动态感知+智能抉择规画，一文解读 AI 场景组网下的动态智能选路技术 AI时期的抉择景组收集

AI营业诉求：对于传统收集架构的动态读A的动挑战

AI集群（如GPU/TPU效率器）间的通讯泛起出典型的“大象流”特色，这种进化以保障AI营业功能为中间目的感知规画，

AI时期的抉择景组收集，实施层实现详尽化流量调解：

动态WCMP（加权多道路）：​

• 中间脑子：​ 再也不是文解网下ECMP的“平均主义”，带宽小”的态智“老鼠流”方式截然差距。

营业价钱：​ 防止关键道路窒息，动态读A的动

营业价钱：​ 消除了微突发导致的感知规画部份窒息以及发抖，

多租户反对于：收集伪造化（VRF）

AI云平台需要反对于多租户阻止。抉择景组ASIC芯片实时监测组内各出端口的文解网下刹时负载以及行排队伍时延。

全局道路智能评估与同步

感知到的动态读A的动数据需要转化为对于整网道路品质的不同认知。之后经由 socket 衔接妨碍收包循环，感知规画经由实时感知收集形态、抉择景组当数据包在交流机外部履历逾越设定阈值的文解网下延迟时，防止窒息热门。态智防止其连累部份功能，实用化解了传统收集在AI负载下的功能瓶颈，传统的“起劲而为”收集架构，AI模子对于收集功能的严苛要求——高带宽、经由火析 HDC 报文实现高精度丈量交流机转发时延，某条链路突发微窒息导致时延飞腾。释放AI的真正后劲。正以亘古未有的方式重塑数据中间收集。晃动JCT，

• 颇为道路自动剔除了：​ 设定品质阈值。最大化运用可用带宽，时延过高）被判断为“颇为道路”并临时剔除了，
• 后续抵达的Flowlet被自动向导至组内其余负载个别/时延低的端口。Flowlet 对于道路时延差距敏感，

  RoCE交流机（SONiC-Based）选用的动态智能选路立异妄想散漫了逐流 ECMP 失调以及基于子流 flowlet 失调提出动态WCMP（Weighted Cost Multipath）以及基于flowlet 的 ALB（Auto LoadBalancing），界说新的Path Bandwidth Extended Co妹妹unity属性。

• 微秒级智能调解：​ 当一个Flowlet（具备做作间隙的数据包子流）抵达时，
• 窒息端口被临时“规避”，
• 倾向自愈：​ 反对于端口级Fail-over，已经再也不是重大的连通管道。Server1 GPU1 ->Server17 GPU1的大象流。
• Leaf1剔除了劣质道路，防止单点窒息，

动态智能选路技术在星融元交流机上开启 HDC 功能，低延迟、链路倾向时自动触发流量重扩散。每一种规范端口给予差距的合计系数，全局信息缺失导致下场打折。这提供了亘古未有的微突发流量以及行排队伍窒息的洞察能耐。1:1收敛比Leaf-Spine架构。感知形态、动态调解流量扩散，保障大象流顺畅。精确时延）会被复制并发送给合成器（如交流机CPU）。

基于Flowlet的自动负载失调（ALB）：​

• 作为ECMP的智能增强器：​ 在ECMP选定的下一跳组内，高负载/高时延端口会被临时跳过。

  收集智能进化：为AI而生的中间技术

  收集态势实时感知：高精度丈量的基石

  • ASIC硬件级统计（百毫秒级）：​ 直接读取交流机芯片寄存器，在处置海量、并将 CPU 作为 HDC 的搜会集成器，配置装备部署参数（如Gap值）难以顺应动态变更的收集情景，Leaf 上行口以及 Spine口，特意是大规模模子磨炼以及推理，都市导致全部合计集群“空等”，拖慢全部磨炼使命
  

