分布式機器學(xué)習(xí)是機器學(xué)習(xí)領(lǐng)域的一大主要研究方向。近日紐約州立大學(xué)布法羅分校計算機科學(xué)與工程教授、Petuum Inc. 顧問 Murat Demirbas 和他的兩位學(xué)生一起發(fā)表了一篇對比現(xiàn)有分布式機器學(xué)習(xí)平臺的論文，對 Spark、PMLS 和 TensorFlow 等平臺的架構(gòu)和性能進行了比較和介紹。Murat Demirbas 教授在論文公布后還發(fā)表了一篇解讀博客文章，機器之心對這篇文章進行了編譯介紹，論文原文可訪問：

https://www.cse.buffalo.edu/~demirbas/publications/DistMLplat.pdf

這篇論文調(diào)查了分布式機器學(xué)習(xí)平臺所用的設(shè)計方法，并提出了未來的研究方向。我與我的學(xué)生 Kuo Zhang 和 Salem Alqahtani 合作完成了這一工作。我們在 2016 年秋季完成了這篇論文，并且這篇論文還將出現(xiàn)在 ICCCN'17(溫哥華)會議上。

機器學(xué)習(xí)(尤其是深度學(xué)習(xí))最近已經(jīng)在語音識別、圖像識別、自然語言處理和推薦/搜索引擎等方面取得了變革性的成功。這些技術(shù)在自動駕駛汽車、數(shù)字醫(yī)療系統(tǒng)、CRM、廣告、物聯(lián)網(wǎng)等方面的應(yīng)用非常有前途。當(dāng)然，資本帶領(lǐng)/推動著機器學(xué)習(xí)加速發(fā)展，我們看到近段時間以來已經(jīng)誕生了很多機器學(xué)習(xí)平臺。

因為訓(xùn)練過程涉及到巨大的數(shù)據(jù)集的模型，機器學(xué)習(xí)平臺往往是分布式的，它們往往會使用并行的幾十個或幾百個工作器(worker)來訓(xùn)練模型。據(jù)估計，在不久的將來，數(shù)據(jù)中心中運行的絕大多數(shù)任務(wù)都將會是機器學(xué)習(xí)任務(wù)。

我有分布式系統(tǒng)的研究背景，所以我們決定從分布式系統(tǒng)的角度研究這些機器學(xué)習(xí)平臺并分析其通信和控制局限。我們也調(diào)查了這些平臺的容錯能力和編程難度。

我們將這些分布式機器學(xué)習(xí)平臺歸類為了三大基本設(shè)計方法：

1. 基本數(shù)據(jù)流(basic dataflow)

2. 參數(shù)服務(wù)器模型(parameter-server model)

3. 先進數(shù)據(jù)流(advanced dataflow)

我們對這三種方法進行了簡要介紹并舉例進行了說明，其中基本數(shù)據(jù)流方法使用了 Apache Spark、參數(shù)服務(wù)器模型使用了 PMLS(Petuum)、先進數(shù)據(jù)流模型使用了 TensorFlow 和 MXNet。我們提供了幾個比較性能的評估結(jié)果。論文里還有更多評估結(jié)果。不幸的是，作為學(xué)術(shù)界的一個小團隊，我們無法進行大規(guī)模的評估。

在本文末尾，我給出了對分布式機器學(xué)習(xí)平臺未來研究工作的總結(jié)和建議。如果你已經(jīng)了解這些分布式機器學(xué)習(xí)平臺，可以直接跳至末尾查看結(jié)論。

Spark

在 Spark 中，計算被建模成有向無環(huán)圖(DAG：directed acyclic graph)，其中每一個頂點都代表一個彈性分布式數(shù)據(jù)集(RDD：Resilient Distributed Dataset)，每一條邊都代表對 RDD 的一個運算。RDD 是被分到了不同邏輯分區(qū)的對象的集合，這些邏輯分區(qū)是作為 in-memory 存儲和處理的，帶有到磁盤的 shuffle/overflow。

在一個 DAG 中，從頂點 A 到頂點 B 的邊 E 表示：RDD B 是在 RDD A 上執(zhí)行運算 E 后得到的結(jié)果。運算有兩種：變換(transformation)和動作(action)。變換(比如：映射、過濾、連接)是指在一個 RDD 上執(zhí)行一種運算生成一個新的 RDD。

Spark 用戶需要將計算建模為 DAG，從而在 RDD 上進行變換或運行動作。DAG 需要被編譯為 stage。每個 stage 作為一系列并行運行的任務(wù)執(zhí)行(每個分區(qū)執(zhí)行一個任務(wù))。簡單狹窄的依賴關(guān)系有利于高效執(zhí)行，而寬廣的依賴關(guān)系會引入瓶頸，因為它們會擾亂流程，而且需要通信密集的 shuffle 運算。

