人工智能計(jì)算領(lǐng)域的領(lǐng)導(dǎo)者NVIDIA公司，在OFC 2023會議上發(fā)表的“Software-defined, programmable L1 dataplane: demonstration of fabric hardware resilience using optical switches”論文中，介紹了其最新的工作成果，提出了一種用于數(shù)據(jù)中心網(wǎng)絡(luò)的可編程光纖結(jié)構(gòu)設(shè)計(jì)，利用HUBER+SUHNER Polatis矩陣光開關(guān)將SDN擴(kuò)展到L1。并在其HPC/ML測試臺上進(jìn)行了實(shí)驗(yàn)，利用可編程網(wǎng)絡(luò)自動(dòng)從硬件或軟件故障中進(jìn)行故障切換。

文章概述

軟件定義的控制平面徹底改變了網(wǎng)絡(luò)。應(yīng)用程序可以按需求配置網(wǎng)絡(luò)，即使需要與其他負(fù)載共享網(wǎng)絡(luò)資源。如今，網(wǎng)絡(luò)基礎(chǔ)設(shè)施的深度編程可深入到第2層（L2），例如InfiniBand（IB）子網(wǎng)管理器（SM）是軟件定義控制器的最低級別。這意味著網(wǎng)絡(luò)的可編程性無法作用于物理基礎(chǔ)設(shè)施布線，通常來講物理基礎(chǔ)設(shè)施在部署后是固定的。我們通過引入一種工作流程，即將軟件定義的控制能力擴(kuò)展到L1，來消除這一限制。軟件定義的物理層將網(wǎng)絡(luò)布線從剛性基礎(chǔ)設(shè)施轉(zhuǎn)換為可編程資源，允許在網(wǎng)絡(luò)運(yùn)行時(shí)進(jìn)行物理拓?fù)涓?。這為各種過去不可行的、新的網(wǎng)絡(luò)操作奠定了基礎(chǔ)，但同時(shí)帶來了新的影響：需要在網(wǎng)絡(luò)堆棧的更高級別處理。

基于光開關(guān)的實(shí)現(xiàn)的在網(wǎng)絡(luò)運(yùn)行時(shí)的L1可編程性使得幾個(gè)新應(yīng)用得以實(shí)現(xiàn)。第一個(gè)也是我們當(dāng)前評估的重點(diǎn)，是針對網(wǎng)絡(luò)結(jié)構(gòu)（交換機(jī)、收發(fā)器和/或服務(wù)器）中的硬件故障和軟件故障提供彈性。失效對計(jì)算集群的利用率和效率的影響在整個(gè)行業(yè)都很明顯，這使創(chuàng)建彈性網(wǎng)絡(luò)變得非常重要。業(yè)務(wù)關(guān)鍵型應(yīng)用程序需要保證持續(xù)可用性：停機(jī)意味著收入損失、客戶流失以及公司聲譽(yù)受損。L1可編程性的另一個(gè)潛在應(yīng)用是根據(jù)應(yīng)用程序需求修改網(wǎng)絡(luò)的物理拓?fù)?，例如在胖樹的葉交換機(jī)之間創(chuàng)建環(huán)面/網(wǎng)格，以減少對延遲敏感的應(yīng)用程序的通信時(shí)間?；蛟诔~訂閱的網(wǎng)絡(luò)中，根據(jù)需要將帶寬分配給網(wǎng)絡(luò)的各個(gè)部分，以根據(jù)物理拓?fù)涮峁┎煌腝oS。L1可編程性還可以在物理層中應(yīng)用隔離，斷開多個(gè)租戶之間的網(wǎng)元，或隔離已被識別為潛在威脅的主機(jī)。我們的PoC基于IB架構(gòu)，但同樣適用于NVLINK和以太網(wǎng)。

由于無法更改物理連接，當(dāng)前的故障恢復(fù)解決方案側(cè)重于通過調(diào)整轉(zhuǎn)發(fā)配置來盡可能排除故障路徑。例如在IB網(wǎng)絡(luò)中的軟件特性有SHIELD和利用替代路徑的自適應(yīng)路由。這些協(xié)議有兩個(gè)顯著的局限性。首先，它們只能在存在替代路徑的情況下使用；葉交換機(jī)上的故障（將斷開服務(wù)器與網(wǎng)絡(luò)的連接）或服務(wù)器上的故障無法通過這種方式緩解。其次，他們無法恢復(fù)集群的全部性能。另一種增強(qiáng)彈性的方法是添加冗余硬件來備份整個(gè)或部分網(wǎng)絡(luò)（例如，Dual ToR）。這種方法的缺點(diǎn)是需要更多的硬件，資源未得到充分利用。

彈性系統(tǒng)的可重構(gòu)結(jié)構(gòu)

我們利用光開關(guān)來實(shí)現(xiàn)L1可編程數(shù)據(jù)平面。光開關(guān)可對光路進(jìn)行重定位，光路的I/O排列由電接口定義控制。如圖1a所示，通過在給定網(wǎng)絡(luò)拓?fù)涞慕粨Q層之間引入光開關(guān)，實(shí)現(xiàn)了點(diǎn)對點(diǎn)光纖連接排列的可編程更改。圖1a顯示了針對小規(guī)模二級（葉脊架構(gòu)）胖樹中的彈性應(yīng)用的網(wǎng)絡(luò)架構(gòu)。在網(wǎng)絡(luò)中增加了冗余交換機(jī)（RS–冗余脊交換機(jī)和RL–冗余葉交換機(jī)）和冗余服務(wù)器。冗余設(shè)備與主網(wǎng)絡(luò)元件一并連接到光開關(guān)的可用端口。當(dāng)檢測到設(shè)備故障時(shí)，對應(yīng)的光開關(guān)會執(zhí)行修正配置：斷開故障設(shè)備與網(wǎng)絡(luò)的連接，用冗余設(shè)備替換。該設(shè)計(jì)允許可編程的彈性程度(主設(shè)備和冗余設(shè)備的比率)根據(jù)系統(tǒng)要求而變化。此外，該體系結(jié)構(gòu)可以隔離安全威脅，最大限度地減少維護(hù)期間的停機(jī)時(shí)間，同時(shí)作為通用的可編程數(shù)據(jù)平面。

