# 実行トレース ## 定義 実行トレース(Execution Trace, ET)とは、分散AI/MLワークロードの計算・メモリ・通信操作とそれらの間の制御・データ依存関係、タイミング、リソース制約を記録したグラフベースの標準表現である。命令トレースやメモリトレースがCPU/サーバー性能解析に用いられてきたのと同様の発想を分散MLワークロードへ拡張したものであり、モデルの重みやデータセットの詳細を開示せずに、企業・組織間でワークロードの性能挙動を共有できるよう設計される。有向非巡回グラフ(DAG)として表現され、ノードが操作(compute/memory/communication)、エッジが依存関係(control/data/synchronization)を表す。(Source: [[@2026__MLSys2026__MLCommons Chakra - Advancing Performance Benchmarking and Co-design using Standardized Execution Traces]]) ## 横断的知見 - 現時点で本conceptの横断的知見は単一ソース([[MLCommons Chakra]])のみに基づく。今後、ASTRA-sim・GOAL形式・ONNXなど関連する他の実行トレース/グラフ表現のソースが追加された際に、形式間の設計思想の違い(pre-execution vs post-execution、モデル交換 vs トレース交換、プロトコルバッファ vs JSON等)を横断的に比較する。 ## 未解決の問い - pre-execution(合成生成・コンパイラ抽出)トレースとpost-execution(実測)トレースは、協調設計サイクルのどの段階でどちらを優先すべきか。両者を同一DAG内で混在させる設計は可能か。 - NPU/ランクごとに独立したトレースファイルを持つ現在の設計は、グローバルスケジューリング(ランクを跨いだ作業再割当)の機会を制限する。この制約を解消しつつ、収集・リプレイの単純さを維持する設計は可能か。 - ギガバイト単位に達する大規模トレースに対して、忠実性を犠牲にしない無損失圧縮・階層インデックス方式はどのように設計すべきか。 - Chakra ETをKVCache・データローダ・チェックポイント操作へ拡張する試みは、推論とストレージベンチマーク双方でどのような新たなノード種別・依存関係の再定義を要求するか。 - 実行トレースベースの性能ベンチマーキングは、機密保持契約なしのワークロード共有をどこまで実現できるか。モデル詳細を開示しないという設計目標と、再現性・検証可能性というベンチマークの目標は、どこまで両立するか。 ## 関連 - ソース: [[@2026__MLSys2026__MLCommons Chakra - Advancing Performance Benchmarking and Co-design using Standardized Execution Traces]] - エンティティ: [[MLCommons Chakra]] / [[ASTRA-sim]] / [[MLCommons]] / [[Georgia Institute of Technology]] / [[NVIDIA]] / [[AMD]] / [[vLLM]] - 関連 MOC: [[分散深層学習 - MOC]] ## 出典 - [[@2026__MLSys2026__MLCommons Chakra - Advancing Performance Benchmarking and Co-design using Standardized Execution Traces]](Chakra ETのスキーマ設計、Trace Linker/Converter、trace analysis/replay/simulation用途、MLSys 2026 Oral)