📘 InfiniBand 性能优化
30 章 · 实战
⚡ 深度学习集群 · 网络进阶
01
InfiniBand 网络基础
IB架构
HCA与交换机
链路层/网络层
02
RDMA 技术原理
零拷贝
内核旁路
数据传输模式
03
InfiniBand 拓扑设计
Fat-Tree
Dragonfly+
Torus
04
交换机配置与调优
Mellanox基础
端口速率/FEC
流控策略
05
HCA卡驱动与固件升级
MLNX_OFED
固件管理
工具链
06
子网管理器 (OpenSM)
路由算法
分区Pkey
配置
07
网络性能基准测试
ib_write_bw
MPI带宽
延迟测试
08
GPU Direct RDMA
GPUDirect P2P
RDMA
NCCL协同
09
NCCL 性能调优
环境变量
Ring/Tree
关键参数
10
多轨 (Multi-Rail) 配置
多HCA绑定
LAG
自适应路由
11
拥塞控制机制
ECN/CNP
DCQCN
自适应路由
12
网络监控与诊断
ibdiagnet
ibstat
性能计数器
13
常见故障排查
链路降速
CRC错误
丢包/分区
14
网络隔离与安全
Pkey最佳实践
逻辑隔离
租户隔离
15
大规模集群组网经验
万卡挑战
分层设计
冗余容错
16
光纤与线缆选型
AOC
DAC
光模块兼容
17
固件/驱动兼容性矩阵
版本匹配
已知问题
升级策略
18
网络拓扑验证
ibnetdiscover
可视化
链路检查
19
自适应路由 (AR) 配置
AR原理
静态vs动态
性能评估
20
服务质量 (QoS) 配置
流量分类
服务等级
带宽分配
21
多租户网络设计
租户隔离
带宽保障
公平调度
22
网络性能极限优化
MTU调整
突发大小
RSS
23
与以太网混合组网
RoCE vs IB
桥接
统一管理
24
存储网络融合
NVMe over Fabrics
存储计算共享
25
网络自动化运维
Ansible
CMDB集成
变更管理
26
性能调优案例分析
问题复盘
优化对比
经验总结
27
新硬件特性
Quantum-2
NDR 400G
SHARP
28
网络容灾与高可用
冗余路径
故障切换
备份链路
29
成本优化策略
TCO分析
合理规划
二手评估
30
未来趋势
CXL与IB融合
AI网络
开放标准