JAX 中的副作用排序

JAX 中的副作用排序#

sharadmv@ 2022 年 5 月 9 日

概述#

当我们编写 JAX 代码时，我们通常可以假装自己在编写单线程、立即执行的 Python，即使在底层，JAX 及其运行时可能会在后台异步执行它。只要我们编写纯 (无副作用) 代码，这些性能优化通常对我们是不可见的，并且不会干扰我们的单线程思维模型。异步执行非常棒 - 我们获得了高性能的并行代码，而无需考虑它！

然而，在存在副作用的情况下，这种错觉开始瓦解，我们心智模型中的裂缝开始显现。具体来说，这些差异在我们考虑副作用发生的顺序时显现出来。

在本设计说明中，我们将探讨 JAX 的执行模型与副作用排序之间的相互作用。我们还将提供一种强制执行效果“单线程”排序的方法。

背景#

当我们编写以下 Python 代码时

def f():
  print("hello")
  return 2
def g():
  print("world")
  return 3
f()
g()

我们期望 "hello" 在 "world" 之前打印。这似乎显而易见，但请考虑以下 JAX 代码

@partial(jax.jit, device=<device 0>)
def f():
  return 2

@partial(jax.jit, device=<device 1>)
def g():
  return 3
f()
g()

在许多情况下，JAX 将并行执行 f 和 g，将计算分派到不同的线程——g 实际上可能在 f 之前执行。并行执行是一种很好的性能优化，尤其是在设备之间复制成本很高的情况下（有关更多详细信息，请参阅异步分派说明）。然而，在实践中，我们通常不需要考虑异步分派，因为我们正在编写纯函数，并且只关心函数的输入和输出——我们自然会阻塞未来的值。

但是，现在想象一下，我们有一个 jax.print 函数，该函数在 JIT 化的 JAX 函数中工作（host_callback.id_print 是一个例子）。让我们回到前面的例子，除了混合使用打印。

@partial(jax.jit, device=<device 0>)
def f():
  jax.print("hello")
  return 2

@partial(jax.jit, device=<device 1>)
def g():
  jax.print("world")
  return 3
f()
g()

由于异步分派，我们实际上可能会看到 "world" 在 "hello" 之前打印。打印副作用的重新排序打破了单线程执行模型的错觉。

副作用可以“揭示”乱序执行的另一个例子是当我们编译 JAX 程序时。考虑以下 JAX 代码

@jax.jit
def f(x):
  jax.print("hello")
  jax.print("world")
  return x

即使在 Python 中，我们在 "world" 打印之前编写了 "hello" 打印，像 XLA 这样的编译器也可以自由地重新排序它们，因为打印之间没有明确的数据依赖关系。

动机#

我们希望支持“有序”效果。当我们说有序时，我们的意思是效果的发生顺序与我们执行单线程 Python 程序时的顺序相同。这是我们的主要目标。在存在像 pmap 或用户线程这样的显式并行时，我们不需要维护这种行为，但至少如果用户没有显式请求并行性，我们希望保留单线程排序。

在我们深入研究之前，让我们首先退一步问问自己，如果我们为了性能而重新排序效果是否可以，反之，我们是否需要强制执行效果的排序？在某些情况下，我们不需要排序。也许一些副作用不应该对 JAX 程序的性能产生不利影响。但是，对于其他副作用，我们可能希望强制执行单线程程序顺序，以便用户不会得到违反直觉的行为。考虑一下日志记录效果。

@jax.jit
def f(x, y):
  log_value(x)
  log_value(y)
f(1, 2)

如果 log 正在改变全局列表，我们可能期望在添加 y 之前添加 x。对于更严格的效果，我们可能希望可以选择对效果进行排序。

强制执行有序效果#

我们强制执行计算顺序的主要工具是数据依赖性。简单地说，如果函数 g 的输入是函数 f 的输出，则 f 必须在 g 之前执行。

但是，我们可能有像打印这样的副作用，它们根本没有输入，因此我们无法简单地对它们进行排序。因此，我们使用令牌作为向计算中注入人为数据依赖关系的一种手段。

什么是令牌？令牌只是一个虚拟值，可以在计算中来回传递。通过在几个计算中传递相同的令牌，我们强制它们必须按特定顺序发生。让我们以上面的打印示例为例，看看在混合使用令牌的情况下会是什么样子

@jax.jit
def f(token, x):
  token = jax.print(token, "hello")
  token = jax.print(token, "world")
  return token, x

如果我们重写 jax.print 以接收并返回一个令牌，我们现在已经对两个打印进行了排序，因为第二个打印的输入取决于第一个打印的输出。token 的实际值可以是任何值，但我们将在实践中看到令牌对用户是不可见的。

运行时令牌与编译器令牌#

在这里，我们将开始讨论实现细节。在实践中，我们需要两种不同类型的令牌来对效果进行排序：一种用于上述重新排序的每种来源。我们需要运行时令牌来对异步分派的副作用计算进行排序，并且我们需要编译器令牌来对计算中的效果进行排序。

在实践中，我们的计算将被重写为如下所示

@jax.jit
def f(runtime_token, x):
  compiler_token = new_compiler_token()
  compiler_token = jax.print(compiler_token, "hello")
  compiler_token = jax.print(compiler_token, "world")
  return runtime_token, x

请注意，运行时令牌仅在 JIT 边界处使用，而编译器令牌仅在编译后的代码中使用。编译器令牌在“降低”期间创建（我们将 Python 代码转换为较低级别的表示形式，如 HLO 或 StableHLO），但运行时令牌需要在 Python 中进行管理，因为它们在 JIT 化的函数中来回传递。

