撰文｜月踏
更新｜赵露阳
前文《OneFlow学习笔记：从Functor到OpExprInterpreter》讲了OpExprInterpreter的相干细节，再往下就是OneFlow中的虚拟机，它负责在eager模式下把指令（即op，在vm中称为指令）调度到具体的OpKernel上来执行。
1
Global简介
先看一个非凡的类Global，定义在
oneflow/core/common/global.h，这个类很简略，然而对于整个零碎来说很重要，次要的几个接口如下：
template<typename T, typename Kind = void>class Global final { public: // 获取创立过的对象 static T* Get() { ... } // 创建对象 static void SetAllocated(T* val) { ... } template<typename... Args> static T* New(Args&&... args) { ... } // 开释对象 static void Delete() { ... } ...};这是一个能够依据指定程序来创立全局单例对象的类，次要用在零碎的初始化中，这样对于一些全局的对象在初始化的时候创立好，后续整个零碎的各个模块就都能够应用了。
2
零碎初始化过程
再持续看零碎的初始化流程，首先在
python/oneflow/__init__.py+217中能够找到上面这句话：
__oneflow_global_unique_env = env_util.GetEnv()GetEnv()办法在python/oneflow/framework/env_util.py中定义，其返回一个EnvHolder的Python对象，此对象初始化时，通过self._env_cxt = create_env()创立了OneFlow运行时所须要的环境上下文：
class EnvHolder(object): def __init__(self): if not HasAllMultiClientEnvVars(): SetDefaultMultiClientEnvVars() self._env_cxt = create_env() ...def create_env(): """create environment Returns: Env: [description] """ global default_env_proto assert len(default_env_proto.machine) > 0 CompleteEnvProto(default_env_proto) if default_env_proto.ctrl_bootstrap_conf.world_size > 1: check_non_localhost_proxy_and_print_warning() return c_api_util.GetEnvContext(default_env_proto)create_env()中，首先会通过CompleteEnvProto创立默认的env_proto对象，而后依据此env proto对象创立oneflow所须要的环境上下文env_ctx。
这外面和初始化相干的主线是GetEnvContext，其定位位于python/oneflow/framework/c_api_util.py+45：
def GetEnvContext(env_proto): assert type(env_proto) is env_pb2.EnvProto env_proto_str = text_format.MessageToString(env_proto) env_ctx = oneflow._oneflow_internal.EnvContext(env_proto_str) return env_ctx这个EnvContext是oneflow外部导出的c api，其定义位于：
oneflow/api/python/env/env.cpp:L46。
其作用即初始化一个单例——env作用域对象EnvGlobalObjectsScope，并在其结构之初，通过
oneflow/core/job/env_global_objects_scope.cpp:L153的EnvGlobalObjectsScope::Init()办法初始化一些零碎须要的其余全局单例对象/配置：
Maybe<void> EnvGlobalObjectsScope::Init(const EnvProto& env_proto) { ... Global<EnvDesc>::New(env_proto); Global<ProcessCtx>::New(); ...#ifdef WITH_CUDA Global<EagerNcclCommMgr>::New(); Global<CudnnConvAlgoCache>::New(); Global<embedding::EmbeddingManager>::New();#endif Global<vm::VirtualMachineScope>::New(Global<ResourceDesc, ForSession>::Get()->resource()); Global<EagerJobBuildAndInferCtxMgr>::New(); ... return Maybe<void>::Ok();}下面删去了很多代码，只展现了局部对象的创立，如：Global<vm::VirtualMachineScope>::New。
它会创立一个VirtualMachineScope的单例对象，这个类的构造函数因而会被执行一次，如下所示：
VirtualMachineScope::VirtualMachineScope(const Resource& resource) { Global<VirtualMachine>::New(resource, GlobalProcessCtx::Rank());}在这个构造函数里，又通过Global创立了一个VirtualMachine的单例对象，这是个很重要的单例对象，前面讲虚拟机时会用到它，所以先在这一节引出。
3
StreamType和InstructionType的注册
还须要再看一部分和前面虚拟机十分相干的内容作为筹备，它们是StreamType和InstructionType的注册，先看上面这段代码，位于oneflow/core/eager/cpu_opkernel_instruction_type.cpp+34：