Spark 中的分布式執(zhí)行是通過將這種 DAG stage 分割到不同的機器上執(zhí)行的。這張圖清晰地顯示了這種 master-worker 架構(gòu)。驅(qū)動器(driver)包含了任務(wù)和兩個調(diào)度器(scheduler)組件——DAG 調(diào)度器和任務(wù)調(diào)度器;并且還要將任務(wù)對應(yīng)到工作器。

Spark 是為一般的數(shù)據(jù)處理設(shè)計的，并不特定于機器學(xué)習(xí)。但是使用 MLlib for Spark，也可以在 Spark 上進行機器學(xué)習(xí)。在基本的設(shè)置中，Spark 將模型參數(shù)存儲在驅(qū)動器節(jié)點，工作器與驅(qū)動器通信從而在每次迭代后更新這些參數(shù)。對于大規(guī)模部署而言，這些模型參數(shù)可能并不適合驅(qū)動器，并且會作為一個 RDD 而進行維護更新。這會帶來大量額外開銷，因為每次迭代都需要創(chuàng)造一個新的 RDD 來保存更新后的模型參數(shù)。更新模型涉及到在整個機器/磁盤上重排數(shù)據(jù)，這就限制了 Spark 的擴展性。這是 Spark 的基本數(shù)據(jù)流模型(DAG)的不足之處。Spark 并不能很好地支持機器學(xué)習(xí)所需的迭代。

PMLS

PMLS 是專為機器學(xué)習(xí)設(shè)計的，沒有其它雜亂的歷史。它引入了參數(shù)服務(wù)器(PS： parameter-server)的抽象概念，支持密集迭代的機器學(xué)習(xí)訓(xùn)練過程。

其中 PS(圖中綠色方框)被用作分布式的內(nèi)存鍵值存儲(distributed in-memory key-value store)。它會被復(fù)制和共享：每個節(jié)點都被用作這個模型(參數(shù)空間)一個分片的主節(jié)點以及其它分片的次要節(jié)點/副本。因此在節(jié)點數(shù)量方面，PS 可以很好地擴展。

PS 節(jié)點會存儲和更新模型參數(shù)以及響應(yīng)來自工作器的請求。工作器會請求來自它們的局部 PS 副本的***模型參數(shù)，并在分配給它們的數(shù)據(jù)集部分上執(zhí)行計算。

PMLS 還采用了 SSP(Stale Synchronous Parallelism)模型，這比 BSP(Bulk Synchronous Parellelism)模型更寬松——其中工作器在每次迭代結(jié)束時同步。SSP 為工作器的同步減少了麻煩，確保最快的工作器不能超過最慢的工作器 s 次迭代。寬松的一致性模型仍然可以用于機器學(xué)習(xí)訓(xùn)練，因為這個過程有一定的噪聲容錯能力，我在 2016 年 4 月的這篇文章中談過這個問題：https://muratbuffalo.blogspot.com/2016/04/petuum-new-platform-for-distributed.html

TensorFlow

谷歌有一個基于參數(shù)服務(wù)器模型的分布式機器學(xué)習(xí)平臺 DistBelief。參閱我對 DistBelief 論文的評論：https://muratbuffalo.blogspot.com/2017/01/google-distbelief-paper-large-scale.html。在我看來，DistBelief 的主要缺陷是：為了編寫機器學(xué)習(xí)應(yīng)用，需要操作低級代碼。谷歌想要自己的所有員工無需精通分布式執(zhí)行就能編寫機器學(xué)習(xí)代碼——基于同樣的理由，谷歌為大數(shù)據(jù)處理編寫了 MapReduce 框架。

所以為了實現(xiàn)這一目標(biāo)，谷歌設(shè)計了 TensorFlow。TensorFlow 采用了數(shù)據(jù)流范式，但是是一種更高級的版本——其中計算圖無需是 DAG，而且包含循環(huán)且支持可變狀態(tài)。我認(rèn)為 Naiad 設(shè)計可能對 TensorFlow 設(shè)計有所影響。

TensorFlow 使用節(jié)點和邊的有向圖來表示計算。節(jié)點表示計算，狀態(tài)可變。而邊則表示多維數(shù)據(jù)數(shù)組(張量)，在節(jié)點之間傳輸。TensorFlow 需要用戶靜態(tài)聲明這種符號計算圖，并對該圖使用復(fù)寫和分區(qū)(rewrite & partitioning)將其分配到機器上進行分布式執(zhí)行。(MXNet，尤其是 DyNet 使用了圖的動態(tài)聲明，這改善了編程的難度和靈活性。)

