人工智能（AI），特別是大規(guī)模模型訓(xùn)練和推理，正以前所未有的方式重塑數(shù)據(jù)中心網(wǎng)絡(luò)。傳統(tǒng)的“盡力而為”網(wǎng)絡(luò)架構(gòu)，在處理海量、突發(fā)的AI數(shù)據(jù)洪流時(shí)捉襟見肘。AI模型對(duì)網(wǎng)絡(luò)性能的嚴(yán)苛要求——高帶寬、低延遲、零丟包——迫使網(wǎng)絡(luò)必須進(jìn)行一場(chǎng)深刻的智能進(jìn)化，從被動(dòng)的基礎(chǔ)設(shè)施轉(zhuǎn)變?yōu)槔斫鈽I(yè)務(wù)、感知狀態(tài)、智能決策的“AI感知網(wǎng)絡(luò)”。

AI業(yè)務(wù)訴求：對(duì)傳統(tǒng)網(wǎng)絡(luò)架構(gòu)的挑戰(zhàn)

AI集群（如GPU/TPU服務(wù)器）間的通信呈現(xiàn)出典型的“大象流”特征，流量總量巨大、并發(fā)連接少、單條流帶寬極高（可達(dá)數(shù)百Gbps）。這與傳統(tǒng)數(shù)據(jù)中心中“數(shù)量多、帶寬小”的“老鼠流”模式截然不同。傳統(tǒng)均衡技術(shù)失效，逐流ECMP依賴Hash算法在少量大流上極易導(dǎo)致嚴(yán)重負(fù)載不均，特定路徑擁塞而其他路徑閑置。Flowlet 對(duì)路徑時(shí)延差異敏感，配置參數(shù)（如Gap值）難以適應(yīng)動(dòng)態(tài)變化的網(wǎng)絡(luò)環(huán)境，全局信息缺失導(dǎo)致效果打折。逐包ECMP亂序問題嚴(yán)重，嚴(yán)重影響GPU計(jì)算效率。AI訓(xùn)練任務(wù)（如AllReduce）具有全局同步特性。任何一條關(guān)鍵路徑上的擁塞、丟包或高延遲，都會(huì)導(dǎo)致整個(gè)計(jì)算集群“空等”，顯著拖慢任務(wù)完成時(shí)間（Job Completion Time, JCT），直接影響業(yè)務(wù)效率和資源成本。

RoCE交換機(jī)（SONiC-Based）選用的動(dòng)態(tài)智能選路創(chuàng)新方案結(jié)合了逐流 ECMP 均衡和基于子流 flowlet 均衡提出動(dòng)態(tài)WCMP（Weighted Cost Multipath）和基于flowlet 的 ALB（Auto Load Balancing），下面將介紹具體相關(guān)技術(shù)。

網(wǎng)絡(luò)智能進(jìn)化：為AI而生的核心技術(shù)

網(wǎng)絡(luò)態(tài)勢(shì)實(shí)時(shí)感知：高精度測(cè)量的基石

• ASIC硬件級(jí)統(tǒng)計(jì)（百毫秒級(jí)）：? 直接讀取交換機(jī)芯片寄存器，獲取端口/隊(duì)列的帶寬利用率、緩存占用等關(guān)鍵指標(biāo)，通過SONiC控制面以亞秒級(jí)精度匯聚分析。

• 帶內(nèi)網(wǎng)絡(luò)遙測(cè)INT（納秒級(jí)）：? 采用HDC（高延遲捕獲）技術(shù)。當(dāng)數(shù)據(jù)包在交換機(jī)內(nèi)部經(jīng)歷超過設(shè)定閾值的延遲時(shí)，該數(shù)據(jù)包的前150字節(jié)及關(guān)鍵元數(shù)據(jù)（入口/出口端口、精確時(shí)延）會(huì)被復(fù)制并發(fā)送給分析器（如交換機(jī)CPU）。這提供了前所未有的微突發(fā)流量和隊(duì)列擁塞的洞察能力。

