跳到主要内容

RL训练：Qwen3-30B-A3B

1. 演练目标与架构​

本节基于四机32卡MTT S5000完成Qwen3-30B-A3B-Instruct模型的强化学习（RL）训练闭环，使用GRPO算法，基于VeRL强化学习框架，和Megatron训练框架、SGLang推理框架。

2. 前置条件​

2.1 硬件环境​

本例使用四台GPU服务器，所下所示。

节点IP地址GPU数量角色
node12510.10.142.1258×MTT S5000Master/Head
node7110.10.134.718×MTT S5000Worker
node11610.10.142.1168×MTT S5000Worker
node11910.10.142.1198×MTT S5000Worker

2.2 共享存储​

四机通过NFS共享 /data/datapool/ 目录，包含：

  • VeRL代码: /data/datapool/verl
  • 模型: /data/datapool/models/Qwen3-30B-A3B-Instruct-2507 (HF格式), /data/datapool/models/Qwen3-30B-A3B-Instruct-2507-MCore (MCore格式)
  • 数据: /data/datapool/verl/musa_examples/data

3. 环境准备​

3.1 四机容器创建​

在四台宿主机上分别执行：

# 创建容器
sudo docker create \
    --privileged \
    --env MTHREADS_VISIBLE_DEVICES=all \
    --net host \
    -v /data/:/data/ \
    --name train-rl \
    registry.mthreads.com/mcctest/training-suite:v2.1.5-musa-4.3.7  \
    sleep infinity

# 启动容器
sudo docker start train-rl

# 启动SSH服务
docker exec train-rl service ssh restart

四机容器需要配置好ssh免密登录，这里不再赘述。

3.2 创建四机hostfile​

在 node125 容器内创建：

cat > /data/datapool/verl/musa_examples/hostfile << 'EOF'
10.10.142.125 slots=8
10.10.134.71 slots=8
10.10.142.116 slots=8
10.10.142.119 slots=8
EOF

4. 准备训练数据​

训练数据已在 /data/datapool/verl/musa_examples/data/ 目录中预置：

文件说明用途
amt_math17k_d_qweninstruct.parquet数学推理训练数据（17K条）训练集
aime_2024.parquetAIME 2024竞赛题验证集
aime_2025.parquetAIME 2025竞赛题验证集
# 检查数据文件
ls -la /data/datapool/verl/musa_examples/data/

5. 模型准备​

5.1 下载Qwen3-30B-A3B模型​

# 安装modelscope
pip install modelscope

# 下载模型（如需要）
modelscope download --model Qwen/Qwen3-30B-A3B-Instruct --local_dir /data/datapool/models/Qwen3-30B-A3B-Instruct-2507

5.2 模型格式转换（HF → MCore）​

Qwen3-30B-A3B需要转换为Megatron MCore格式才能训练。

创建转换脚本：

cat > /data/datapool/verl/musa_examples/convert_qwen3_30b_to_mcore.sh << 'EOF'
#!/bin/bash
set -x

# 设置路径
export MEGATRON_PATH=/home/Megatron-LM
export VERL_PATH=/data/datapool/verl
export PYTHONPATH=${MEGATRON_PATH}:${VERL_PATH}:$PYTHONPATH

# 模型路径
HF_MODEL_PATH='/data/datapool/models/Qwen3-30B-A3B-Instruct-2507'
DIST_CKPT_PATH='/data/datapool/models/Qwen3-30B-A3B-Instruct-2507-MCore'

# 创建输出目录
mkdir -p $DIST_CKPT_PATH

# 执行转换
python -u /data/datapool/verl/scripts/converter_hf_to_mcore.py \
    --hf_model_path $HF_MODEL_PATH \
    --output_path $DIST_CKPT_PATH

echo "转换完成！MCore格式模型保存在: $DIST_CKPT_PATH"
EOF

chmod +x /data/datapool/verl/musa_examples/convert_qwen3_30b_to_mcore.sh

执行转换：

cd /data/datapool/verl/musa_examples
bash convert_qwen3_30b_to_mcore.sh

转换完成后验证：

ls -lh /data/datapool/models/Qwen3-30B-A3B-Instruct-2507-MCore/
# 应看到 ~57GB 的分片文件（2个shard）

