第二章：硬件识别与选型
做IB网卡这行，我见过太多人栽在硬件选型上。你想想看，花了几十万买设备，结果因为线缆不匹配或者固件版本不对，性能死活上不去。嗯，今天咱们就把这块掰开揉碎了讲清楚。
2.1 NVIDIA ConnectX 系列型号速览
NVIDIA的IB网卡，目前主流就是ConnectX系列。我个人习惯把它们分成三代：
| 系列 | 速率 | 接口类型 | 典型应用场景 |
|---|---|---|---|
| ConnectX-5 | 100Gb/s (EDR) | PCIe 3.0 x16 | 中小型集群、存储网络 |
| ConnectX-6 | 200Gb/s (HDR) | PCIe 4.0 x16 | AI训练、高性能计算 |
| ConnectX-7 | 400Gb/s (NDR) | PCIe 5.0 x16 | 超大规模数据中心 |
我在项目中遇到过最尴尬的事：有人买了ConnectX-7，结果插在PCIe 3.0的槽上。网卡跑在400G，但总线带宽只有100G。说白了，这就是拿法拉利跑乡间小路。
核心原则：网卡速率必须 ≤ PCIe总线带宽。ConnectX-6需要至少PCIe 3.0 x16或PCIe 4.0 x8。
2.2 线缆与光模块选择
线缆这块，我建议你记住三个关键词：距离、速率、介质。
2.2.1 铜缆 vs 光模块
- 铜缆（DAC）：适合3米以内。便宜、即插即用。但别想跑远。
- 有源光缆（AOC）：3-30米。比铜缆轻，抗干扰好。
- 光模块+光纤：30米以上。性能最好，但成本最高。
我曾经帮一个客户排查问题，他们用了10米的铜缆跑200G HDR。结果链路一直不稳定，丢包率高达0.1%。换成了AOC之后，问题立刻消失。嗯，这里要注意：铜缆超过5米，信号衰减就很明显了。
2.2.2 光模块兼容性
NVIDIA的网卡对光模块有严格的兼容性要求。我个人的经验是：
- 优先用NVIDIA原厂模块（MCP系列）
- 其次选经过认证的第三方（如Finisar、II-VI）
- 千万别用杂牌模块——我见过烧端口的
避坑指南：我曾经遇到过客户用了一款便宜的光模块，结果网卡死活认不到。查了半天，发现是模块的EEPROM里没有写NVIDIA的兼容信息。后来刷了固件才解决。所以，买模块时一定要问清楚：是否支持ConnectX系列？
2.3 固件版本确认
固件这东西，很多人不重视。但说实话，固件版本不对，性能能差30%。
2.3.1 查看当前固件版本
用 ibstat 或者 mlxconfig 都能看。我个人习惯用这个命令：
# 查看网卡固件版本
ibstat | grep -i firmware
# 或者用MFT工具
flint -d /dev/mst/mt4123_pciconf0 query输出大概长这样：
Firmware version: 20.35.1014
PSID: MT_00000000102.3.2 固件版本选择策略
我建议遵循「稳定优先」原则：
- 生产环境：用NVIDIA官网推荐的「长期支持版」（LTS）
- 测试环境：可以用最新版，尝鲜新功能
- 千万别在生产环境用Beta版——我吃过亏
小技巧：NVIDIA每个季度会发布一次固件更新。我习惯在每个季度末，检查一下官网的Release Notes。重点关注两个地方：Bug修复列表、已知问题列表。
2.4 硬件识别实战
拿到一块网卡，怎么确认它是什么型号？我一般三步走：
- 看标签：网卡侧面有型号贴纸，比如「MCX653105A-HDAT」
- 查系统：用
lspci | grep Mellanox查看PCI设备 - 读固件：用
ibstat确认速率和端口状态
举个例子，我最近调试的一台机器：
# lspci | grep Mellanox
04:00.0 InfiniBand: Mellanox Technologies MT4123 [ConnectX-6]看到「MT4123」就知道是ConnectX-6了。然后查一下固件版本，确认是不是最新的。
2.5 知识体系总览
下面这张图，是我自己总结的硬件选型决策流程。你照着走，基本不会出错：
这张图的核心逻辑很简单：先定速率，再选网卡，然后配线缆，最后确认固件。每一步都不能跳。
总结一下：硬件选型不是买最贵的，而是买最匹配的。你想想看，一个200G的网络，配了100G的线缆，那不就是白花钱吗？我见过太多这样的案例了。
好了，硬件识别和选型这块就聊到这儿。下一节咱们会讲驱动安装，到时候我会分享一些我踩过的坑，保证让你少走弯路。
公众号:蓝海资料掘金营，微信deep3321