動(dòng)態(tài)智能選路技術(shù)在星融元交換機(jī)上開啟 HDC 功能，并將 CPU 作為 HDC 的收集分析器，通過分析 HDC 報(bào)文實(shí)現(xiàn)高精度測(cè)量交換機(jī)轉(zhuǎn)發(fā)時(shí)延，并將時(shí)延信息作為路徑質(zhì)量評(píng)價(jià)因子，提高路徑質(zhì)量評(píng)價(jià)精度。

命令行配置 HDC 功能控制INT進(jìn)程運(yùn)行，之后通過 socket 連接進(jìn)行收包循環(huán)，將收取到的報(bào)文進(jìn)行解析并將關(guān)鍵信息（出入端口、轉(zhuǎn)發(fā)時(shí)延等）寫入數(shù)據(jù)庫。

全局路徑智能評(píng)估與同步

感知到的數(shù)據(jù)需要轉(zhuǎn)化為對(duì)整網(wǎng)路徑質(zhì)量的統(tǒng)一認(rèn)知。

• BGP擴(kuò)展社區(qū)屬性傳遞路徑質(zhì)量：? 創(chuàng)新性地?cái)U(kuò)展BGP協(xié)議（數(shù)據(jù)中心廣泛部署的底層路由協(xié)議），定義新的Path Bandwidth Extended Community屬性。該屬性攜帶一個(gè)綜合評(píng)估路徑質(zhì)量的浮點(diǎn)數(shù)值（單位GB/s），通過BGP Update報(bào)文在整網(wǎng)擴(kuò)散。

路徑質(zhì)量同步算法邏輯如下圖所示：

動(dòng)態(tài)智能選路技術(shù)將兩層 Leaf-Spine 組網(wǎng)中的交換機(jī)端口分為了三類：Leaf 上行口、Leaf 下行口和 Spine口，每種類型端口賦予不同的計(jì)算系數(shù)，且每種端口的計(jì)算系數(shù)可配。

• 異常路徑主動(dòng)剔除：? 設(shè)定質(zhì)量閾值。綜合質(zhì)量過低的路徑（如擁塞嚴(yán)重、時(shí)延過高）被判定為“異常路徑”并暫時(shí)剔除，避免其拖累整體性能，待其恢復(fù)后重新引入。

智能負(fù)載決策與執(zhí)行：動(dòng)態(tài)WCMP + Flowlet ALB

基于實(shí)時(shí)感知的全局路徑視圖，執(zhí)行層實(shí)現(xiàn)精細(xì)化流量調(diào)度：

動(dòng)態(tài)WCMP（加權(quán)多路徑）：?

• 核心思想：? 不再是ECMP的“平均主義”，而是根據(jù)每條路徑的實(shí)時(shí)綜合質(zhì)量動(dòng)態(tài)計(jì)算權(quán)重（如質(zhì)量比38:80對(duì)應(yīng)權(quán)重比3:7）。
• 效果：? 將流量按比例引導(dǎo)到當(dāng)前最優(yōu)的路徑上，最大化利用可用帶寬，避免擁塞熱點(diǎn)。權(quán)重隨網(wǎng)絡(luò)狀態(tài)變化而動(dòng)態(tài)調(diào)整。

基于Flowlet的自動(dòng)負(fù)載均衡（ALB）：?

• 作為ECMP的智能增強(qiáng)器：? 在ECMP選定的下一跳組內(nèi)，ASIC芯片實(shí)時(shí)監(jiān)測(cè)組內(nèi)各出端口的瞬時(shí)負(fù)載和隊(duì)列時(shí)延。
• 微秒級(jí)智能調(diào)度：? 當(dāng)一個(gè)Flowlet（具有自然間隙的數(shù)據(jù)包子流）到達(dá)時(shí)，ALB將其動(dòng)態(tài)分配到組內(nèi)當(dāng)前負(fù)載最輕或時(shí)延最低的物理端口上。高負(fù)載/高時(shí)延端口會(huì)被臨時(shí)跳過。
• 故障自愈：? 支持端口級(jí)Fail-over，鏈路故障時(shí)自動(dòng)觸發(fā)流量重分布。