COMMAND(vm::RegisterInstructionType<CpuLocalCallOpKernelInstructionType>("cpu.LocalCallOpKernel"));COMMAND是一个宏，位于
oneflow/core/common/util.h+115，它的实现很奇妙，利用了匿名空间来保障在源文件定义的变量只在源文件可见，用CommandT和__LINE__在源文件中定义了一个惟一名字的struct，把注册语句放在它的构造函数中，而后再定义一个该struct的对象，其构造函数被主动执行的时候，注册语句也被执行：
#define COMMAND(...) \ namespace { \ struct OF_PP_CAT(CommandT, __LINE__) { \ OF_PP_CAT(CommandT, __LINE__)() { __VA_ARGS__; } \ }; \ OF_PP_CAT(CommandT, __LINE__) OF_PP_CAT(g_command_var, __LINE__); \ }再看理论的注册语句，它的模板参数是CpuLocalCallOpKernelInstructionType，定义在oneflow/core/eager/cpu_opkernel_instruction_type.cpp+27，如下所示：
class CpuLocalCallOpKernelInstructionType final : public LocalCallOpKernelInstructionType { public: CpuLocalCallOpKernelInstructionType() = default; ~CpuLocalCallOpKernelInstructionType() override = default; using stream_type = vm::CpuStreamType;};这段代码中的stream_type在上面会很有用，这段代码其实是把
CpuLocalCallOpKernelInstructionType类和vm::CpuStreamType类建设了关联，再持续看COMMAND宏中的注册语句，独自摘出来如下所示：
vm::RegisterInstructionType<CpuLocalCallOpKernelInstructionType>("cpu.LocalCallOpKernel")RegisterInstructionType是一个模板函数，定义位于oneflow/core/vm/instruction_type.h+80：
template<typename T>void RegisterInstructionType(const std::string& instr_type_name) { RegisterInstrTypeId<T>(instr_type_name, StaticGlobalStreamType<typename T::stream_type>());}以这里COMMAND的示例中对
CpuLocalCallOpKernelInstructionType的注册为例，按行来看，注册函数RegisterInstructionType次要内容在：oneflow/core/vm/instruction_type.cpp+54:
void RegisterInstrTypeId(const std::string& instruction_name, const StreamType* stream_type, const InstructionType* instruction_type) { InstrTypeId instr_type_id; instr_type_id.__Init__(stream_type, instruction_type); CHECK(InstrTypeId4InstructionName()->emplace(instruction_name, instr_type_id).second);}理论做了上面几件事（CpuLocalCallOpKernelInstructionType的名字较长，为了不便示意，上面简称它为T）：
- 初始化一个InstrTypeId对象，并调用其__Init__办法为其成员变量stream_type_和instruction_type_赋值，这里stream_type就是T::stream_type，即vm::CpuStreamType；instruction_type即指向T的指令类型的指针对象。
- 通过InstrTypeId4InstructionName()办法拿到一个动态HashMap<std::string, InstrTypeId> map对象的指针。
- 将instruction_name（"cpu.LocalCallOpKernel"）作为key，InstrTypeId对象instr_type_id作为value插入这个map中。
4
虚拟机调度过程1
前文《OneFlow学习笔记：从Functor到OpExprInterpreter》讲到了调用PhysicalRun之前的mirror mode和eager mode的大略流程，曾经筹备好了输入输出的EagerBlobObject以及一些context信息和相干的device信息，在调用PhysicalRun这个函数之后，就进入了虚拟机的局部。
4.1 放指令线程
PhysicalRun承受一个call-back function作为参数，这个call-back函数中会调用builder->LocalCallOpKernel这个函数，并且以后面筹备好的输出、输入、ctx、device作为参数来执行，先来看PhysicalRun函数，它定义在
oneflow/core/framework/instructions_builder.cpp+595：
Maybe<void> PhysicalRun(const std::function<Maybe<void>(InstructionsBuilder*)>& Build) { vm::InstructionMsgList instruction_list; InstructionsBuilder instructions_builder(std::make_shared<vm::PhysicalIdGenerator>(), &instruction_list); JUST(Build(&instructions_builder)); JUST(vm::Run(instructions_builder.mut_instruction_list())); return Maybe<void>::Ok();}这里的Build就是刚从传进来的call-back函数，整理出来再来加深一下印象：
