面向智算场景的高性能网络白皮书_41页_1mb

ZTE中兴高性能网络白皮书总结

核心内容

本白皮书聚焦于面向智算场景的高性能网络，分析了高性能数据中心网络（HP-DCN）与高性能广域网（HP-WAN）在技术架构、关键需求及挑战方面的情况。随着生成式人工智能（AIGC）和高性能计算（HPC）的发展，AI大模型训练对网络提出了更高的要求，包括超大规模组网、超高稳定性、极致高性能、多维自动化运维和可规模扩展的安全机制。同时，广域网在数据协同和数据快递场景下，也需要满足有效高吞吐、公平共享带宽、低传输成本、高安全性等需求。

主要观点

• 超大规模组网是高性能数据中心网络的基础需求，传统的CLOS架构在面对更大规模时面临时延、故障定位与成本等挑战。
• 超高稳定性是高性能网络的前提，需通过硬件检测、多级保障、链路可靠传输等手段实现故障无感恢复与长期稳定性。
• 极致高性能是核心，要求网络具备超低时延、极低抖动和有效高吞吐能力，需优化拥塞控制机制和路径控制策略。
• 多维自动化运维体系是必要条件，需实现多维度监控、高精度感知和快速故障定位，以应对AI训练带来的复杂网络运维需求。
• 可规模扩展的安全机制是保障，需采用零信任模型、轻量级加密和安全会话无关技术，以满足大规模数据传输的安全性需求。
• 高性能广域网需要支持海量数据传输、任务式传输及配额调度，并通过主动拥塞避免、近源端反馈机制和端网协同速率协商实现高效、安全的广域传输。

关键信息

高性能数据中心网络（HP-DCN）关键技术

• 大规模组网交换机：采用51.2T交换机支持超大规模组网，提供高带宽密度、低延迟和低功耗，满足GPU集群的连接需求。
• 大规模组网路由协议：支持可扩展、快速部署和组播能力，如RIFT协议，能够适应CLOS/Fat-Tree和Dragonfly+等新型拓扑。
• 故障无感恢复：通过硬件检测、多级保障和自适应路由切换，实现亚毫秒级的故障链路切换。
• 链路级可靠传输：采用轻量级FEC与链路层重传机制，优化传输效率并降低延迟。
• 端网协同路径控制：通过端侧感知与网络侧控制，实现动态路径调整，确保业务性能一致性。
• 网络隔离与资源保障：通过逻辑或物理隔离和QoS策略，保障不同训练任务之间的资源合理分配。
• 层次化负载均衡：结合全局与局部负载均衡，提升网络吞吐和资源利用率。
• 拥塞控制机制：如AI-ECN、ENCC等，支持算法无关、智能快速反馈和多维度控制。
• 集合通信卸载（CCO）：通过统一编排与轻量传输，减少数据在网络中的传输次数，提升吞吐和降低延迟。
• 多维自动化运维：构建层次化可观测体系，实现高精度感知、业务调优和快速故障排查。
• 可扩展安全机制：采用零信任架构、安全域与密钥管理、轻量级加密和安全会话无关技术，提升网络安全性和可扩展性。

高性能广域网（HP-WAN）关键技术

• 主动拥塞避免：通过基于配额的流控和时隙化队列管理，实现长距离传输中的拥塞控制。
• 近源端反馈机制：在长距离传输场景下，采用基于offered load的快速反馈，提升网络状态感知能力。
• 端网协同速率协商：通过端网协同，实现初始速率的合理设定，避免拥塞和资源浪费。
• 任务式传输及配额调度：根据任务需求进行资源预留和动态调度，保障传输效率和稳定性。
• 基于流的网络监控：通过Telemetry技术实现对网络状态的实时监测，支持高吞吐和高可靠传输。

技术架构

• 中兴高性能网络技术架构基于算内、算间和入算三大场景，提供高吞吐、高可靠、低时延、智能和灵活扩展的网络支持。
• HP-DCN为无损网络，包含算、端、网、管四要素，支持端网协同、统一编排、智能控制等。
• HP-WAN为有损网络，包含端、网、管，支持端网协同、任务式传输和广域资源调度。
• 高性能网络技术发展趋向于端网融合、智能化和标准化，推动更高效能和低成本的网络基础设施。

展望

• 随着AI和HPC的发展，高性能网络将不断演进，从单一功能向多维度协同发展。
• 端网协同、智能拥塞控制、零信任架构和Telemetry技术将成为未来高性能网络的重要发展方向。
• 通过标准化和开放生态，高性能网络将更广泛地应用于智算场景，提升网络的可靠性、安全性和智能化水平。