智算中心网络

代码在线跑，知识轻松学

Python精品学习库

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

博客搬家 | 分享价值百万资源包

往期视频·干货材料·成员作品 最新动态

技术创作特训营·精选知识专栏

新邀入驻腾讯云开发者社区，福利多多！

如何运用「云、端融合的数智化安全体系」高效护航数据安全

左手AI，右手安全 —— 一汽丰田数字化转型之路

在云计算环境中，多租户网络（Multi-Tenant Network） 是实现高效资源利用的核心技术。它通过在共享的底层物理网络基础设施上，为多个独立租户（用户、企业或部门）构建逻辑隔离的专属虚拟网络环境，同时满足动态扩展、严格安全和差异化服务质量（QoS）的需求。

自动化+可视化的智算中心多租户网络配置工具

在当今由人工智能和高性能计算驱动的世界中，网络性能至关重要。各种规模的企业都依赖强大且可扩展的网络来支持从电子商务平台到创意服务的关键业务应用程序。

SONiC开源社区生态背后的开放网络革命引擎

802.11协议族是IEEE（电气和电子工程师协会）制定的无线局域网（WLAN）技术标准集合，定义了Wi-Fi技术的底层通信规则。其核心构成可分为基础框架协议、性能演进协议和功能增强协议三大类，共同构建了现代Wi-Fi的基石。

分布式网关技术 + BGP EVPN，解锁真正的无缝漫游

传统的集中式存储架构已经难以支撑海量数据的高并发访问和实时处理需求，分布式存储凭借其卓越的扩展性和灵活性，正迅速成为构建现代化数据基础设施的核心选择。然而，分布式存储的性能瓶颈往往在于网络。如何构建一个高带宽、超低时延、零丢包的无损网络，是释放分布式存储全部潜力、赋能企业关键业务（如实时数据库、AI训练、高性能计算）的关键挑战。

分布式存储性能跃迁指南：RoCE无损网络设计与优化

如今人工智能（AI）和大模型训练的蓬勃发展，大规模AI算力集群（智算集群）已成为关键基础设施。这类集群对网络性能，特别是高吞吐、低延迟和无损特性有着严苛要求，RoCE因此被广泛应用。然而，在支撑智算集群的主流Clos组网架构下，传统的ECMP路由机制存在天然的局限性，容易引发哈希极化问题，成为制约集群整体性能的瓶颈。本文将探讨哈希极化的成因、影响，并介绍一种通过主动路径规划（PPD）来优化网络配置、提升性能的解决方案。

破解哈希极化：基于主动路径规划的智算网络负载均衡方案

超以太网联盟（UEC）成立于2023年，由Linux基金会联合Meta、微软、AMD、博通等科技巨头共同发起，旨在解决AI/ML和HPC场景下传统以太网的性能瓶颈。随着千卡级AI集群成为主流，网络拥塞、延迟敏感型流量调度、大规模密钥管理等挑战日益凸显。UEC 1.0规范作为首个正式版本，聚焦传输层协议革新与跨层协同优化，其核心思想是基于以太网架构增强而非颠覆，通过分层解耦设计兼容现有生态。

收藏备查！精要解读超以太网联盟（UEC）1.0 规范（2025Q2）

AI流量往往具有突发性、大象流（大规模数据流）占比高的特点，极易造成网络拥塞热点。一条质量不佳（如高延迟、高丢包、带宽受限）的路径，不仅自身无法有效传输数据，如果ECMP继续向其分发流量，还可能导致该路径上的拥塞加剧，形成恶性循环，进而“污染”整条路径上的流量，波及更多正常应用。因此，构建一个能够实时感知路径质量、动态规避异常路径的智能负载均衡机制，成为支撑高性能AI计算的关键基础设施之一。

基于路径质量的AI负载均衡异常路径检测与恢复策略

一键导出 JSON 格式的设备互联关系数据，加速部署其他 EasyRoCE 系列工具插件，如GPU 节点内部路由规划（IRM）、主动路径规划（PPD）、多租户网络（MVD）以及实现与统一监控面板等（UG）相关的可视化呈现功能。

当千卡集群遭遇RoCE丢包——你的网络规划工具够“智能”吗？

在传统数据中心网络（尤其是Leaf-Spine架构）中，东西向流量的高效调度是核心挑战。传统BGP协议虽能实现路由可达性，但缺乏对路径质量的动态感知能力，导致流量分配不均、高延迟链路未被规避等问题。为提升网络资源利用率，动态智能选路技术应运而生。该技术基于BGP扩展机制，通过实时收集路径质量指标，实现数据流的智能调度，显著优化高吞吐场景（如分布式存储、AI训练）的性能。