[&](InstructionsBuilder* builder) -> Maybe<void> { return builder->LocalCallOpKernel(kernel, input_eager_blob_objects, output_eager_blob_objects, ctx, op_device);}在PhysicalRun中，以InstructionsBuilder对象为参数来调用这个call-back function，所以会执行InstructionsBuilder中的LocalCallOpKernel函数，这个函数位于
oneflow/core/framework/instructions_builder.cpp+347：
Maybe<void> InstructionsBuilder::LocalCallOpKernel(...) { ... auto phy_instr_operand = JUST(vm::LocalCallOpKernelPhyInstrOperand::New( opkernel, input_eager_blob_objects, output_eager_blob_objects, consistent_tensor_infer_result, ctx, *one::CurrentDevVmDepObjectConsumeMode())); auto instruction = intrusive::make_shared<vm::InstructionMsg>( Global<VirtualMachine>::Get()->mut_vm(), JUST(op_device->local_call_instruction_name()), parallel_desc_sym, phy_instr_operand); instruction_list_->EmplaceBack(std::move(instruction)); ... return Maybe<void>::Ok();}这个函数逻辑大略是把输出op相干的信息打包成一个vm::InstructionMsg对象，而后放到instruction_list_这个list中。
到这里后面的PhysicalRun中的Build局部就剖析完了，持续看Build之后的逻辑vm::Run，它次要是调了
oneflow/core/vm/vm_util.cpp+34中的Run办法：
Maybe<void> Run(vm::InstructionMsgList* instr_msg_list) { auto* virtual_machine = JUST(GlobalMaybe<VirtualMachine>()); JUST(virtual_machine->Receive(instr_msg_list)); return Maybe<void>::Ok();}这里通过GlobalMaybe来失去了在后面第一节OneFlow初始化中讲到的被创立好的VirtualMachine对象，这里调用了VirtualMachine中的Receive函数，位于
oneflow/core/vm/virtual_machine.cpp+204：
Maybe<bool> VirtualMachineEngine::Receive( intrusive::shared_ptr<InstructionMsg>&& compute_instr_msg) { InstructionMsgList instr_msg_list; instr_msg_list.EmplaceBack(std::move(compute_instr_msg)); return Receive(&instr_msg_list);}这里的vm_变量类型是intrusive::shared_ptr<vm::VirtualMachineEngine>，在咱们的示例中，会走到else分支，也就调用了VirtualMachineEngine的Receive函数，它位于oneflow/core/vm/virtual_machine_engine.cpp+422，VirtualMachineEngine是一个很大很简单的类，这里咱们不关注它的其它性能，只关注以后的流程，上面是Receive函数的代码：
Maybe<bool> VirtualMachineEngine::Receive(InstructionMsgList* compute_instr_msg_list) { OF_PROFILER_RANGE_PUSH("vm:Receive"); INTRUSIVE_UNSAFE_FOR_EACH_PTR(compute_instr_msg, compute_instr_msg_list) { OF_PROFILER_RANGE_PUSH(compute_instr_msg->DebugName()); OF_PROFILER_RANGE_POP(); } bool old_list_empty = mut_pending_msg_list()->MoveFrom(compute_instr_msg_list); OF_PROFILER_RANGE_POP(); return old_list_empty;}Maybe<bool> VirtualMachineEngine::Receive( intrusive::shared_ptr<InstructionMsg>&& compute_instr_msg) { InstructionMsgList instr_msg_list; instr_msg_list.EmplaceBack(std::move(compute_instr_msg)); return Receive(&instr_msg_list);}从这里看到并没有指令被执行，惟一的一条线索是传进来的compute_instr_msg_list最终被放入了mut_pending_msg_list()中，以后的线程只负责往队列里放指令，另外有线程会从队列里往外取指令来执行，所以持续搜下mut_pending_msg_list()会在哪里被用到，能够搜到在
