InfiniBand 子网管理器搭建与故障诊断 · 课程目录

InfiniBand 概述基础

什么是IB与传统以太网HPC/AI场景

InfiniBand 网络架构

SM角色子网代理SA协议栈分层

起源与发展架构设计对比其他SM

OpenSM 安装与配置

源码编译包管理器opensm.conf

OpenSM 启动与停止

命令行systemd日志调试

子网发现与初始化

节点发现LID分配路径计算

路由策略与算法

最小路径自适应路由多路径

分区概念P_Key成员管理最佳实践

虚拟通道与 QoS

VC概念服务等级SLQoS策略

多子网管理

子网间路由网关多SM冗余

SM 高可用性

主备选举状态同步故障恢复

性能监控与调优

性能指标延迟带宽路由优化

常见故障类型

链路故障节点故障配置错误路由环路

故障诊断工具

ibdiagnetibstatusibstatibrouteibping

日志分析与调试

日志级别格式解析错误日志解读

链路层故障排查

物理层信号完整性链路协商

网络层故障排查

LID冲突路由表错误路径不可达

传输层故障排查

CRC错误重传超时连接建立失败

分区故障排查

P_Key不匹配成员缺失策略冲突

SM 自身故障

进程崩溃配置加载失败数据库损坏

性能故障排查

带宽未达标延迟异常负载不均衡

多SM环境故障

主备切换失败状态不一致脑裂

固件与驱动问题

HCA固件升级驱动兼容性固件配置

网络拓扑变更管理

热插拔拓扑变更通知动态重配置

SM访问控制加密通信安全审计

自动化运维

脚本化Ansible监控告警

案例实战 1 · HPC集群

SM搭建全过程

案例实战 2 · AI集群

故障诊断与恢复

案例实战 3 · 大规模优化

SM性能优化实战

总结与展望

IB未来趋势SM技术演进学习资源