此外，请注意，运行时令牌与编译器令牌“断开连接”，这意味着它们之间没有数据依赖关系。这可能很危险，因为如果我们失去两个分派函数调用体之间的数据依赖关系。但是，如果我们假设“严格执行”——即，只有当分派函数的所有输入都准备就绪时才会开始执行，并且它的所有输出将同时准备就绪——我们可以安全地创建一个新的编译器令牌并返回一个不依赖于输出的运行时令牌。

管理运行时令牌#

为了代表用户管理运行时令牌，我们需要连接到 JAX 的分派机制。每当我们调用 JIT 化的函数时，我们最终都会在一个看起来像这样的函数中结束

def _execute(compiled_computation, *args):
  outputs = compiled_computation.execute(*args)
  return outputs

此时，我们需要将运行时令牌“注入”到计算中，并从计算的输出中“提取”它们

def _execute(compiled_computation, *args):
  runtime_token = get_runtime_token() # Grab global token
  runtime_token, *outputs = compiled_computation.execute(runtime_token, *args)
  update_runtime_token(runtime_token) # Update global token
  return outputs

runtime_token 到底是什么？我们需要能够将其传递到 compiled_computation 中，这意味着它需要是某种数组（目前，因为在编译的 JAX 代码内部和外部没有共享的令牌表示）。在实践中，我们可以使用形状为 (0,) 的数组来最小化开销。

我们还需要考虑多设备用例，例如第一个示例，其中我们首先在设备 0 上调用 JIT 化的函数，然后在设备 1 上调用一个函数。在这种情况下，我们还需要将从第一个计算（位于设备 0 上）返回的运行时令牌复制到设备 1，以便我们可以将其传递到第二个计算中。如果两个后续计算共享同一个设备，则不需要此复制。

添加编译器令牌#

当我们将 Python 代码降级为 HLO 或 StableHLO 时，我们需要在计算开始时创建一个令牌，并确保当我们有需要排序的副作用计算时它们可用。副作用计算将令牌作为输入并将其作为输出返回。

此令牌线程的实现包括升级 JAX 降级机制以自动执行此记账。主要挑战包括处理高阶原语，如调用原语和控制流原语。我们不会在此设计说明中详细介绍如何处理这些原语。

阻塞输出令牌#

为副作用计算添加对运行时和编译器令牌的支持对于排序很重要，但令牌还有另一个微妙的用例，即阻塞副作用计算。即使我们不希望副作用计算被排序，我们可能仍然希望等待它的完成。目前，我们有 jax.block_until_ready，它会等待直到未来值的结果准备就绪。但是，对于副作用计算，我们可能有不返回值的函数，但仍在执行副作用。以下面的简单示例为例

@jax.jit
def f():
  jax.print("hello world")
  return
f() # Executed asynchronously

此编译后的计算不接受显式输入，也没有显式输出。如果它是有序的打印效果，我们可以阻塞返回的运行时令牌。但是，当这是一个无序计算时，我们不进行任何令牌线程处理。当我们没有输出值来调用 block_until_ready 时，我们如何等待 f() 完成执行？好吧，我们可以应用相同的令牌策略，除了我们只返回运行时令牌，而不将其作为输入。这将为我们提供一个可以阻塞的值，该值只有在 f() 完成执行后才会准备就绪。我们将这些令牌称为输出令牌。我们最终得到一个如下所示的函数

@jax.jit
def f():
  jax.print("hello world")
  return new_runtime_token()
f() # Executed asynchronously

在底层，我们将以管理运行时令牌的相同方式管理输出令牌，但为用户提供一种阻塞当前输出令牌集的方法。与运行时令牌不同，输出令牌需要是特定于设备的。考虑单设备用例

@jax.jit
def f():
  jax.print("hello")

@jax.jit
def g():
  jax.print("world")

f()
g()

由于 f() 和 g() 在同一设备上执行，因此阻塞 g() 的输出令牌会有效地阻塞 f()，因为（到目前为止！），JAX 运行时不会交错在同一设备上执行的计算。如果这种情况发生变化，我们当然必须修改整个设计。

但是，请考虑双设备用例

@partial(jax.jit, device=<device 0>)
def f():
  jax.print("hello")

@partial(jax.jit, device=<device 1>)
def g():
  jax.print("world")

f()
g()

在这里，我们不希望显式地对 f() 和 g() 进行排序，而是希望等待它们都完成。我们需要一个用于 f() 的输出令牌和一个用于 g() 的输出令牌，并且我们将阻塞这两个令牌。

@partial(jax.jit, device=<device 0>)
def f():
  jax.print("hello")
  return new_runtime_token()

@partial(jax.jit, device=<device 1>)
def g():
  jax.print("world")
  return new_runtime_token()

t0 = f()
t1 = g()
block_until_ready((t0, t1))

因此，我们需要一个每个设备的输出令牌，这样我们就可以避免在不同设备上对计算进行排序，同时提供阻塞副作用计算的能力。最终，我们对 JAX 调度机制进行了以下（近似的）更改。

def _execute(compiled_computation, *args):
  output_token, *outputs = compiled_computation.execute(runtime_token, *args)
  update_output_token(output_token, compiled_computation.device)
  return outputs

我们还需要公开一个函数来阻塞输出令牌。

def effects_barrier():
  output_token.block_until_ready()

请注意，阻塞输出令牌可能不是很常见，因为大多数 JAX 计算都会返回一个值来阻塞。但是，输出令牌对于测试和性能分析很有用，并且支持它们是很好的，这样我们就拥有一个一致且有凝聚力的效果系统。