oneflow/core/vm/virtual_machine_engine.cpp+514的Schedule函数中被调用，Schedule又在oneflow/core/vm/virtual_machine.cpp+291中的ScheduleLoop函数中被调用，这就引入了应用指令的线程。
4.2 用指令线程
间接看ScheduleLoop线程函数被启动的中央，它在VirtualMachine的构造函数中作为一个线程函数被创立和启动，VirtualMachine的构造函数位于
oneflow/core/vm/virtual_machine.cpp+114，如下所示：
VirtualMachine::VirtualMachine(const Resource& resource, int64_t this_machine_id) : vm_threads_closed_(false) { ... std::function<void()> SchedulerInitializer; GetSchedulerThreadInitializer(&SchedulerInitializer); schedule_thread_ = std::thread(&VirtualMachine::ScheduleLoop, this, SchedulerInitializer);}从后面第一节讲的的OneFlow初始化流程中可知，在OneFlow初始化的时候创立一个VirtualMachine的全局对象，天然其构造函数会被调用，所以这个VirtualMachine::ScheduleLoop线程函数在那时就被启动了，持续看ScheduleLoop的内容，位于oneflow/core/vm/virtual_machine.cpp+291：
void VirtualMachine::ScheduleLoop(const std::function<void()>& Initializer) { ... while (pending_notifier_.WaitAndClearNotifiedCnt() == kNotifierStatusSuccess) { ... do { ... do { ... do { vm->Schedule(schedule_ctx); } while (!vm->ThreadUnsafeEmpty()); vm->MoveToGarbageMsgListAndNotifyGC(schedule_ctx); } while (++i < kNumSchedulingPerTimoutTest); } while (MicrosecondsFrom(start) < kWorkingMicroseconds); } ...}这外面最重要的是Schedule函数的调用，位于
oneflow/core/vm/virtual_machine_engine.cpp+514，简化代码如下：
void VirtualMachineEngine::Schedule() { if (...) { ReleaseFinishedInstructions(); } if (...) { TryRunBarrierInstruction(); } if (...) { HandleLocalPending(); } if (...) { DispatchAndPrescheduleInstructions(); }}这个函数里比拟重要的两个函数是HandleLocalPending和DispatchAndPrescheduleInstructions，先看HandleLocalPending，位于oneflow/core/vm/virtual_machine_engine.cpp+62，它的精简代码如下：
void VirtualMachineEngine::HandlePending() { ... InstructionMsgList pending_instr_msgs; INTRUSIVE_FOR_EACH_PTR(instr_msg, &pending_instr_msgs) { MakeInstructions(instr_msg, /*out*/ &new_instruction_list); } ... INTRUSIVE_FOR_EACH_PTR(instruction, &new_instruction_list) { ConsumeMirroredObjects(instruction); if (likely(Dispatchable(instruction))) { mut_ready_instruction_list()->PushBack(instruction); new_instruction_list.Erase(instruction); } }}可见它的工作次要是通过MakeInstructions制作指令，而后把指令放入list，再看DispatchAndPrescheduleInstructions，它位于oneflow/core/vm/virtual_machine_engine.cpp+320：
void VirtualMachineEngine::DispatchAndPrescheduleInstructions() { ReadyInstructionList tmp_ready_instruction_list; mut_ready_instruction_list()->MoveTo(&tmp_ready_instruction_list); INTRUSIVE_FOR_EACH(instruction, &tmp_ready_instruction_list) { ... DispatchInstruction(instruction.Mutable()); ... } ...}这个函数的次要工作是调用了DispatchInstruction，持续来看一下这个函数，位于
oneflow/core/vm/virtual_machine_engine.cpp+344：
