1、课程导论：为什么需要IB网络？IB与以太网对比、课程整体架构与学习路径
1.1 一个真实的故事：我被以太网“坑”了
先讲个我自己的经历。
几年前，我负责搭建一个32卡GPU集群。当时图省事，直接用了25G以太网。结果呢？训练跑起来，GPU利用率只有60%。我盯着监控面板，百思不得其解。
后来一查，问题出在通信上。GPU算得快，但数据传不过来。说白了，以太网成了瓶颈。那段时间我天天加班，就为了调几个TCP参数。效果嘛，微乎其微。
嗯，从那以后，我再也不敢轻视网络了。
1.2 为什么需要IB网络？
你想想看，GPU集群的核心是什么？
算力？对，但不全对。更准确地说，是“算力+通信”。算力再强，通信跟不上，就是白搭。
IB网络（InfiniBand）就是为解决这个问题而生的。它有几个关键特性：
- 超高带宽：单端口200Gbps起步，400Gbps已量产
- 超低延迟：微秒级延迟，比以太网低一个数量级
- RDMA能力：数据直接从GPU到GPU，绕过CPU和内存
- 无损传输：流控机制保证不丢包
核心观点：IB网络不是锦上添花，而是GPU集群的刚需。没有IB，大规模分布式训练就是纸上谈兵。
1.3 IB与以太网：一场不对等的较量
很多人问我：“以太网便宜，能不能凑合用？”
我的回答是：看场景。单机单卡，以太网够用。但一旦跨节点，差距就出来了。
我整理了一张对比表，你一看就明白：
| 对比维度 | IB网络 | 以太网 |
|---|---|---|
| 延迟 | 1-3微秒 | 10-50微秒 |
| 带宽 | 200-400Gbps | 25-100Gbps |
| 丢包率 | 几乎为0 | 有丢包风险 |
| CPU卸载 | 完全卸载 | 部分卸载 |
| 成本 | 较高 | 较低 |
| 生态 | 英伟达主导 | 通用生态 |
我的建议：如果你预算充足，且集群规模超过8卡，直接上IB。别在以太网上浪费时间。我曾经见过一个客户，为了省钱用以太网，结果运维成本翻了三倍。
1.4 课程整体架构
这门课，我打算带你走完IB网络的完整搭建流程。从硬件选型到软件配置，从单机调试到集群调优，一步不落。
下面是课程的知识体系图：
1.5 学习路径建议
这门课一共10章。我建议你按顺序学，别跳。为什么？因为每一章都依赖前一章的知识。
举个例子：你不懂硬件选型，后面布线就会出问题。你不懂布线，调优就无从谈起。
我个人习惯是：先通读一遍，再回头精读重点章节。特别是第4章到第7章，那是核心中的核心。
避坑指南：我曾经见过有人跳过硬件章节，直接看调优。结果买错了网卡型号，白花了几十万。嗯，这种教训一次就够了。
1.6 你需要准备什么？
学这门课之前，我建议你具备以下基础：
- Linux基本操作（会敲命令就行）
- 网络基础知识（IP、路由、子网掩码）
- GPU基本概念（CUDA、显存）
如果你没有GPU集群？没关系。我会在课程中提供模拟环境。你可以在虚拟机里练习大部分操作。
1.7 写在最后
IB网络搭建，说难不难，说简单也不简单。关键是要理解它的设计思想。
记住一句话：IB是为高性能计算而生的。它的一切设计，都是为了“快”。
好了，导论就到这里。接下来，我们进入硬件选型环节。
本章小结：
- IB网络是GPU集群的通信基石
- IB在延迟、带宽、丢包率上全面优于以太网
- 课程按“基础→硬件→软件→调优→实战”递进
- 建议按顺序学习，不要跳章