HCCL Learning

本仓库整理HCCL在AI_CPU、CCU和AIV执行引擎下的常见集合通信算法选择资料，重点回答三个问题：

1. 给定算子、组网拓扑和数据规模，HCCL如何选择通信路径？
2. Algorithm、Executor和Template分别负责什么，三者如何衔接？
3. 面向方案估算和汇报时，应该用什么粒度描述算法选择？

本仓库是基于开源代码整理的学习与分析材料，不代表官方产品规格、性能承诺或完整Selector实现。

一页总览

AI_CPU

CCU与AIV

CCU（CCU_MS/CCU_SCHED）	AIV

核心判断顺序：

1. 先看执行配置和引擎能力：CCU_MS不匹配后尝试CCU_SCHED；AIV自动模式不匹配后进入AI_CPU路径。
2. 再看硬约束：strict、特殊归约、数据类型、rank、层数和Buffer能力优先于普通性能规则。
3. 再看拓扑形态：Mesh、CLOS、连通性、规则性、对称性和UBoE能力决定可用算法族。
4. 最后看数据规模：数据档位进一步决定Sole、Parallel、Sequence、Pipeline、Concur或OneShot/TwoShot等编排。
5. Template负责落地执行细节：算法、Executor和Template分层描述，不能混为同一组候选项。

仓库内容

分类	文件	用途
系统分析	算法选择目录	算法、Executor、Template和Selector的整体关系
触发规则	AI_CPU常见算法触发条件	按常见集合通信场景梳理触发条件
汇报材料	领导汇报版	面向非实现人员解释决策方法和估算口径
AI_CPU单页	AI_CPU一页PPT版说明	按拓扑层次和数据规模选择Executor
CCU单页	CCU算子选择说明	CCU_MS、CCU_SCHED、Mesh/NHR组合与回退关系
AIV单页	AIV算子选择说明	AIV能力门控、固定Mesh Kernel及OneShot/TwoShot选择
图片	AI_CPU · CCU · AIV	汇报和README预览素材
交互图	AI_CPU · CCU · AIV	本地浏览完整路径、浅色／深色主题和导出功能
图表源文件	AI_CPU · CCU · AIV	后续修改、校验和重新生成

推荐阅读顺序

1. 先看AI_CPU一页总览，建立“约束→拓扑→数据规模→Executor”的主线。
2. 再看CCU与AIV两页，理解执行引擎门控、算法族和Template之间的关系。
3. 然后阅读领导汇报版和常见算法触发条件，掌握估算口径与典型出口。
4. 最后查算法选择目录，用于回到代码结构和细粒度实现。

分析范围

• 代码来源：cann/hccl
• 代码基线：提交7696133a
• 执行引擎：AI_CPU、CCU（CCU_MS/CCU_SCHED）、AIV
• 重点算子：AllReduce、ReduceScatter、AllGather、Broadcast和AlltoAll家族
• 重点内容：常见Selector路径、Executor组织方式与Template族

真实运行结果仍可能受到产品型号、通信域资源、数据类型、归约类型、确定性要求、Selector版本和运行时回退逻辑影响。

查看交互图

克隆仓库后，用浏览器打开任一交互图：

diagrams/hccl-aicpu-selector-one-slide-archify-tree.html
diagrams/hccl-ccu-selector-one-slide.html
diagrams/hccl-aiv-selector-one-slide.html

交互图支持浅色／深色主题、路径聚焦、章节引导和图表导出。