void VirtualMachineEngine::DispatchInstruction(Instruction* instruction, const ScheduleCtx& schedule_ctx) { auto* stream = instruction->mut_stream(); stream->mut_running_instruction_list()->PushBack(instruction); if (stream->active_stream_hook().empty()) { mut_active_stream_list()->PushBack(stream); } const auto& stream_type = stream->stream_type(); if (OnSchedulerThread(stream_type)) { stream_type.Run(instruction); } else { stream->mut_thread_ctx()->mut_pending_instruction_list()->PushBack(instruction); schedule_ctx.OnWorkerLoadPending(stream->mut_thread_ctx()); }}从这个函数中能够看出，指令被stream_type.Run来执行了，这里打断一下，用上面一节内容来追一下这里的stream_type从哪来的。
5
指令中的stream
从下面第四节的最初一段代码中，能够看到stream_type来自于stream，stream来自于Instruction，本节来追一下Instruction中的stream是怎么来的。
以mirror mode为例，代码会首先进入4.1节讲过的LocalCallOpKernel函数执行，位于
oneflow/core/framework/instructions_builder.cpp+347：
Maybe<void> InstructionsBuilder::LocalCallOpKernel(..., Symbol<Device> op_device) { ... const auto& instruction_name = JUST(StreamRoleSwitch<GetCallInstructionName>( stream->stream_role(), stream->device()->enum_type())); auto instruction = intrusive::make_shared<vm::InstructionMsg>( Global<VirtualMachine>::Get()->mut_vm(), instruction_name, parallel_desc_sym, phy_instr_operand); instruction_list_->EmplaceBack(std::move(instruction)); ... return Maybe<void>::Ok();}这里次要是在创立指令instruction对象，创立实现后放入指令列表开端。
这里先看一下instruction_name是怎么产生的，在GetCallInstructionName的构造体中保护着stream_role、stream type以及对应的指令名称instruction_name之间的映射关系，在StreamRoleSwitch模板中会转发至其Case办法，并最终返回instruction_name的字符串。
所以在咱们的示例中会返回"cpu.LocalCallOpKernel"，在第三节中的注册示例中，能够看到以这个字符串为key，注册了CpuLocalCallOpKernelInstructionType这个类，它关联了vm::CpuStreamType类型，这些信息在前面都会用到。
再看InstructionMsg，它的定义位于
oneflow/core/vm/instruction.h+39：
class InstructionMsg final : public intrusive::Base { ... InstrTypeId instr_type_id_; std::string instr_type_name_; ... Stream* phy_instr_stream_;};InstructionMsg持有的InstrTypeId、Stream指针这两个成员和咱们要追的stream的线索最相干，咱们只须要关注这两个成员就好，在后面调用intrusive::make_shared<vm::InstructionMsg>(...)的时候，依据intrusive::make_shared的实现，会调用到InstructionMsg的上面这个__Init__函数，位于
oneflow/core/vm/instruction.cpp+42：
void InstructionMsg::__Init__(VirtualMachineEngine* vm, const std::string& instr_type_name, const std::shared_ptr<const ParallelDesc>& phy_instr_parallel_desc, const std::shared_ptr<PhyInstrOperand>& phy_instr_operand) { __Init__(); if (likely(phy_instr_parallel_desc)) { int device_id = phy_instr_parallel_desc->parallel_id2device_id().at(0); vm->GetCachedInstrTypeIdAndPhyInstrStream(instr_type_name, device_id, mut_instr_type_id(), &phy_instr_stream_); } ...}instr_type_id_和phy_instr_stream_的赋值就是在下面代码中的
GetCachedInstrTypeIdAndPhyInstrStream函数调用中实现的，定义位于oneflow/core/vm/virtual_machine_engine.cpp+383：
