راه‌حل فنی Mellanox (NVIDIA Mellanox) 980-9I45J-00H010: اتصال با قابلیت اطمینان بالا

1. پیشینه پروژه و تحلیل نیازهای

زیرساخت های مدرن مرکز داده ها و شبکه های سازمانی تحت فشار زیادی از همگرایی بار های کاری هوش مصنوعی، خدمات کوچک توزیع شده و ذخیره سازی در مقیاس بالا قرار دارند.شبکه های سنتی مبتنی بر TCP/IP اغلب به مشکل اصلی تبدیل می شوند، که با هزینه های بالای CPU، عدم اطمینان از تاخیر غیرقابل پیش بینی و سیلو های عملیاتی پیچیده مشخص می شود. این منجر به عملکرد برنامه های کاربردی پایین، هزینه های زیرساخت های بالا می شود،و کاهش چابکی کسب و کار.

این راه حل فنی به الزامات اصلی یک ساختار شبکه مدرن پاسخ می دهد:تاخیر بسیار کم تعیین کنندهبرای معاملات مالی و تحلیل در زمان واقعی؛حمل و نقل داده های بدون ضرر و با سرعت بالابرای خوشه های آموزش هوش مصنوعی/ML و تکرار ذخیره سازیسادگی عملیاتیاز طریق افزایش دید و کنترل؛ ومقیاس پذیری آینده.NVIDIA Mellanox 980-9I45J-00H010طراحی شده تا عنصر اساسی برای پاسخگویی به این خواسته های حیاتی باشد.

2طراحی کلی معماری شبکه/سیستم

معماری پیشنهادی از یک شبکه سلسله مراتبی سنتی به یک پارچه ارتن ارتن صاف و با عملکرد بالا ساخته شده بر اساس RDMA بر روی ارتن متقابل (RoCE) تغییر می کند.اين فلسفه طراحي به حداقل رساندن تعداد هپ مي رسد، تاخیر را کاهش می دهد و جریان ترافیک را ساده می کند. اجزای اصلی شامل:

• لایه محاسباتی:گره های سرور مجهز به980-9I45J-00H010آداپتورهای شبکه ای که نقاط پایانی پارچه را تشکیل می دهند.
• لایه پارچه:یک توپولوژی برگ ستون فقرات با استفاده از سوئیچ های مبتنی بر طیف با تعداد پورت بالا و تاخیر کم، اطمینان از اتصال غیر مسدود کننده.
• لایه ذخیره سازی:سیستم های هدف NVMe-over-Fabrics (NVMe-oF) که از طریق همان پارچه برای دسترسی یکپارچه با سرعت بالا متصل می شوند.
• لایه مدیریت و ارکستر سازی:یک پلت فرم متمرکز با استفاده از راه حل های BlueField و Cumulus NVIDIA برای کنترل تعریف شده توسط نرم افزار، دوربین سنجی و اتوماسیون.

این معماری تضمین می کند که980-9I45J-00H010 مرکز داده شبکه ی پرسرعتاین قابلیت به طور کامل از لبه سرور تا هسته شبکه استفاده می شود، ایجاد یک سطح داده بی نقص.

3نقش Mellanox 980-9I45J-00H010 و ویژگی های کلیدی

در980-9I45J-00H010 محصول شبکهاین یک موتور پردازش اطلاعات هوشمند است که در هر گره سرور مستقر شده است. نقش آن این است که انتقال داده ها را کاهش دهد، تسریع کند و امن کند.ویژگی های کلیدی که ارزش آن را در این راه حل تعریف می کنند::

• تخلیه مبتنی بر سخت افزار:تخلیه جامع پروتکل های TCP / IP، RoCE و NVMe-oF، آزاد کردن 20-30٪ از چرخه های CPU سرور برای برنامه های تولید درآمد.
• تاخیر بسیار کم و RoCE پیشرفته:ارائه تاخیر ثابت در محدوده میکروسکنید که برای HPC و بار کاری تراکنش بسیار مهم است. این پشتیبانی از DCB و ECN برای یک اترنت بدون ضرر واقعی است.
• امنيت افزوده:این سیستم رمزگذاری IPsec و TLS با سرعت سخت افزاری را فراهم می کند و امنیت داده ها را بدون از دست دادن عملکرد تضمین می کند.
• تکنولوژی GPUDirect:امکان مبادله مستقیم داده بین حافظه GPU و شبکه را فراهم می کند، به طور چشمگیری AI و چارچوب های محاسباتی علمی را تسریع می کند.

