近日
，工信部印发《推进新一代人为智能产业发展三年行动打算（2018-2020年）》
，意在加快人为智能从战术到落地
，推动人为智能和实体经济深度融合。在新工业革命的布景下
，大数据、推算力、算法等急剧迭代
，正驱动人为智能进入新阶段。2017年Q3
，全球AI公司融资金额突破77亿美元
，是2012年的70余倍？赡芑嵊腥怂嫡馐“泡沫”
，而我更愿意相信这是人为智能发展的必然了局。

在AI技术的利用过程中
，各个企业都在寻找可能更好支持高机能推算的基础网络解决规划。在《数据中心基础网络架构成功实际及未来发展趋向》这篇文章中
，我分享了若何设计一个不变靠得住的数据中心网络
，下面我们再来探求支持AI利用的高机能无损网络应该若何设计。

前面提到大数据、推算力、算法等急剧迭代
，正驱动人为智能进入新阶段
，而这些技术的实现对网络的低时延、无丢包、高机能这三个方面提出更高要求。

▲ AI利用的技术系统及对数据中心网络的要求

高机能和无丢包比力好理解
，就是指网络带宽机能的提升以及网络中不存在拥塞导致的丢包。产生时延的环节较多
，要实现端到端的低时延
，必要多角度分析：

其中
，光电传输时延和数据串行时延相对较幼
，且很难通过架构设计来优化
，我们应沉点关注主机处置时延和设备转发时延。在各大企业积极追求的高机能推算规划中
，基于以太网的RDMA（Remote Direct Memory Access）凭借其高机能和低成本优势逐步取代InfiniBand而成为主流技术。RoCEv2（RDMA over Converged Ethernet）技术基于UDP和谈
，对于建设支持AI利用的高机能无损以太网络变得尤为沉要。

结合设备转发层面的时延优化伎俩
，高机能无损网络的实现取决于两个身分：

• 无带宽收敛（1:1）的网络架构设计
• 基于PFC（Priority-Based Flow Control）和ECN（explicit congestion notification）职能的优先队列治理和拥塞治理

综上
，AI集群高机能推算和网络规划实际思路如下图所示：

▲ AI集群高机能规划关键技术组合

在这里
，我以25G网络为例
，结合业界主流产品状态
，分享AI网络架构设计和实现思路。

重要设计理想：

• 主题设备全线速高机能转发
  ，主题之间不互联
  ，选取Fabric架构
  ，隔离主题故障
  ，有效降低主题故障的影响；
• 三层路由组网
  ，通过ECMP提高冗余度
  ，降低故障风险；
• TOR高低行收敛比严格实现1:1
  ，通过提高主题设备接口密度扩大单集群服务器规模；
• 利用PFC+ECN职能
  ，实现低延时无损网络。

网络架构设计：

1.中幼型（集群规模1000台）

▲  架构设计

架构个性：

• 每台TOR选取8*100GE上联8台32口100G BOX互换机
  ，OSPF/BGP组网
• 合用集群规模1000台
• 每台TOR下联32台Servers
  ，IDC内收敛比1:1 
  ，集群带宽25Tbps

2.中型（集群规模2000台）

▲  架构设计

架构个性：

• 每台TOR选取8*100GE上联8台64口100G BOX
  ，OSPF/BGP组网
• 合用集群规模2000台
• 每台TOR下联32台Servers
  ，IDC内收敛比1:1 
  ，集群带宽50Tbps

3.大型（集群规模2000-18000台）

▲  架构设计

架构个性：

• 每台TOR选取8*100GE上联4~8台主题（机框式）
  ，BGP组网
• 合用集群规模2000~18000台
• 每台TOR下联32台Servers
  ，IDC内收敛比1:1 
  ，集群带宽50~450Tbps

4.超大型（集群规模20000+台）

▲  架构设计

架构个性：

• 单POD集群规模1000~2000台
  ，数据中心集群规模20000+
  ，BGP组网
• POD内收敛比1:1
  ，单POD集群带宽25Tbps
  ，总集群带宽500Tbps+
• POD内收敛比和上行带宽凭据集群带宽需要矫捷配置
  ，合用与非AI利用混合部署

在数据中心网络中
，PFC和ECN职能将部署在Leaf和Spine设备上。PFC作用于设备互联端口
，通过反压影响上游端口队列的发送速度
，而ECN是作用在设备转发过程
，最终影响的是数据流的发送方
，通过降低某条数据流发送速度躲避数据丢包。

• PFC 机造将以太链路上的流量分辨为分歧的等级
  ，基于每条流量单独发送“不许可证”。相对于PAUSE帧而言
  ，PFC能够将链路虚构出8条不一致级的虚构通路
  ，当某条通路出现拥塞后不会影响其它通路。
• RoCEv2 界说了 RoCEv2 Congestion Management （ RCM ）
  ，其中拥塞治理用的个性ECN（RFC 3168）是在互换机出口（egress port）提议的拥塞节造机造。当互换机的出口buffer达到设定的阈值时
  ，互换机遇扭转数据包头中的ECN位来给数据打上ECN标签
  ，当带ECN标签的数据达到接管端以来
  ，接管端会天生CNP（Congestion Notification Packet）并将它发送给发送端。CNP蕴含了导致拥塞的flow或QP的信息
  ，当发送端收到CNP后
  ，会采取措施降低发送速度。
• 由于PFC作用于整个队列
  ，而ECN只针对产生拥塞的具体味话
  ，在设置PFC和ECN有关水线时
  ，应做到先触发ECN后再触发PFC。

从表卖订单和叫车订单的智能调度
，到电商平台的智能推荐
，再到人脸鉴别支付以及即将实现的全自动无人驾驶汽车量产
，AI技术的利用已在方方面面影响着人们的生涯和工作
，让各人的生涯越来越便捷、功夫利用越来越合理。但是
，这都离不开基础设施的支持。iSlot官方网站网络将凭借在数据通讯领域近20年的技术堆集和行业经验
，创新出更好的产品和解决规划
，助力AI技术的蓬勃发展。