void VirtualMachineEngine::GetCachedInstrTypeIdAndPhyInstrStream(const std::string& instr_type_name, int device_id, InstrTypeId* instr_type_id, Stream** stream) { auto* cache = &instr_type_name2rt_instr_type_id_; auto iter = cache->find(instr_type_name); if (unlikely(iter == cache->end())) { const auto& instr_type_id_val = LookupInstrTypeId(instr_type_name); const auto* stream_type = &instr_type_id_val.stream_type(); auto* stream_rt_desc = this->mut_stream_type2stream_rt_desc()->FindPtr(stream_type); iter = cache->emplace(instr_type_name, RtInstrTypeId(instr_type_id_val, stream_rt_desc)).first; } instr_type_id->CopyFrom(iter->second.instr_type_id()); *stream = iter->second.GetStream(device_id);}这一段代码其实波及的内容十分多，这里只能简略说一下，函数传进来的instr_type_name是"cpu.LocalCallOpKernel"，先在VirtualMachineEngine的上面这个map成员查问这个key：
std::map<std::string, RtInstrTypeId> instr_type_name2rt_instr_type_id_;这个map的value type是RtInstrTypeId，从它能够失去InstrTypeId和相应的Stream指针，它定义位于
oneflow/core/vm/runtime_instr_type_id.h+25：
class RtInstrTypeId final { public: RtInstrTypeId(const RtInstrTypeId&) = default; RtInstrTypeId(RtInstrTypeId&&) = default; ~RtInstrTypeId() = default; RtInstrTypeId(const InstrTypeId& instr_type_id, StreamRtDesc* stream_rt_desc) : instr_type_id_(instr_type_id), stream_rt_desc_(stream_rt_desc) { if (stream_rt_desc->stream_type().IsControlStreamType()) { get_stream_ = &StreamRtDesc::GetSoleStream; } else { get_stream_ = &StreamRtDesc::GetDeviceStream; } } const InstrTypeId& instr_type_id() const { return instr_type_id_; } Stream* GetStream(int device_id) const { return (stream_rt_desc_->*get_stream_)(device_id); } private: const InstrTypeId instr_type_id_; StreamRtDesc* stream_rt_desc_; Stream* (StreamRtDesc::*get_stream_)(int device_id) const;};如果没有从这个map中找到"cpu.LocalCallOpKernel"这个key，则会做上面操作：
if (unlikely(iter == cache->end())) { const auto& instr_type_id_val = LookupInstrTypeId(instr_type_name); const auto* stream_type = &instr_type_id_val.stream_type(); auto* stream_rt_desc = this->mut_stream_type2stream_rt_desc()->FindPtr(stream_type); iter = cache->emplace(instr_type_name, RtInstrTypeId(instr_type_id_val, stream_rt_desc)).first;}先通过LookupInstrTypeId查问第三节注册的数据结构C，从而找到"cpu.LocalCallOpKernel"相应的InstrTypeId，它外面蕴含相干的StreamTypeId信息，再应用这个StreamTypeId，通过调用
mut_stream_type_id2stream_rt_desc()->FindPtr来找到对应的StreamRtDesc对象指针，而后依据instr_type_id_val和stream_rt_desc结构一个RtInstrTypeId对象作为value，保护到后面的map中，最初再从这个map失去InstrTypeId和相应的Stream指针返回。
顺便说一下
mut_stream_type_id2stream_rt_desc()对应的数据结构，它在VirtualMachineEngine的__Init__函数中（结构的时候被调用）被初始化，位于oneflow/core/vm/virtual_machine_engine.cpp+358：
void VirtualMachineEngine::__Init__(const VmDesc& vm_desc) { ... INTRUSIVE_UNSAFE_FOR_EACH_PTR(stream_desc, &vm_desc.stream_type_id2desc()) { if (stream_desc->num_threads() == 0) { continue; } auto stream_rt_desc = intrusive::make_shared<StreamRtDesc>(stream_desc); mut_stream_type_id2stream_rt_desc()->Insert(stream_rt_desc.Mutable()); ... }}这样就晓得了结构好的InstructionMsg对象是怎么蕴含的Stream信息，持续看InstructionMsg是怎么转换为Instruction对象的，在后面4.2节中讲的HandleLocalPending函数，位于oneflow/core/vm/virtual_machine_engine.cpp+62：
