阿里巴巴资深技术专家曹政：高性能网络驱动极致智能计算

我们看一下经过各种通信优化后，对应用性能的影响，比如拍立淘千万分类模型，相比传统50GTCP网络，我们提升了2.5倍的性能，BERT对通信更加敏感，剪刀差也更大，右图更直观地展示了通信优化对于计算资源利用率的效果，如果性能扩展性不好的话，3000多张GPU卡的算力只能发挥出1000多张，其它的算力都被通信消耗掉了，使用我们的通信优化后，相当于多发挥出了1800多张卡的算力。

强资源弹性也是依赖于高性能网络，包括软件池化和硬件池化，软件池化比较成熟，硬件池法还在工作之中。软件方法就是将本地的算子通过高性能网络转发到远程执行，有软件的介入，因此性能和框架侵入性上存在不足，而硬件池化会通过超低延迟网络，亚微秒级别的网络，把原来属于服务器内的资源拉远，实现对上层软件的透明，这对网络性能的挑战非常高。从这张性能评测图上可以看到，软件池化在CNN类应用下的表现还是不错的，性能基本上不会有太大的下降，但是对于其他一些通信敏感的场景存在不足，所以硬件池化是我们研发的方向。

未来对于高算力类应用，首当其冲的需求还是更快、更宽、更大规模的网络，其中包括400G的网络，Lossy RDMA等，其次是更智能的网络，需要网络提供更多的信息，让端侧更智能地选路，甚至一些计算要发生在网络之中。未来，网络和计算的关系将会更加紧密，因为模型和数据混合并行已经形成趋势，推理和训练混合部署正在发生，更大尺度的AI+Big data+HPC发生融合，这些都对绝对性能以及性能隔离提出更高的要求，大计算的发展依赖于更高性能的网络。

延伸阅读：

• 盛科网络王俊杰：企业网、运营商数据中心交换芯片探讨
• 飞腾电信行业解决方案高级总监王彦宁：“芯”科技，共飞腾
• 阿里巴巴王永灿：近年来自研交换机的实践和探索

（编辑：上饶站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!