InfiniBand網(wǎng)絡(luò)內(nèi)計算的關(guān)鍵技術(shù)和應(yīng)用

InfiniBand在高性能計算（HPC）和人工智能（AI）應(yīng)用中發(fā)揮著關(guān)鍵作用，體現(xiàn)在它提供了高速、低延遲的網(wǎng)絡(luò)通信能力，以支持大規(guī)模數(shù)據(jù)傳輸和復(fù)雜計算任務(wù)。而InfiniBand的重要性還延伸至網(wǎng)絡(luò)內(nèi)計算領(lǐng)域，其在此領(lǐng)域的應(yīng)用正在逐步擴(kuò)大。通過在網(wǎng)絡(luò)內(nèi)部執(zhí)行計算任務(wù)，InfiniBand進(jìn)一步降低了延遲并提升了整體系統(tǒng)效率，有力推動了HPC和AI領(lǐng)域向更高性能和更強(qiáng)智能邁進(jìn)。

InfiniBand網(wǎng)絡(luò)內(nèi)計算：它是什么？

InfiniBand網(wǎng)絡(luò)內(nèi)計算（INC）是InfiniBand技術(shù)的一種延伸設(shè)計，旨在通過將計算能力引入網(wǎng)絡(luò)來提升系統(tǒng)性能。在網(wǎng)絡(luò)計算領(lǐng)域中，它有效地解決了AI和HPC應(yīng)用中的集體通信問題以及點(diǎn)對點(diǎn)瓶頸問題，為數(shù)據(jù)中心的可擴(kuò)展性提供了新穎的視角和解決方案。。

In-Network Computing的理念在于將計算功能集成到InfiniBand網(wǎng)絡(luò)中的交換機(jī)和InfiniBand適配器中。這樣一來，可以在數(shù)據(jù)傳輸?shù)耐瑫r執(zhí)行簡單的計算任務(wù)，無需將數(shù)據(jù)傳輸至服務(wù)器等終端節(jié)點(diǎn)進(jìn)行處理，從而消除了這一環(huán)節(jié)的需求

數(shù)據(jù)中心中的InfiniBand網(wǎng)絡(luò)內(nèi)計算

近年來，現(xiàn)代數(shù)據(jù)中心的發(fā)展體現(xiàn)為一種新型的分布式并行處理架構(gòu)，這一趨勢由云計算、大數(shù)據(jù)、高性能計算和人工智能驅(qū)動。CPU、內(nèi)存和存儲等資源在整個數(shù)據(jù)中心中分散，并通過諸如InfiniBand、以太網(wǎng)、光纖通道以及Omni-Path等高速網(wǎng)絡(luò)技術(shù)相互連接。協(xié)同設(shè)計與分工合作共同實(shí)現(xiàn)了數(shù)據(jù)處理任務(wù)的集體完成，構(gòu)建了一個圍繞業(yè)務(wù)數(shù)據(jù)為核心、平衡的系統(tǒng)架構(gòu)。

InfiniBand網(wǎng)絡(luò)內(nèi)計算通過在網(wǎng)絡(luò)內(nèi)部執(zhí)行計算任務(wù)，將數(shù)據(jù)處理職責(zé)從CPU轉(zhuǎn)移到網(wǎng)絡(luò)，從而實(shí)現(xiàn)集成化的網(wǎng)絡(luò)內(nèi)計算，減少延遲并提升系統(tǒng)性能。借助網(wǎng)絡(luò)協(xié)議卸載、遠(yuǎn)程直接內(nèi)存訪問（RDMA）、GPUDirect等關(guān)鍵技術(shù)，InfiniBand實(shí)現(xiàn)了在線計算、通信延遲降低及數(shù)據(jù)傳輸效率優(yōu)化等功能。這種深度集成的網(wǎng)絡(luò)內(nèi)計算為高性能計算和人工智能應(yīng)用提供了有力的支持。

InfiniBand網(wǎng)絡(luò)內(nèi)計算的關(guān)鍵技術(shù)

網(wǎng)絡(luò)協(xié)議卸載

網(wǎng)絡(luò)協(xié)議卸載是指通過將與網(wǎng)絡(luò)相關(guān)的協(xié)議處理任務(wù)轉(zhuǎn)移到專用硬件上，從而減輕CPU的處理負(fù)擔(dān)。

InfiniBand網(wǎng)絡(luò)適配器和InfiniBand交換機(jī)負(fù)責(zé)處理整個網(wǎng)絡(luò)通信協(xié)議棧的處理工作，涵蓋物理層、鏈路層、網(wǎng)絡(luò)層以及傳輸層。這種卸載技術(shù)在數(shù)據(jù)傳輸過程中消除了對額外軟件和CPU處理資源的需求，顯著提升了通信性能。

