NVIDIA 加速 AI 平臺和產(chǎn)品（如 NVIDIA EGX 、 DGX 、 OVX 和 NVIDIA AI for Enterprise）需要數(shù)據(jù)中心網(wǎng)絡(luò)提供最佳的性能。NVIDIA Spectrum 以太網(wǎng)平臺通過芯片級創(chuàng)新實現(xiàn)了這一性能。

融合以太網(wǎng) RDMA（RoCE）自適應(yīng)路由技術(shù)通過減少網(wǎng)絡(luò)擁塞問題加快了應(yīng)用程序的速度。這篇文章介紹了 NVIDIA Spectrum 以太網(wǎng)平臺的自適應(yīng)路由技術(shù)，并提供了一些初步的性能基準。

是什么讓網(wǎng)絡(luò)變慢了？

您不必是云服務(wù)提供商就可以從橫向擴展網(wǎng)絡(luò)中獲益。網(wǎng)絡(luò)行業(yè)已經(jīng)發(fā)現(xiàn)，具有第 2 層轉(zhuǎn)發(fā)和生成樹的傳統(tǒng)網(wǎng)絡(luò)架構(gòu)效率低下，而且難以擴展。他們過渡到 IP 網(wǎng)絡(luò)結(jié)構(gòu)。

這是一個很好的開始，但在某些情況下，它可能不足以解決數(shù)據(jù)中心中引入的新型應(yīng)用程序和大量的流量。

可擴展 IP 網(wǎng)絡(luò)的一個關(guān)鍵屬性是它們能夠跨多個交換機層次結(jié)構(gòu)分發(fā)大量的流和流量。

在一個完美的世界中，數(shù)據(jù)流是完全不相關(guān)的，因此在多個網(wǎng)絡(luò)鏈路上分布均勻、負載平衡平穩(wěn)。該方法依賴于現(xiàn)代哈希和多路徑算法，包括等價多路徑（ECMP）。運營商受益于在規(guī)模迥異的數(shù)據(jù)中心中廣泛部署的高端口數(shù)、固定規(guī)格的交換機。

然而，在許多情況下，這是行不通的，通常包括無處不在的現(xiàn)代工作負載，如 AI 、云和存儲。

這是一個有限熵的問題。熵是一種衡量流經(jīng)給定網(wǎng)絡(luò)的流量的豐富性和多樣性的方法。

當您有數(shù)千個從全球各地的客戶端隨機連接的流時，您的網(wǎng)絡(luò)被稱為有 high entropy 。然而，當您只有少數(shù)大型流時（這在 AI 和存儲工作負載中經(jīng)常發(fā)生），大型流會控制帶寬，因此會出現(xiàn) low entropy 。這種低熵流量模式也稱為“大象流”分布，在許多數(shù)據(jù)中心工作負載中都很明顯。

那么為什么熵很重要呢？

使用靜態(tài) ECMP 的傳統(tǒng)技術(shù)，您需要高熵來將流量均勻地分布在多個鏈路上，而不會出現(xiàn)擁塞。然而，在“大象流”場景中，多個流可能出現(xiàn)在同一條鏈路上，從而創(chuàng)建一個超過線路帶寬的流量熱點或微突發(fā)。這會導(dǎo)致?lián)砣?、延遲增加、數(shù)據(jù)包丟失和重傳。

對于許多應(yīng)用程序，性能不僅取決于網(wǎng)絡(luò)的平均帶寬，還取決于流完成時間的分布。完成時間分布中的長尾或異常值可能會顯著降低應(yīng)用程序性能。圖 2 顯示了低熵對流完成時間的影響。

此示例由單個架頂交換機組成，具有 128 個 100G 端口。

64 個端口是連接到服務(wù)器的 100G 下游端口。

64 個端口是連接到第 1 層交換機的 100G 上游端口。

每個下游端口接收四個帶寬相等的流：25G 每個流，總共 256 個流。

所有流量都通過靜態(tài)哈希和 ECMP 處理。

在最好的情況下，此配置的可用帶寬不會被超額使用，因此可能會出現(xiàn)以下結(jié)果。在最壞的情況下，與理想情況相比，流程可能需要長達 2.5 倍的時間才能完成。

在這種情況下，一些端口擁塞，而其他端口未使用。最后一個流（最壞情況流）的預(yù)期持續(xù)時間是預(yù)期第一個流持續(xù)時間的 250% 。此外，10% 的流預(yù)計流完成時間超過 150% 。也就是說，有一組長尾流，完成時間比預(yù)期的要長。為了高置信度的避免擁塞（98%），必須將所有流的帶寬降低到 50% 以下。

為什么有許多流會而受到影響而完成時間過長？這是因為 ECMP 上的一些端口非常擁擠。當流完成傳輸并釋放一些端口帶寬時，滯后流通過相同的擁塞端口，導(dǎo)致更多擁塞。這是因為在對標頭進行哈希處理后，路由是靜態(tài)的。