void VirtualMachineEngine::HandlePending() { ... InstructionMsgList pending_instr_msgs; INTRUSIVE_FOR_EACH_PTR(instr_msg, &pending_instr_msgs) { MakeInstructions(instr_msg, /*out*/ &new_instruction_list); } ... INTRUSIVE_FOR_EACH_PTR(instruction, &new_instruction_list) { ConsumeMirroredObjects(instruction); if (likely(Dispatchable(instruction))) { mut_ready_instruction_list()->PushBack(instruction); new_instruction_list.Erase(instruction); } }}其中的MakeInstructions会做这个转换，它的定义位于
oneflow/core/vm/virtual_machine_engine.cpp+226，原来的Stream信息也会被保护到这个新的数据结构中：
void VirtualMachineEngine::MakeInstructions(InstructionMsg* instr_msg, /*out*/ InstructionList* new_instruction_list) { const auto& instruction_type = instr_msg->instr_type_id().instruction_type(); bool is_barrier_instruction = instruction_type.IsFrontSequential(); Stream* stream = CHECK_NOTNULL(instr_msg->phy_instr_stream()); const auto& pd = instr_msg->phy_instr_parallel_desc(); intrusive::shared_ptr<Instruction> instr = stream->NewInstruction(instr_msg, pd); LivelyInstructionListPushBack(instr.Mutable()); if (unlikely(is_barrier_instruction)) { mut_barrier_instruction_list()->PushBack(instr.Mutable()); } else { new_instruction_list->PushBack(instr.Mutable()); }}以上就是第四节开端代码调用stream_type.Run()的时候，stream_type的由来，由后面的剖析可知，它的理论类型就是和
CpuLocalCallOpKernelInstructionType建设好关联的vm::CpuStreamType！上面持续看虚拟机的调度过程。
6
虚拟机调度过程2
再持续看第四节的最初一段代码，为不便浏览，从新贴一下次要内容，位于
oneflow/core/vm/virtual_machine_engine.cpp+344：
void VirtualMachineEngine::DispatchInstruction(Instruction* instruction) { ... if (OnSchedulerThread(stream_type)) { stream_type.Run(instruction); } else { stream->mut_thread_ctx()->mut_pending_instruction_list()->PushBack(instruction); schedule_ctx.OnWorkerLoadPending(stream->mut_thread_ctx()); } ...}从这个函数中能够看出，指令被stream_type.Run来执行了，从后面第五节的剖析可知，stream_type是vm::CpuStreamType类型，继承自StreamType类型，StreamType定义于
oneflow/core/vm/stream_type.h，上面是它的次要接口：
class StreamType { public: virtual ~StreamType() = default; void Run(Instruction* instruction) const { Compute(instruction); } virtual const char* stream_tag() const = 0; virtual void InitDeviceCtx(std::unique_ptr<DeviceCtx>* device_ctx, Stream* stream) const = 0; virtual void InitInstructionStatus(const Stream& stream, InstructionStatusBuffer* status_buffer) const = 0; virtual void DeleteInstructionStatus(const Stream& stream, InstructionStatusBuffer* status_buffer) const = 0; virtual bool QueryInstructionStatusDone(const Stream& stream, const InstructionStatusBuffer& status_buffer) const = 0; virtual void Compute(Instruction* instruction) const = 0; virtual intrusive::shared_ptr<StreamDesc> MakeStreamDesc(const Resource& resource, int64_t this_machine_id) const = 0; virtual bool OnSchedulerThread() const = 0; virtual bool SupportingTransportInstructions() const = 0; virtual bool IsControlStreamType() const { return false; } protected: StreamType() = default;};这外面含有后面代码中用到的Run接口（stream_type.Run），它的实现位于Compute函数中。从StreamType的定义能够晓得，这是一个虚接口，StreamType有上面这些子类实现：