6. 配置修改​

6.1 runtime_env.yaml​

确保已添加MCCL网络配置：

6.2 关键代码修复（硬编码路径）​

参考"附录：已知问题与修复记录"，确保已修复以下硬编码路径：

文件修复内容
megatron_actor.py (~523行)注释掉调试 torch.save
ray_trainer.py (~1504行)注释掉调试 torch.save

7. 创建四机训练脚本​

创建 /data/datapool/verl/musa_examples/qwen3-30b-instruct_grpo_32gpu.sh：

#!/bin/bash
set -x

# =============================================================================
# Qwen3-30B-A3B GRPO 训练脚本 - 四机32卡版本
# =============================================================================

# MCCL 网络配置（四机必需）
export MCCL_SOCKET_IFNAME=bond0
export GLOO_SOCKET_IFNAME=bond0
export MCCL_IB_GID_INDEX=3
export MCCL_IB_TIMEOUT=20
export MCCL_IB_RETRY_CNT=20
export MCCL_CROSS_NIC=1

# -----------------------------------------------------------------------------
# 1. 模型和数据路径配置
# -----------------------------------------------------------------------------
HF_MODEL_PATH=/data/datapool/models/Qwen3-30B-A3B-Instruct-2507
DIST_CKPT_PATH=/data/datapool/models/Qwen3-30B-A3B-Instruct-2507-MCore

DATASET_PATH="/data/datapool/verl/musa_examples/data"
train_files=$DATASET_PATH/amt_math17k_d_qweninstruct.parquet
test_files="['$DATASET_PATH/aime_2024.parquet','$DATASET_PATH/aime_2025.parquet']"

# -----------------------------------------------------------------------------
# 2. Verl路径配置
# -----------------------------------------------------------------------------
export VERL_PATH=/data/datapool/verl
CONFIG_PATH=$VERL_PATH/verl/trainer/config

# -----------------------------------------------------------------------------
# 3. 训练参数配置（MoE模型专用）
# -----------------------------------------------------------------------------
use_dynamic_bsz=True
max_prompt_length=1024
max_response_length=32768  # 32K长度
actor_ppo_max_token_len=$(((max_prompt_length + max_response_length) * 1))
infer_ppo_max_token_len=$(((max_prompt_length + max_response_length) * 1))

# -----------------------------------------------------------------------------
# 4. Runtime环境和Hostfile配置
# -----------------------------------------------------------------------------
runtime_env=./runtime_env.yaml
HOSTFILE="hostfile"
HEAD_IP=$(head -n 1 "$HOSTFILE" | awk '{print $1}')