自適應(yīng)路由

NVIDIA 正在為Spectrum交換機引入自適應(yīng)路由。通過自適應(yīng)路由，轉(zhuǎn)發(fā)到 ECMP 組的流量選擇擁塞程度最低的端口進行傳輸。擁塞程度基于出口隊列負載進行評估，確保 ECMP 組在不考慮熵級別的情況下保持良好平衡。向多個服務(wù)器發(fā)出多個請求的應(yīng)用程序以最小的時間變化接收數(shù)據(jù)。

這是如何實現(xiàn)的？對于轉(zhuǎn)發(fā)到 ECMP 組的每個數(shù)據(jù)包，交換機在其出口隊列上選擇負載最小的端口。評估的隊列是那些與數(shù)據(jù)包服務(wù)質(zhì)量匹配的隊列。

相比之下，傳統(tǒng)的 ECMP 基于哈希方法進行端口決策，這通常無法產(chǎn)生清晰的比較。當相同流的不同數(shù)據(jù)包通過網(wǎng)絡(luò)的不同路徑傳輸時，它們可能會在到達目的地時出現(xiàn)亂序的情況。在 RoCE 傳輸層，NVIDIA ConnectX NIC 負責(zé)處理無序數(shù)據(jù)包，并將數(shù)據(jù)按順序轉(zhuǎn)發(fā)給應(yīng)用程序。這使得自適應(yīng)路由對從中受益的應(yīng)用程序透明。

在發(fā)送方面，ConnectX 可以動態(tài)標記符合網(wǎng)絡(luò)重新排序的條件的流量，從而確保在需要時可以強制執(zhí)行消息間排序。交換機自適應(yīng)路由分類器只能對這些標記的 RoCE 流量進行分類，使其使用這種獨特的轉(zhuǎn)發(fā)方式。

Spectrum 自適應(yīng)路由技術(shù)支持各種網(wǎng)絡(luò)拓撲。對于 CLOS（或葉/脊椎）等典型拓撲，到給定目標的各種路徑的距離是相同的。因此，交換機通過擁塞最小的端口傳輸數(shù)據(jù)包。在路徑之間距離不同的其他拓撲中，交換機傾向于通過最短路徑發(fā)送流量。如果擁塞發(fā)生在最短路徑上，則選擇擁塞最小的備選路徑。這確保了網(wǎng)絡(luò)帶寬得到有效利用。

工作負載測試結(jié)果

存儲

為了驗證 RoCE 中自適應(yīng)路由的效果，我們從測試簡單的 RDMA 寫測試應(yīng)用程序開始。在這些在多個 50 Gb/s 主機上運行的測試中，我們將主機分成幾對，每對主機在很長一段時間內(nèi)互相發(fā)送大型 RDMA 寫流。這種類型的流量模式是存儲應(yīng)用程序工作負載中的典型模式。

圖 4 顯示了基于哈希的靜態(tài)路由在上行鏈路端口上發(fā)生沖突，導(dǎo)致流完成時間增加，帶寬減少，流之間的公平性降低。在轉(zhuǎn)移到自適應(yīng)路由后，所有問題都得到了解決。

在第一個圖中，所有流幾乎同時完成，峰值帶寬相當。

在第二個圖中，一些流實現(xiàn)了相同的帶寬和完成時間，而其他流發(fā)生沖突，導(dǎo)致完成時間更長，帶寬更低。實際上，在 ECMP 的情況下，一些流在 13 秒的理想完成時間 T 內(nèi)完成，而性能最差的流需要 31 秒，約為 T 的 2.5 倍。

人工智能/高性能計算

為了繼續(xù)評估 RoCE 工作負載中的自適應(yīng)路由，我們在一個 32 服務(wù)器測試臺上測試了常見 AI 基準測試的性能收益，該測試臺在兩級胖樹網(wǎng)絡(luò)拓撲中使用四個 NVIDIA Spectrum 以太網(wǎng)交換機構(gòu)建。該基準測試評估了分布式 AI 訓(xùn)練和 HPC 工作負載中常見的集合操作和網(wǎng)絡(luò)流量模型，如 all-to-all 流量和 all-reduce 操作。

總結(jié)

在許多情況下，基于靜態(tài)哈希的轉(zhuǎn)發(fā)會導(dǎo)致高擁塞和可變的流完成時間。這會降低應(yīng)用程序的性能。

NVIDIA Spectrum 自適應(yīng)路由解決了這個問題。這項技術(shù)增加了網(wǎng)絡(luò)使用的帶寬，最大限度地減少了流完成時間的變化，從而提高了應(yīng)用程序的性能。

將此技術(shù)與 NVIDIA ConnectX 網(wǎng)卡提供的 RoCE 亂序包支持相結(jié)合，應(yīng)用程序?qū)λ褂玫募夹g(shù)是透明的。這確保了 NVIDIA Spectrum 以太網(wǎng)平臺提供了實現(xiàn)數(shù)據(jù)中心性能最大化所需的加速以太網(wǎng)能力。

審核編輯：湯梓紅