从均分到优选：基于BGP扩展的动态智能选路技术实战

人工智能（AI），特别是大规模模型训练和推理，正以前所未有的方式重塑数据中心网络。传统的“尽力而为”网络架构，在处理海量、突发的AI数据洪流时捉襟见肘。AI模型对网络性能的严苛要求——高带宽、低延迟、零丢包——迫使网络必须进行一场深刻的智能进化，从被动的基础设施转变为理解业务、感知状态、智能决策的“AI感知网络”。

动态WCMP+Flowlet ALB：双引擎驱动智算网络负载均衡

当前园区网络运营普遍存在效率与风险问题。企业租户需单独向电信运营商购买互联网服务，园区运维人员则负责手动配置有线局域网。

开放生态+极简运维：多租户园区网络的云原生管理实践

在长期服务于用户AI训练/推理生产网络的实践中，我们深刻观察到传统静态或简单度量（如跳数）的选路策略难以满足高性能AI集群网络的严苛要求。AI工作负载，特别是涉及大规模参数同步（如All-Reduce操作）和RDMA（如RoCEv2）流量时，对网络的带宽可用性、低延迟和极低抖动有着近乎极致的需求。

智算网络路径质量三要素：带宽/队列/时延在智能选路中的协同优化

随着国产开源大模型DeepSeek在语言生成、多模态交互及代码能力等领域的快速崛起，其规模化部署对底层网络架构提出了更高要求。在千亿级参数模型的分布式推理场景中，多节点GPU集群的通信效率直接影响任务吞吐量和时延表现，传统网络协议已难以满足高并发、低延迟的算力需求。

算力革命：RoCE实测推理时延比InfiniBand低30%的底层逻辑

近年来，AI大模型训练对算力的需求呈指数级增长。以GPT、LLaMA为代表的千亿参数级模型，依赖分布式GPU集群进行并行计算，而集群中GPU服务器间的数据通信效率直接决定了训练任务的吞吐量和稳定性。

如何破解GPU集群集合通信路径的“黑盒”难题？

在人工智能技术快速发展的浪潮下，现代数据中心网络正面临着前所未有的挑战。GPT大模型的参数量已突破万亿级别，自动驾驶训练需要处理PB级的场景数据，这些都使得AI计算集群规模呈指数级增长。

万亿参数大模型网络瓶颈突破：突破90%网络利用率的技术实践

在人工智能、高性能计算及云计算基础设施快速发展的背景下，网络系统的微秒级延迟与能耗效率逐渐成为影响整体性能的关键因素。

开箱51.2T  800G交换机：软硬件系统大揭秘

在人工智能迅速发展的今天，大模型训练已成为推动技术进步的核心动力。然而，随着大模型规模的不断扩大和训练需求的增加，智算网络面临的挑战也日益严峻。网络作为连接计算集群的重要基础设施，其性能直接影响着AI训练的效率和效果。

IB vs RoCE：梳理AI智算网络的负载均衡与流控方案

万卡集群的多租户网络配置面临超大规模资源隔离难、动态拓扑管理复杂、故障定位效率低三大核心挑战：在多租户共享物理网络的场景下，需保障无损带宽（如RDMA）与租户级QoS，避免带宽争用导致训练延迟激增；万级节点的动态扩缩容要求自动化工具替代传统人工脚本，以应对频繁的配置变更与跨厂商设备兼容性问题；同时，超大规模网络拓扑的可视化监控能力不足，导致链路拥塞、丢包等故障排查耗时，直接影响AI训练等高敏感任务的连续性。

可视化+自动化工具如何破解万卡集群管理难题？

当传统路由设置方法在智算环境下失效，一个可行的应对方式是提前规划GPU服务器内的路由，借助Linux的多路由表和策略机制实现更加灵活、精细的流量控制和路由管理功能，但也伴随着一定的复杂性和潜在风险。

当多网卡遇上复杂网络：Linux路由策略优化方案

近年来，千亿至万亿参数规模的大语言模型（LLM）训练已成为人工智能领域的核心战场。随着模型复杂度的指数级增长， 并行计算与网络拓扑的协同设计逐渐成为突破算力瓶颈的关键挑战。

DeepSeek组网的演进与效率提升

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋 

腾讯云代码助手

CODING DevOps

Cloud Studio

SDK中心

API中心

命令行工具

腾讯云开发者社区推出了智算中心网络专栏，为你提供了智算中心网络的相关文章，致力于帮助开发者快速成长与发展。

智算中心网络

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