# 禁用profiler（避免研发环境硬编码路径报错）
export GLOBAL_PROFILER_TOOL=null

# -----------------------------------------------------------------------------
# 5. 启动Ray并提交训练任务
# -----------------------------------------------------------------------------
RAY_ADDRESS="http://${HEAD_IP}:8265" ray job submit \
    --runtime-env=$runtime_env \
    --no-wait \
    -- python3 -u -m verl.trainer.main_ppo \
    --config-path="$CONFIG_PATH" \
    --config-name='ppo_megatron_trainer_demo.yaml'\
    algorithm.adv_estimator=grpo \
    data.train_files=$train_files \
    data.val_files="$test_files" \
    data.train_batch_size=128 \
    data.max_prompt_length=$max_prompt_length \
    data.max_response_length=$max_response_length \
    data.filter_overlong_prompts=True \
    data.prompt_key=prompt \
    data.truncation='error' \
    actor_rollout_ref.model.path=$HF_MODEL_PATH \
    actor_rollout_ref.model.enable_activation_offload=True \
    actor_rollout_ref.model.enable_gradient_checkpointing=True \
    actor_rollout_ref.actor.optim.lr=4e-6 \
    actor_rollout_ref.actor.optim.lr_warmup_steps=10 \
    actor_rollout_ref.actor.optim.lr_decay_style=constant \
    actor_rollout_ref.actor.optim.weight_decay=0.01 \
    actor_rollout_ref.actor.ppo_mini_batch_size=128 \
    actor_rollout_ref.actor.ppo_micro_batch_size_per_gpu=1 \
    actor_rollout_ref.actor.profiler.enable=False \
    actor_rollout_ref.actor.megatron.use_mbridge=False \
    actor_rollout_ref.actor.megatron.vanilla_mbridge=False \
    # Actor并行策略: PP=4, EP=8, TP=1
    actor_rollout_ref.actor.megatron.pipeline_model_parallel_size=4 \
    actor_rollout_ref.actor.megatron.tensor_model_parallel_size=1 \
    actor_rollout_ref.actor.megatron.expert_model_parallel_size=8 \
    actor_rollout_ref.actor.megatron.expert_tensor_parallel_size=1 \
    actor_rollout_ref.actor.megatron.use_dist_checkpointing=True \
    actor_rollout_ref.actor.megatron.dist_checkpointing_path=$DIST_CKPT_PATH \
    # 内存优化配置
    actor_rollout_ref.actor.megatron.param_offload=True \
    actor_rollout_ref.actor.megatron.grad_offload=True \
    actor_rollout_ref.actor.megatron.optimizer_offload=True \
    actor_rollout_ref.actor.megatron.sequence_parallel=True \
    # MoE专用配置
    +actor_rollout_ref.actor.megatron.override_transformer_config.moe_token_dispatcher_type="alltoall" \
    +actor_rollout_ref.actor.megatron.override_transformer_config.moe_router_dtype=fp32 \
    +actor_rollout_ref.actor.megatron.override_transformer_config.moe_enable_deepep=False \
    # 重计算配置
    +actor_rollout_ref.actor.megatron.override_transformer_config.recompute_granularity=full \
    +actor_rollout_ref.actor.megatron.override_transformer_config.recompute_method=block \
    +actor_rollout_ref.actor.megatron.override_transformer_config.recompute_num_layers=48 \
    +actor_rollout_ref.actor.megatron.override_transformer_config.num_layers_in_last_pipeline_stage=3 \
    # 优化器配置
    +actor_rollout_ref.actor.optim.override_optimizer_config.use_precision_aware_optimizer=True \
    +actor_rollout_ref.actor.optim.override_optimizer_config.optimizer_cpu_offload=True \
    # 融合优化
    +actor_rollout_ref.actor.megatron.override_transformer_config.apply_rope_fusion=True \
    +actor_rollout_ref.actor.megatron.override_transformer_config.masked_softmax_fusion=True \
    actor_rollout_ref.actor.use_dynamic_bsz=${use_dynamic_bsz} \
    actor_rollout_ref.model.use_remove_padding=True \
    # Ref配置
    actor_rollout_ref.ref.log_prob_use_dynamic_bsz=${use_dynamic_bsz} \
    actor_rollout_ref.rollout.log_prob_use_dynamic_bsz=${use_dynamic_bsz} \
    actor_rollout_ref.actor.ppo_max_token_len_per_gpu=${actor_ppo_max_token_len} \
    actor_rollout_ref.ref.log_prob_max_token_len_per_gpu=${infer_ppo_max_token_len} \
    actor_rollout_ref.rollout.log_prob_max_token_len_per_gpu=${infer_ppo_max_token_len} \
    # Rollout配置
    actor_rollout_ref.rollout.calculate_log_probs=True \
    +actor_rollout_ref.rollout.engine_kwargs.sglang.disable_radix_cache=True \
    +actor_rollout_ref.rollout.engine_kwargs.sglang.disable_overlap_schedule=True \
    +actor_rollout_ref.rollout.engine_kwargs.sglang.disable_custom_all_reduce=True \
    +actor_rollout_ref.rollout.engine_kwargs.sglang.chunked_prefill_size=-1 \
    actor_rollout_ref.actor.clip_ratio_low=0.0 \
    actor_rollout_ref.actor.clip_ratio_high=0.0 \
    actor_rollout_ref.actor.clip_ratio_c=1.001 \
    actor_rollout_ref.actor.use_kl_loss=False \
    actor_rollout_ref.actor.kl_loss_coef=0.0 \
    actor_rollout_ref.rollout.log_prob_micro_batch_size_per_gpu=1 \
    actor_rollout_ref.rollout.tensor_model_parallel_size=2 \
    actor_rollout_ref.rollout.expert_parallel_size=1 \
    actor_rollout_ref.rollout.name=sglang \
    actor_rollout_ref.rollout.gpu_memory_utilization=0.7 \
    actor_rollout_ref.rollout.n=8 \
    actor_rollout_ref.rollout.temperature=1.0 \
    actor_rollout_ref.rollout.top_k=-1 \
    actor_rollout_ref.rollout.top_p=1 \
    actor_rollout_ref.rollout.val_kwargs.temperature=0.6 \
    actor_rollout_ref.rollout.val_kwargs.n=8 \
    actor_rollout_ref.rollout.free_cache_engine=True \
    # Ref Megatron配置
    actor_rollout_ref.ref.log_prob_micro_batch_size_per_gpu=1 \
    actor_rollout_ref.ref.megatron.pipeline_model_parallel_size=1 \
    actor_rollout_ref.ref.megatron.tensor_model_parallel_size=1 \
    actor_rollout_ref.ref.megatron.expert_model_parallel_size=8 \
    actor_rollout_ref.ref.megatron.use_dist_checkpointing=True \
    actor_rollout_ref.ref.megatron.dist_checkpointing_path=$DIST_CKPT_PATH \
    actor_rollout_ref.ref.megatron.sequence_parallel=False \
    algorithm.use_kl_in_reward=False \
    trainer.critic_warmup=0 \
    trainer.logger='["console","tensorboard"]' \
    trainer.project_name='verl_grpo_qwen3_30b' \
    trainer.experiment_name='Qwen3-30B-A3B_megatron_sglang' \
    trainer.n_gpus_per_node=8 \
    trainer.val_before_train=False \
    trainer.nnodes=4 \
    trainer.save_freq=150 \
    trainer.test_freq=5 \
    trainer.total_epochs=1