RDMA

遠(yuǎn)程直接內(nèi)存訪問（RDMA）技術(shù)是為了解決網(wǎng)絡(luò)傳輸中服務(wù)器端數(shù)據(jù)處理延遲的問題而開發(fā)的。RDMA允許從一臺計算機(jī)的內(nèi)存直接將數(shù)據(jù)傳輸?shù)搅硪慌_計算機(jī)的內(nèi)存，無需CPU介入，從而降低數(shù)據(jù)處理延遲并提升網(wǎng)絡(luò)傳輸效率。

RDMA使得用戶應(yīng)用程序可以直接將數(shù)據(jù)傳輸至服務(wù)器存儲區(qū)域，這些數(shù)據(jù)隨后能夠通過網(wǎng)絡(luò)快速傳送到遠(yuǎn)程系統(tǒng)的存儲區(qū)域。這一過程消除了傳輸過程中多次數(shù)據(jù)復(fù)制和文本交換操作的需求，從而顯著降低了CPU負(fù)載。

GPUDirect RDMA

GPUDirect RDMA是一項(xiàng)利用RDMA能力促進(jìn)GPU節(jié)點(diǎn)之間直接通信的技術(shù)，從而提升GPU集群的通信效率。

在集群內(nèi)部不同節(jié)點(diǎn)上的兩個GPU進(jìn)程需要進(jìn)行通信的情況下，GPUDirect RDMA技術(shù)允許RDMA網(wǎng)絡(luò)適配器直接在兩個節(jié)點(diǎn)的GPU內(nèi)存之間傳輸數(shù)據(jù)。這消除了CPU參與數(shù)據(jù)復(fù)制的需求，減少了對PCIe總線的訪問次數(shù)，最大限度地減少了不必要的數(shù)據(jù)復(fù)制操作，并顯著提高了通信性能。

SHARP

可擴(kuò)展層級聚合與減少協(xié)議（SHARP）是一種針對涉及集體通信的高性能計算和人工智能應(yīng)用而設(shè)計的集體通信網(wǎng)絡(luò)卸載技術(shù)，旨在優(yōu)化效率。

SHARP將計算引擎單元集成到InfiniBand交換機(jī)芯片中，支持各種定點(diǎn)或浮點(diǎn)計算。在包含多個交換機(jī)的集群環(huán)境中，SHARP在物理拓?fù)浣Y(jié)構(gòu)上建立一個邏輯樹形結(jié)構(gòu)，使得多個交換機(jī)能夠并行且分布式地處理集體通信操作。這種SHARP樹狀結(jié)構(gòu)的并行和分布式處理極大地減少了集體通信的延遲，減輕了網(wǎng)絡(luò)擁塞，并提高了集群系統(tǒng)的可擴(kuò)展性。該協(xié)議支持諸如屏障（Barrier）、Reduce、All-Reduce等操作，從而提升了大規(guī)模計算環(huán)境中的集體通信效率。

InfiniBand網(wǎng)絡(luò)內(nèi)計算應(yīng)用：HPC與AI

由于其能夠提升整體系統(tǒng)性能和效率，InfiniBand網(wǎng)絡(luò)內(nèi)計算在HPC和AI領(lǐng)域得到了顯著的應(yīng)用。

InfiniBand在網(wǎng)絡(luò)內(nèi)計算在高性能計算中的應(yīng)用

在以計算密集型任務(wù)為主的高性能計算（HPC）領(lǐng)域中，InfiniBand對于緩解CPU/GPU資源競爭至關(guān)重要。高性能計算任務(wù)的通信密集特性，包括點(diǎn)對點(diǎn)通信和集體通信，需要有效的通信協(xié)議支持。在此背景下，卸載技術(shù)、RDMA、GPUDirect以及SHARP等技術(shù)被廣泛采用，以優(yōu)化計算性能。

InfiniBand網(wǎng)絡(luò)內(nèi)計算在人工智能中的應(yīng)用

作為前沿技術(shù)的人工智能，極大程度上依賴于InfiniBand網(wǎng)絡(luò)內(nèi)計算來加快訓(xùn)練過程并獲得高精度模型。在當(dāng)前環(huán)境下，GPU或?qū)Ｓ肁I芯片是AI訓(xùn)練平臺的計算核心。這些平臺利用InfiniBand加速訓(xùn)練過程，眾所周知這是一個計算密集型的過程。卸載應(yīng)用程序通信協(xié)議對于減少AI訓(xùn)練期間的延遲至關(guān)重要。GPUDirect RDMA技術(shù)被用于提升GPU集群之間的通信帶寬，有效減少了通信延遲。

結(jié)論

InfiniBand網(wǎng)絡(luò)內(nèi)計算作為一種創(chuàng)新的網(wǎng)絡(luò)計算技術(shù)，為HPC和AI領(lǐng)域提供了高效且可靠的計算支持。作為信息技術(shù)領(lǐng)域的重要創(chuàng)新之一，InfiniBand網(wǎng)絡(luò)內(nèi)計算將持續(xù)引領(lǐng)網(wǎng)絡(luò)計算技術(shù)的進(jìn)步和發(fā)展。