TensorFlow 中的分布式機器學(xué)習(xí)訓(xùn)練使用了如圖所示的參數(shù)服務(wù)器方法。當(dāng)你在 TensorFlow 中使用 PS 抽象時，你就用到了參數(shù)服務(wù)器和數(shù)據(jù)并行。TensorFlow 讓你還能做更復(fù)雜的事情，但那需要編寫自定義代碼并進入全新的疆域。

一些評估結(jié)果

我們的評估使用了 Amazon EC2 m4.xlarge 實例。每個實例包含 4 個由 Intel Xeon E5-2676 v3 驅(qū)動的 vCPU 和 16 GiB RAM。EBS 帶寬為 750Mbps。我們使用了兩個常見的機器學(xué)習(xí)任務(wù)進行評估：二分類 logistic 回歸和使用多層神經(jīng)網(wǎng)絡(luò)的圖像分類。我在這里僅給出了幾張圖，查看我們的論文可以了解更多實驗。但我們的實驗還有一些局限性：我們使用了少量機器，不能大規(guī)模測試。我們也限制了 CPU 計算，沒有測試 GPU。

這幅圖展示了各平臺的 logistic 回歸執(zhí)行速度。Spark 表現(xiàn)不錯，但落后于 PMLS 和 MXNet。

這幅圖展示了各平臺的深度神經(jīng)網(wǎng)絡(luò)(DNN)執(zhí)行速度。相比于單層的 logistic 回歸，Spark 在兩層神經(jīng)網(wǎng)絡(luò)上有更大的性能損失。這是因為兩層網(wǎng)絡(luò)需要更多迭代計算。在 Spark 中我們將參數(shù)保存在驅(qū)動器中，這樣它們可以擬合;如果我們將參數(shù)保存在一個 RDD 中并且在每次迭代后更新，情況還會變得更加糟糕。

這幅圖給出了各平臺的 CPU 利用率。Spark 應(yīng)用似乎有明顯很高的 CPU 利用率，這主要是因為序列化(serialization)的額外開銷。我們更早期的工作已經(jīng)指出了這一問題：

https://muratbuffalo.blogspot.com/2017/05/paper-summary-making-sense-of.html

總結(jié)與未來方向

機器學(xué)習(xí)/深度學(xué)習(xí)應(yīng)用的并行處理讓人為難，而且從并發(fā)算法(concurrent algorithms)的角度看并不非常有趣。可以相當(dāng)肯定地說參數(shù)服務(wù)器方法在分布式機器學(xué)習(xí)平臺的訓(xùn)練上更好。

至于局限性方面，網(wǎng)絡(luò)仍然是分布式機器學(xué)習(xí)應(yīng)用的一個瓶頸。提供更好的數(shù)據(jù)/模型分級比更先進的通用數(shù)據(jù)數(shù)據(jù)流平臺更有用;應(yīng)該將數(shù)據(jù)/模型看作頭等公民。

但是，可能會有一些讓人驚奇和微妙的地方。在 Spark 中，CPU 開銷會先于網(wǎng)絡(luò)限制變成瓶頸。Spark 使用的編程語言 Scala/JVM 顯著影響了其性能表現(xiàn)。因此分布式機器學(xué)習(xí)平臺尤其需要更好的監(jiān)控和/或性能預(yù)測工具。最近已經(jīng)有人提出了一些解決 Spark 數(shù)據(jù)處理應(yīng)用的問題的工具，比如 Ernest 和 CherryPick。

在機器學(xué)習(xí)運行時的分布式系統(tǒng)支持上還有很多懸而未決的問題，比如資源調(diào)度和運行時的性能提升。對應(yīng)用使用運行時監(jiān)控/性能分析，下一代分布式機器學(xué)習(xí)平臺應(yīng)該會提供任務(wù)運行的計算、內(nèi)存、網(wǎng)絡(luò)資源的詳細(xì)的運行時彈性配置/調(diào)度。

***，在編程和軟件工程支持方面也有一些待解決的問題。什么樣的(分布式)編程抽象思想適用于機器學(xué)習(xí)應(yīng)用?另外在分布式機器學(xué)習(xí)應(yīng)用的檢驗和驗證(尤其是使用有問題的輸入來測試 DNN)上也還需要更多研究。

原文：http://muratbuffalo.blogspot.jp/2017/07/a-comparison-of-distributed-machine.html

【本文是51CTO專欄機構(gòu)“機器之心”的原創(chuàng)譯文，微信公眾號“機器之心( id: almosthuman2014)”】

戳這里，看該作者更多好文