赋予执行权限：

chmod +x /data/datapool/verl/musa_examples/qwen3-30b-instruct_grpo_32gpu.sh

7.1 关键配置说明​

配置项值说明
Actor并行PP=4, EP=8, TP=1MoE训练并行策略
Rollout并行TP=2SGLang推理并行
Ref并行EP=8参考模型并行
batch_size128全局批次大小
max_response_length32768最大生成长度（32K）
n8GRPO样本数
算法GRPO使用GRPO算法
gpu_memory_utilization0.7SGLang显存利用率

8. 启动四机训练​

8.1 停止现有Ray进程​

在四机容器内分别执行：

ray stop --force

或使用脚本批量执行：

for host in node125 node71 node116 node119; do
    ssh $host "ray stop --force"
done

8.2 启动Ray集群​

在 node125 容器内执行：

cd /data/datapool/verl/musa_examples
bash setup_ray.sh

setup_ray.sh 脚本内容：

#!/bin/bash
HOSTFILE="hostfile"
HEAD_IP=$(head -n 1 "$HOSTFILE" | awk '{print $1}')

COUNT=0
while IFS= read -r line; do
    IP=$(echo "$line" | awk '{print $1}')
    echo "正在连接 $IP..."
    ssh -o StrictHostKeyChecking=no -o ConnectTimeout=5 "root@$IP" << EOF
        if [ $COUNT -eq 0 ]; then
            ray start --head --dashboard-host=0.0.0.0
        else
            ray start --address=${HEAD_IP}:6379
        fi
EOF
    COUNT=$((COUNT + 1))
    echo "已完成 $IP 的配置"
    echo "----------------------------------------"
done < "$HOSTFILE"

echo "所有机器配置完成!"

验证集群状态：

ray status
# 应看到 4 个节点，32 个 GPU

8.3 启动训练​

在 node125 容器内执行：

cd /data/datapool/verl/musa_examples
nohup bash qwen3-30b-instruct_grpo_32gpu.sh > nohup_30b_32gpu.log 2>&1 &

9. 监控四机训练​

9.1 Ray集群监控​

# 查看Ray集群状态
ray status

# 查看任务状态
ray job list
ray job status <job_id>

# 查看实时日志
ray job logs <job_id> --follow

9.2 关键监控指标​

指标说明正常范围
step训练步数递增
actor_mfuActor模型算力利用率20-35%
throughput吞吐（tokens/s）500-700/节点
reward平均奖励逐渐提升
response_length平均响应长度根据任务变化
running-reqSGLang运行请求数40-60
token usageSGLang KV Cache使用率0.20-0.35

9.3 SGLang监控​

Rollout阶段观察SGLang日志：

# 典型日志输出
Decode batch. #running-req: 50, #token: 2300000, token usage: 0.27, ...
# gen throughput (token/s): 620.15, #queue-req: 0

