AI流量往往具有突發(fā)性、大象流（大規(guī)模數(shù)據(jù)流）占比高的特點，極易造成網(wǎng)絡(luò)擁塞熱點。一條質(zhì)量不佳（如高延遲、高丟包、帶寬受限）的路徑，不僅自身無法有效傳輸數(shù)據(jù)，如果ECMP繼續(xù)向其分發(fā)流量，還可能導致該路徑上的擁塞加劇，形成惡性循環(huán)，進而“污染”整條路徑上的流量，波及更多正常應(yīng)用。因此，構(gòu)建一個能夠?qū)崟r感知路徑質(zhì)量、動態(tài)規(guī)避異常路徑的智能負載均衡機制，成為支撐高性能AI計算的關(guān)鍵基礎(chǔ)設(shè)施之一。
為了解決上述挑戰(zhàn)，我們引入了基于路徑綜合質(zhì)量的動態(tài)權(quán)重成本多路徑（Weighted Cost Multipath, WCMP）機制。該機制的核心在于持續(xù)評估并利用路徑的綜合質(zhì)量作為流量調(diào)度的核心依據(jù)。

路徑綜合質(zhì)量評估

系統(tǒng)持續(xù)監(jiān)控每條可用路徑的關(guān)鍵性能指標，這些指標通常包括但不限于：

• 延遲 (Latency): 數(shù)據(jù)包端到端傳輸耗時。
• 丟包率 (Packet Loss Rate): 傳輸過程中丟失的數(shù)據(jù)包比例。
• 帶寬利用率 (Bandwidth Utilization): 路徑當前占用帶寬與其理論容量的比值。
• 錯誤率 (Error Rate): 如鏈路層錯誤等。
• 通過預(yù)設(shè)的算法（如加權(quán)計算、機器學習模型評分等），將這些原始指標融合計算為一個綜合質(zhì)量得分（通常是一個數(shù)值）。這個得分量化地反映了該路徑在當前時刻傳輸流量的“健康度”或“優(yōu)良程度”。得分越高，代表路徑質(zhì)量越好；得分越低，代表路徑質(zhì)量越差，越接近異常狀態(tài)。

異常路徑判定與剔除

系統(tǒng)設(shè)定一個約定的質(zhì)量閾值系數(shù)。該閾值代表了我們認為一條路徑可以承載正常AI流量的最低可接受質(zhì)量水平。

• 判定邏輯： 當系統(tǒng)計算出的某條路徑的綜合質(zhì)量得分低于此約定閾值時，即認為該條路徑在當前AI場景下不再可用，判定為異常路徑。
• 處理動作： 立即將這條異常路徑從當前有效的負載均衡路徑池中剔除（Prune）。這意味著后續(xù)的流量調(diào)度將暫時不再考慮此路徑。

如圖所示，當Leaf1與Leaf2通信存在四條路徑時，假設(shè)根據(jù)seo7 中的算法邏輯在Leaf1中計算出四條路徑綜合質(zhì)量分別為4.5、55、65和75，此時紅色路徑會被剔除，剩下的三條路徑根據(jù)各自路徑質(zhì)量形成WCMP。待紅色路徑質(zhì)量恢復達標后，它將重新加入路徑池并參與負載均衡。

路徑的動態(tài)WCMP調(diào)度

剔除異常路徑后，系統(tǒng)使用剩余的健康路徑來承載流量。根據(jù)剩余每條健康路徑的綜合質(zhì)量得分，動態(tài)計算并分配其流量轉(zhuǎn)發(fā)權(quán)重。質(zhì)量越高的路徑，獲得越高的權(quán)重，意味著它能承載更大比例的流量；質(zhì)量相對較低（但仍高于閾值）的路徑，則獲得較低權(quán)重。這種基于實時質(zhì)量動態(tài)調(diào)整權(quán)重的WCMP策略，確保了流量能夠最大程度地流向當前最優(yōu)的路徑，優(yōu)化整體傳輸效率和性能。

路徑恢復與重新引入

被剔除的路徑并非永久廢棄。系統(tǒng)會持續(xù)監(jiān)控其綜合質(zhì)量。一旦該路徑的質(zhì)量得分恢復到約定閾值之上并保持穩(wěn)定一段時間（避免抖動），系統(tǒng)會將其重新引入有效路徑池。重新引入后，該路徑將根據(jù)其最新的綜合質(zhì)量得分，參與后續(xù)的動態(tài)WCMP權(quán)重計算，重新分擔流量。

在AI驅(qū)動的數(shù)據(jù)中心網(wǎng)絡(luò)環(huán)境中，傳統(tǒng)的“盡力而為”和“無差別均分”負載均衡策略已力不從心?；诼窂骄C合質(zhì)量的動態(tài)WCMP機制，通過實時感知路徑狀態(tài)、果斷剔除異常、智能調(diào)度“健康”資源，有效解決了AI流量對網(wǎng)絡(luò)高可靠、高性能的核心訴求。雖然存在少量的短期資源閑置作為代價，但相較于避免路徑擁塞乃至業(yè)務(wù)中斷所帶來的巨大損失，這一機制是支撐AI計算基礎(chǔ)設(shè)施穩(wěn)定高效運行的關(guān)鍵優(yōu)化手段。