docker容器下安装nccl失败，报错：Failed to init nccl communicator for group，init nccl communicator for group nccl_world_group

相关内容参考：

https://www.cnblogs.com/devilmaycry812839668/p/15022320.html

=================================================================

docker 容器内安装 nccl  后，测试是否安装成功：

使用  NVIDIA公司官方提供的测试工具： nccl-tests

国内下载地址：

https://gitee.com/devilmaycry812839668/nccl-tests

下载后，进行编译： make

If CUDA is not installed in /usr/local/cuda, you may specify CUDA_HOME.

Similarly, if NCCL is not installed in /usr, you may specify NCCL_HOME.

默认，cuda的安装位置：/usr/local/cuda

默认，nccl的安装位置：/usr

如果cuda和nccl的安装位置不是默认的，而是手动选择其他地方的，那么需要在make的时候配置路径：

$ make CUDA_HOME=/path/to/cuda NCCL_HOME=/path/to/nccl

CUDA_HOME 为 cuda的安装路径。

NCCL_HOME 为 nccl的安装路径。

make 编译后进行简单的例子进行测试nccl是否安装成功。

Quick examples

Run on 8 GPUs (-g 8), scanning from 8 Bytes to 128MBytes :

$ ./build/all_reduce_perf -b 8 -e 128M -f 2 -g 8

Run with MPI on 40 processes (potentially on multiple nodes) with 4 GPUs each :

$ mpirun -np 40 ./build/all_reduce_perf -b 8 -e 128M -f 2 -g 4

（该例子假设系统中已经安装了 openmpi）

这里我们需要修改的示例代码的地方为  -g  ,  如果你有一个显卡，那么就是-g 1  ， 如果有四个显卡就是 -g 4

需要注意的是如果有显卡内存不够用（被其他进程调用已经占满），那么需要设置环境变量： export CUDA_VISIBLE_DEVICES="0,1,2,3"

CUDA_VISIBLE_DEVICES 变量用来指定可以用来进行测试的显卡，同时修改-g 后的数值。

假设 1 号显卡已经没有显存，那么设置  export CUDA_VISIBLE_DEVICES="0,2,3"

运行：

./build/all_reduce_perf -b 8 -e 128M -f 2 -g 3

mpirun -np 40 ./build/all_reduce_perf -b 8 -e 128M -f 2 -g 3

===========================================================

在容器中安装  nccl 后使用  nccl-tests  测试后报错：

Failed to init nccl communicator for group

 

init nccl communicator for group nccl_world_group

78244:78465 [0] NCCL INFO Call to connect returned Connection timed out, retrying
78244:78466 [1] NCCL INFO Call to connect returned Connection timed out, retrying
78244:78465 [0] NCCL INFO Call to connect returned Connection timed out, retrying
78244:78466 [1] NCCL INFO Call to connect returned Connection timed out, retrying 

很大的可能就是建立容器的时候没有设置允许共享内存：  --ipc=host

解决方案：

重新建立容器，在建立时加入设置：   --ipc=host

形式如：   sudo docker run -it --ipc=host   **************************（其他参数这里不表）