指标解读：

  • running-req: 当前正在生成的请求数（45-55为正常）
  • token usage: KV Cache使用率（反映32K长序列的显存压力）
  • gen throughput: 单节点生成吞吐量（580-650 tokens/s为正常）

10. 性能参考​

基于 Qwen3-30B-A3B 在四机 32 卡 MTT S5000 上的训练性能（32K长度）：

指标数值
Actor MFU~20-30%
单节点Throughput~550-650 tokens/s
每step时间~30-40分钟
显存占用~60-70GB/卡
SGLang KV Cache~20-30%
并发请求数45-55/节点

性能特点：

  • 32K长序列导致Rollout阶段耗时较长（~25-35分钟）
  • MoE模型的EP=8配置使专家分布更均匀
  • 显存压力主要来自32K KV Cache，约占用15-20GB/卡

文档版本: v1.0 创建日期: 2026-03-23 适用范围: Qwen3-30B-A3B-Instruct 四机32卡RL训练

附录：已知问题与修复记录​

问题1：Actor 调试代码硬编码路径​

现象： 训练在 Actor 更新阶段报错：

RuntimeError: Parent directory /mnt/seed-program-nas/001688/kechun.wu/0226/tmp_pts does not exist.

原因： megatron_actor.py 中存在硬编码的调试保存路径，用于保存中间结果供调试分析。

解决方案：

修改 /data/datapool/verl/verl/workers/actor/megatron_actor.py， 找到以下代码块（约第523-525行）并注释掉：

# 修改前
if torch.distributed.get_rank() in [0,1,2]:
    p = '/mnt/seed-program-nas/001688/kechun.wu/0226/tmp_pts/rank0_pgloss_actor_rank{}.pt'.format(torch.distributed.get_rank())
    torch.save([log_prob,old_log_prob,advantages,advantages,response_mask],p)

# 修改后
# DEBUG: Commented out for production training
# if torch.distributed.get_rank() in [0,1,2]:
#     p = "/data/datapool/verl/tmp/rank0_pgloss_actor_rank{}.pt".format(torch.distributed.get_rank())
#     torch.save([log_prob,old_log_prob,advantages,advantages,response_mask],p)

建议：

  • 生产环境训练建议注释掉调试代码
  • 如需调试，可修改为本地路径并创建对应目录

问题2：ray_trainer.py 中的硬编码路径​

现象： 训练在第一个 step 的 rollout 完成后报错：

RuntimeError: Parent directory /mnt/seed-program-nas/001688/kechun.wu/0226 does not exist.

原因： ray_trainer.py 第 1504-1507 行有硬编码的调试保存路径。

解决方案：

修改 /data/datapool/verl/verl/trainer/ppo/ray_trainer.py，注释掉调试代码：

# 修改前
p = '/mnt/seed-program-nas/001688/kechun.wu/0226/30b_gen_32k_no_graph_amthink_128*8.pt'
#p = '/mnt/seed-program-nas/001688/kechun.wu/0226/gen_data/30b_gen_32k_graph+test.pt'
p = '/mnt/seed-program-nas/001688/kechun.wu/0226/30b_gen_32k_graph_amthink_128*8.pt'
torch.save(batch,p)

# 修改后
# DEBUG: Commented out for production training
# p = '/mnt/seed-program-nas/001688/kechun.wu/0226/30b_gen_32k_no_graph_amthink_128*8.pt'
# #p = '/mnt/seed-program-nas/001688/kechun.wu/0226/gen_data/30b_gen_32k_graph+test.pt'
# p = '/mnt/seed-program-nas/001688/kechun.wu/0226/30b_gen_32k_graph_amthink_128*8.pt'
# torch.save(batch,p)

所有硬编码路径修复总结​

修复了以下文件中的研发环境硬编码路径：

文件行号修复内容
megatron_actor.py~523-525注释掉 torch.save(pgloss...)
ray_trainer.py~1504-1507注释掉 torch.save(batch...)

版权所有 2024 摩尔线程，本文档受国际版权法保护。

摩尔线程和摩尔线程徽标是摩尔线程智能科技 (北京)有限责任公司的注册商标。

免责声明

本文档提供有关摩尔线程产品的信息。本文档并未授权任何知识产权的许可，并未以明示或暗示，或以禁止反言或其他方式授予任何知识产权许可。