RDMA技术概述
RoCE协议栈
RoCE v1与v2区别
RoCE应用场景
无损网络概念
PFC流控机制
ECN拥塞通知
DCQCN拥塞控制
ethtool基本用法
查看网卡统计
配置PFC/ECN
实战案例
ib_write_bw
ib_read_bw
ib_send_bw
ib_atomic_bw
rdma link
rdma dev
rdma statistic
rdma monitor
mlxstat
mlxlink
mlxreg
mstflint
SNMP
sFlow
NetFlow
交换机计数器
GPU内存
GPU带宽
GPU与网卡亲和性
NCCL测试
NVMe over Fabrics
存储延迟
IOPS
吞吐量
AllReduce性能
梯度同步
通信计算重叠
拓扑感知
Python采集脚本
Shell监控脚本
告警阈值设置
Prometheus数据源
RoCE监控面板
告警规则
大规模集群RoCE监控体系搭建
故障演练
持续优化