INT之IPT精准路径遥测：端到端网络质量监控详解

智算网络对端到端路径质量监控的需求

随着人工智能大模型训练和分布式计算等高性能应用的快速发展，智算网络对端到端路径质量的监控需求日益提升。为了应对网络拥塞和时延异常等问题，INT（In-band Network Telemetry，带内网络遥测）作为新一代网络质量分析技术，已从学术研究走向真实网络环境。其中，作为INT技术的标准方案之一，IPT（In-band Path Telemetry，带内路径遥测）在路径质量监控中发挥着重要作用。

什么是IPT技术？

IPT的核心定义

IPT，全称 In-band Path Telemetry，即带内路径遥测。它侧重于实现端到端路径质量的精准监控，通过在遥测域内配置入口节点、出口节点及传输节点，利用探针标记（Probe Marker）唯一标识遥测域，沿原始路径生成探测数据包并收集各节点统计信息，最终为网络运维提供整网路径质量的多维分析能力。

工作流程拆解

PT的工作流程主要分为以下三个核心环节：

• 入口节点（Ingress Node）：
  • 识别与采样： 通过采样或配置DSCP指定队列的方式识别目标流量，而非复制所有流量。
  • 复制与截断： 克隆原始业务报文，保留二三层首部，并截断Payload，以降低遥测流量对带宽的占用。
  • 探测包封装： 在UDP或TCP首部前16字节后插入IPT专有字段（包括探针标记、Base Header及入口节点统计信息）。
• 传输节点（Transit Node）：
  • 精准识别： 通过识别特定偏移位置的Probe Marker，迅速判定该报文为IPT探测包。
  • 元数据追加： 将本节点的路径统计信息（如设备ID、入/出接口、实时时延等）追加到IPT数据段中，且不改变原有结构。
  • 硬件透传： 确保探测包的累加处理不会引入额外的计算开销。
• 出口节点（Egress Node）：
  • 信息补全： 写入最后一个节点的元数据，形成完整的端到端路径视图。
  • 探测包终结和封装： 将探测包从业务转发路径中摘除，将收集到的全路径元数据封装并发送给采集器（Collector）。

IPT与BDC/HDC的技术对比

为了更好地选择适合的遥测方案，我们可以通过以下表格对比BDC、HDC以及IPT技术的差异：

IPT的突出优势与典型应用场景

核心方案优势

与直接修改业务报文的“染色”方式相比，基于采样和生成独立探测报文的遥测方式具有以下优势：

• 业务零干扰： 由于修改的是复制出的探测包，即便遥测逻辑出现异常，也不会影响原始业务数据的完整传输。
• 低带宽压力： 通过截断Payload，极大地减小了探测包的体积，非常适合大规模部署。
• 部署灵活性： 在不支持IPT的设备上，探测包可作为普通报文透传；而在支持节点上则进行数据采集，具备良好的兼容性。

典型应用场景：大模型训练集群的路径优化

在超千卡GPU集群的大模型训练场景中，集群依赖高性能网络实现节点间数据同步，路径质量直接影响训练效率。IPT技术可在以下环节优化路径性能：

• 端到端路径时延监控： IPT通过探测数据包采集各节点转发时延，结合入口到出口的总时延，可快速定位高延迟节点，辅助调整流量转发路径。

• 队列状态动态感知： IPT探测数据包携带队列占用大小及QP等信息，帮助运维人员快速识别拥塞队列，调整缓冲区分配策略。

随着智算网络的发展，基于INT技术的IPT方案为端到端网络路径质量提供了强有力的监控手段。了解并应用IPT技术能够帮助企业构建高效、稳定的网络基础设施。

下图展示的是基于IPT技术的EasyRoCE小工具TPE(流量路径预览）的监控面板。