图1
咱们这里应用的是CpuStreamType，定义位于oneflow/core/vm/cpu_stream_type.h，它的Compute函数位于oneflow/core/vm/cpu_stream_type.cpp+50，如下所示：
void CpuStreamType::Compute(Instruction* instruction) const { ... { const auto& instr_type_id = instruction->mut_instr_msg()->instr_type_id(); instr_type_id.instruction_type().Compute(instruction); } auto* status_buffer = instruction->mut_status_buffer(); NaiveInstrStatusQuerier::MutCast(status_buffer->mut_buffer()->mut_data())->set_done(); ...}能够看到这里又调用了instr_type_id.instruction_type().Compute()这个函数，这个Compute属于instruction_type()对应的类中，能够查到instruction_type()会返回一个InstructionType类型的const援用对象，所以关注InstructionType类即可，它的定义位于oneflow/core/vm/instruction_type.h，外面有Compute虚接口：
class InstructionType { ... virtual void Compute(Instruction* instruction) const = 0; virtual void ComputeInFuseMode(InstructionMsg* instr_msg) const { LOG(FATAL) << "UNIMPLEMENTED"; } ...};这也是个继承体系，InstructionType有十分多的子类，上面是我找到的一部分示例，没有列完：
咱们调用的Compute位于上图中的
LocalCallOpKernelInstructionType，位于oneflow/core/eager/opkernel_instruction_type.cpp+150，它的Compute函数定义如下：
void LocalCallOpKernelInstructionType::Compute(vm::Instruction* instruction) const { CHECK_JUST(LocalCallOpKernelUtil::Compute(instruction));}可见又持续调用了
LocalCallOpKernelUtil::Compute，持续追这个函数，它的定义位于oneflow/core/eager/opkernel_instruction_type.cpp+44：
struct LocalCallOpKernelUtil final { static inline Maybe<void> Compute(vm::Instruction* instruction) { ... OpKernelCompute(operand, device_ctx, state, cache); ... return Maybe<void>::Ok(); } ...};这里又持续调用了OpKernelCompute，在同一个类中：
struct LocalCallOpKernelUtil final { ... static inline void OpKernelCompute(LocalCallOpKernelPhyInstrOperand* operand, DeviceCtx* device_ctx, user_op::OpKernelState* state, const user_op::OpKernelCache* cache) { ... operand->user_opkernel()->Compute(compute_ctx, state, cache); ... }};其中user_opkernel()会返回一个user_op::OpKernel的指针，而这个OpKernel就是咱们定义算子的时候必须要继承的一个基类，以咱们的relu示例来说，relu的计算局部定义在
oneflow/user/kernels/relu_kernel.cpp，精简代码如下：
class ReluKernel final : public user_op::OpKernel, public user_op::CudaGraphSupport { private: void Compute(user_op::KernelComputeContext* ctx) const override { // do computing! }};至此，终于从上到下买通了一条执行路线！
Reference
本文次要梳理了OneFlow虚拟机的的作用和相干实现，次要参考的是OneFlow的官网代码和之前的一些相干文章，但限于篇幅和自己目前的认知，外面有很多中央还没有弄懂或者没有总结，比方指令边的局部，SkipList、SkipListHead、ListHookArray、ListHook、SkipListHook等根底数据结构的作用及实现细节等，须要持续学习的中央还有很多，持续加油～
上面是相干链接：
- https://github.com/Oneflow-In...
- OneFlow学习笔记：python到C++调用过程剖析
- OneFlow学习笔记：从Functor到OpExprInterpreter
*（本文参考代码：
https://github.com/Oneflow-In...）*
特别感谢共事路强、俊丞、后江在我学习和了解这部分内容的过程中提供的帮忙。
欢送下载体验OneFlow v0.7.0最新版本：
https://github.com/Oneflow-In...