تضمین راه حل980-9I45J-00H010 سازگاربا سخت افزار سرور موجود و سیستم عامل یک شرط پیش فرض است و تایید دقیق باید با استفاده از رسمی انجام شود.صفحه اطلاعات 980-9I45J-00H010و ماتریس سازگاری.

4توصیه های تعبیه و مقیاس بندی

استقرار باید از یک رویکرد مرحله ای و کاربردی متمرکز پیروی کند. با حساس ترین کشمکش یا I / O فشرده ترین خوشه کار شروع کنید.

توپولوژی معمولی:یک ستون فقرات دو طبقه برای اکثر استقرار ها توصیه می شود.980-9I45J-00H010آداپتورها) به دو سوئیچ برگ متصل می شوند. سوئیچ های برگ سپس به هر سوئیچ ستون فقرات متصل می شوند و یک هسته کامل را ایجاد می کنند که چندین مسیر با هزینه برابر را فراهم می کند.

راهنمايي در مقیاس:پارچه با اضافه کردن سوئیچ های ستون فقرات و پوسته های جدید سرور برگ به صورت افقی مقیاس می گیرد.980-9I45J-00H010آداپتورها عملکرد ثابت را در مقیاس به دلیل معماری سخت افزاری خود حفظ می کنند و از ازدحام کنترل کنترل جلوگیری می کنند.راه حل به سناریوهای Data Center Interconnect (DCI) با استفاده از اپتیک های دور برد و دستگاه های دروازه گسترش می یابد.، حفظ یک مدل عملیاتی واحد.

5عملیات، نظارت، رفع مشکل و بهینه سازی

برتری عملیاتی یک سنگ بنای این است980-9I45J-00H010 راه حل محصول شبکهروش های کلیدی عبارتند از:

• مدیریت واحد:استفاده از NVIDIA's NetQ یا مدیران پارچه مشابه برای یک صفحه شیشه ای برای نظارت بر سلامت و عملکرد همه980-9I45J-00H010نقاط پایانی و سوئیچ ها
• تليمتري فعال:استفاده از مجموعه غنی از شمارنده های آداپتور برای تجزیه و تحلیل دقیق الگوهای ترافیک، نرخ خطا، استفاده از بافر و هیستگرام های تاخیر.
• جداسازی خطای:تخلیه سخت افزاری دامنه های خطا را ساده می کند. از تشخیص های جاسازی شده و ثبت لینک-فلپ برای جدا کردن سریع مشکلات لایه فیزیکی در مقابل برنامه یا مشکلات میزبان استفاده کنید.
• تنظیم عملکرد:بهینه سازی RoCE و تنظیمات برنامه بر اساس پروفایل بار کار. ابزارها مانند `perftest` و `mlnx_trace` برای مقایسه و تجزیه و تحلیل عمیق ارزشمند هستند.

ایجاد یک خط پایه از معیارهای عملکرد عادی پس از استقرار برای بهینه سازی مداوم موثر و رفع سریع مشکل بسیار مهم است.

6خلاصه و ارزیابی ارزش

راه اندازی یک شبکه مبتنی برNVIDIA Mellanox 980-9I45J-00H010ارزش چند وجهی را ارائه می دهد که فراتر از ارتقاء ساده اتصال است.

در نتیجه، این راه حل فنی طرحی را برای تبدیل زیرساخت های شبکه از یک مرکز هزینه به یک شتاب دهنده استراتژیک فراهم می کند.980-9I45J-00H010قطعه سخت افزاری حیاتی است که این تحول را از نظر فنی قابل اجرا و از نظر اقتصادی مناسب می کند و راه را برای نسل بعدی برنامه های کاربردی مبتنی بر عملکرد هموار می کند.