺Angel。圍繞Angel，騰訊還建立了一個小生態(tài)圈，可以支持Spark之上的MLLib，支持上億的維度的訓(xùn)練；也支持更復(fù)雜的圖計算模型。

也就是依靠Angel，騰訊獲得了2016年的Sort benchmark的排序的4項冠軍，用98.8秒時間完成了100T數(shù)據(jù)的排序，刷新了四項世界紀(jì)錄。2015年的這項排序時間還高達(dá)329秒。

騰訊開源的Angel給頭疼于大規(guī)模機器學(xué)習(xí)模型計算的業(yè)內(nèi)人員提供了一個新選擇。發(fā)展自己技術(shù)、擴(kuò)大自己的平臺的同時，騰訊也承諾未來的開源力度只會越來越大。

相關(guān)文章：

騰訊大數(shù)據(jù)宣布開源第三代高性能計算平臺Angel | 重磅