多租戶支持：網(wǎng)絡(luò)虛擬化（VRF）

AI云平臺(tái)需要支持多租戶隔離。

• VRF隔離：? 為不同用戶/租戶分配獨(dú)立VRF路由表。
• 基于源IP的流量分類：? 利用ASIC的PRE-ACL能力，根據(jù)GPU網(wǎng)段源IP自動(dòng)將流量劃入對(duì)應(yīng)的租戶VRF進(jìn)行查表轉(zhuǎn)發(fā)，確保租戶間嚴(yán)格隔離。

智能網(wǎng)絡(luò)賦能AI業(yè)務(wù)場(chǎng)景

化解流量洪峰：動(dòng)態(tài)WCMP的威力

• 場(chǎng)景：? 256 x 400G GPU集群，1:1收斂比Leaf-Spine架構(gòu)。Server1 GPU1 -> Server17 GPU1的大象流。
• 傳統(tǒng)ECMP困境：? Hash沖突可能導(dǎo)致所有大象流涌向同一Spine，造成Leaf1上行口擁塞丟包，拖慢整個(gè)訓(xùn)練任務(wù)

動(dòng)態(tài)智能選路方案：?

1. Server17 GPU1的BGP路由攜帶Leaf17->GPU1質(zhì)量宣告。
2. Spine疊加自身->Leaf17質(zhì)量后宣告給Leaf1。
3. Leaf1疊加自身->Spine質(zhì)量，匯總所有到GPU1路徑的質(zhì)量。
4. Leaf1剔除劣質(zhì)路徑，基于剩余路徑質(zhì)量動(dòng)態(tài)計(jì)算WCMP權(quán)重（如3:7）。
5. 流量按最優(yōu)比例分發(fā)到多條Spine路徑，避免單點(diǎn)擁塞，保障大象流順暢。

業(yè)務(wù)價(jià)值：? 防止關(guān)鍵路徑擁塞，穩(wěn)定JCT，提升GPU集群整體利用率。

Flowlet ALB優(yōu)化ECMP

• 場(chǎng)景：? 在Leaf1到Spine的ECMP組內(nèi)，某條鏈路突發(fā)微擁塞導(dǎo)致時(shí)延升高。

Flowlet ALB作用?

1. ASIC實(shí)時(shí)檢測(cè)到該出端口負(fù)載/時(shí)延超標(biāo)。
2. 后續(xù)到達(dá)的Flowlet被自動(dòng)引導(dǎo)至組內(nèi)其他負(fù)載正常/時(shí)延低的端口。
3. 擁塞端口被暫時(shí)“規(guī)避”，待其負(fù)載/時(shí)延恢復(fù)正常后，F(xiàn)lowlet將再次被分配至此端口。

業(yè)務(wù)價(jià)值：? 消除微突發(fā)導(dǎo)致的局部擁塞和抖動(dòng)，優(yōu)化端到端時(shí)延，提升GPU計(jì)算效率。

AI時(shí)代的網(wǎng)絡(luò)，已不再是簡(jiǎn)單的連通管道。星融元CX-N系列RoCE交換機(jī)所代表的動(dòng)態(tài)感知 + 智能決策（動(dòng)態(tài)WCMP） + 精準(zhǔn)執(zhí)行（Flowlet ALB） 架構(gòu)，標(biāo)志著網(wǎng)絡(luò)向“AI感知網(wǎng)絡(luò)”的深刻進(jìn)化。這種進(jìn)化以保障AI業(yè)務(wù)性能為核心目標(biāo)，通過實(shí)時(shí)感知網(wǎng)絡(luò)狀態(tài)、智能評(píng)估路徑質(zhì)量、動(dòng)態(tài)調(diào)整流量分布，有效化解了傳統(tǒng)網(wǎng)絡(luò)在AI負(fù)載下的性能瓶頸，為大規(guī)模AI訓(xùn)練和推理提供了穩(wěn)定、高效、無損的網(wǎng)絡(luò)基石，釋放AI的真正潛力。