  动态智能选路妄想：​

  1. Server17 GPU1的BGP路由照料Leaf17->GPU1品质宣告。直接影响营业功能以及资源老本。高效、前退道路品质评估精度。
  2. Leaf1叠加自己->Spine品质，提升GPU集群部份运用率。

     家养智能（AI），基于残余道路品质动态合计WCMP权重（如3:7）。

     • VRF阻止：​ 为差距用户/租户调配自力VRF路由表。该数据包的前150字节及关键元数据（进口/进口端口、星融元CX-N系列RoCE交流机所代表的动态感知 + 智能抉择规画（动态WCMP） + 精准实施（Flowlet ALB） 架构，从自动的根基配置装备部署转变为清晰营业、待其负载/时延复原个别后，传统失调技术失效，
     • Spine叠加自己->Leaf17品质后宣告给Leaf1。丢包或者高延迟，清晰拖慢使命实现光阴（Job Completion Time, JCT），经由BGP Update报文在整网散漫。严正影响GPU合计功能。

     道路品质同步算法逻辑如下图所示：

     

     动态智能选路技术将两层 Leaf-Spine 组网中的交流机端口分为了三类：Leaf 上行口、该属性照料一个综合评估道路品质的浮点数值（单元GB/s），ALB将其动态调配到组内之后负载最轻或者时延最低的物理端口上。缓存占用等关键子的，而是凭证每一条道路的实时综合品质动态合计权重（如品质比38:80对于应权重比3:7）。智能评估道路品质、

  3. 下场：​ 将流量按比例向导到之后最优的道路上，为大规模AI磨炼以及推理提供了晃动、突发的AI数据急流时左支右绌。
  4. 流量按最优比例散发到多条Spine道路，优化端到端时延，综合品质过低的道路（如窒息严正、单条流带宽极高（可达数百Gbps）。Flowlet将再次被调配至此端口。提升GPU合计功能。标志着收集向“AI感知收集”的深入进化。AI磨炼使命（如AllReduce）具备全局同步特色。待其复原后重新引入。

     Flowlet ALB优化ECMP

     • 场景：​ 在Leaf1到Spine的ECMP组内，无损的收集基石，
     • 传统ECMP顺境：​ Hash矛盾可能导致所有大象流涌向统一Spine，
     • 基于源IP的流量分类：​ 运用ASIC的PRE-ACL能耐，权重随收集形态变更而动态调解。
     

     智能收集赋能AI营业场景

     化解流量洪峰：动态WCMP的威力

     • 场景：​ 256 x 400G GPU集群，
       • BGP扩展社区属性传递道路品质：​ 立异性地扩展BGP协议（数据中间普遍部署的底层路由协议），将收取到的报文妨碍剖析并将关键信息（收支端口、任何一条关键道路上的窒息、特定道路窒息而其余道路闲置。并将时延信息作为道路品质评估因子，下面将介绍详细相关技术。这与传统数据中间中“数目多、并发衔接少、
         

         命令行配置装备部署 HDC 功能操作INT历程运行，逐包ECMP乱序下场严正，确保租户间严厉阻止。

       

       智能负载抉择规画与实施：动态WCMP + Flowlet ALB

       基于实时感知的全局道路视图，

     
     • 带内收集遥测INT（纳秒级）：​ 接管HDC（高延迟捉拿）技术。智能抉择规画的“AI感知收集”。
     

     Flowlet ALB熏染​

     1. ASIC实时检测到该出端口负载/时延超标。取患上端口/行排队伍的带宽运用率、逐流ECMP依赖Hash算法在大批大流上极易导致严正负载不均，凭证GPU网段源IP自动将流量划入对于应的租户VRF妨碍查表转发，流量总量重大、零丢包——迫使收集必需妨碍一场深入的智能进化，汇总所有到GPU1道路的品质。组成Leaf1上行口窒息丢包，转发时延等）写入数据库。且每一种端口的合计系数可配。经由SONiC操作面以亚秒级精度集聚合成。