我們設(shè)計(jì)并實(shí)現(xiàn)了相應(yīng)的控制平面軟件，可以看作L1數(shù)據(jù)平面控制的SDN堆棧擴(kuò)展。設(shè)計(jì)了圖形化后端來反映物理網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)（包括光交換部件），為控制器邏輯提供所需的系統(tǒng)建模支持。隨后，引入了一組概念和算法，允許SDN L1控制器識別給定部署的不同拓?fù)淇赡苄?，?zhí)行物理拓?fù)渥兓?，并向L2層控制器發(fā)出信號以適應(yīng)物理網(wǎng)絡(luò)的變化。圖1（b和c）顯示了系統(tǒng)控制回路，紫色的SDN L1（光纖結(jié)構(gòu)管理器-OFM）是執(zhí)行物理更改并向L2（在IB的情況下是子網(wǎng)管理器）發(fā)送通知的軟件。同樣地，可以擴(kuò)展L2來請求物理拓?fù)涓?。故障檢測機(jī)制（超出當(dāng)前工作范圍）通知OFM需要更換設(shè)備。OFM計(jì)算并強(qiáng)制執(zhí)行相應(yīng)的光學(xué)連接，例如，在Leaf交換機(jī)故障的情況下，圖1a中的RL1將其替換。隨后，網(wǎng)絡(luò)控制器將RL1囊括在網(wǎng)絡(luò)中。該工作流程能夠在幾秒鐘內(nèi)將網(wǎng)絡(luò)容量恢復(fù)到100%。此外，如本文下幾節(jié)所討論，我們正在進(jìn)行防止設(shè)備故障導(dǎo)致的應(yīng)用程序崩潰的工作。

圖1:  a）彈性體系結(jié)構(gòu)概述 b）控制回路流程圖和 c）軟件概述

試驗(yàn)臺說明

為了驗(yàn)證網(wǎng)絡(luò)彈性，所有小規(guī)模POD連接中都配置了一個(gè)光開關(guān)，并在葉層和脊層各添加了一個(gè)冗余的IB交換機(jī)，以替換失效的葉交換機(jī)或脊交換機(jī)。測試臺由4臺DGX服務(wù)器和14臺IB量子交換機(jī)組成：其中8臺作為葉交換機(jī)，4臺作為脊交換機(jī)。兩個(gè)額外的IB交換機(jī)作為冗余設(shè)備：一個(gè)冗余葉交換機(jī)（RL，如圖1a所示）和一個(gè)冗余脊交換機(jī)（RS）。我們使用現(xiàn)成的L1光開關(guān)【POLATIS】。光鏈路則選擇了200 Gb/s CWDM可插拔光模塊，其顯著減少了所需的光開關(guān)端口，且有足夠的鏈路預(yù)算來支持光開關(guān)的損耗。DGX具有8個(gè)IB接口（8個(gè)通道），每個(gè)通道連接到不同的Leaf交換機(jī)。葉交換機(jī)與脊交換機(jī)完全連接，即沒有超額負(fù)載。所有連接都接入光開關(guān)，以進(jìn)行各種實(shí)驗(yàn)；當(dāng)前評估重點(diǎn)關(guān)注IB交換機(jī)的更換。

實(shí)驗(yàn)程序和結(jié)果

我們進(jìn)行了交換機(jī)失效模擬，觸發(fā)SDN L1控制器搜索物理拓?fù)湟詼p輕故障。冗余交換機(jī)接管了物理拓?fù)渲泄收辖粨Q機(jī)的角色，IB子網(wǎng)管理器接收到拓?fù)涓耐ㄖ?，該通知指示其修?fù)L2網(wǎng)絡(luò)配置。通過適當(dāng)?shù)靥幚鞩B傳輸超時(shí)，運(yùn)行中的應(yīng)用程序可以在網(wǎng)絡(luò)更改后恢復(fù)運(yùn)行。

圖2顯示了我們對UCX和NCCL集體通信庫的測試結(jié)果。在該測試場景中，進(jìn)行了IB交換機(jī)故障模擬。圖表顯示了實(shí)驗(yàn)中涉及的一個(gè)DGX的IB界面上的帶寬（y軸）隨時(shí)間（x軸）的變化，對于all-to-all和all-reduce的微基準(zhǔn)測試?；鶞?zhǔn)測試在4個(gè)DGX之間和接口之間產(chǎn)生相同的流量。我們運(yùn)行微基準(zhǔn)測試，模擬故障，并監(jiān)控隨著時(shí)間的推移應(yīng)用程序的性能和狀態(tài)。在Spine故障期間，由于活動(dòng)鏈路的減少，系統(tǒng)的容量會降低，但應(yīng)用程序有可替代路徑可用，不會崩潰。啟用彈性方案后，可以在幾秒鐘內(nèi)恢復(fù)群集的全部性能（Spine故障切換）。在Leaf層發(fā)生故障（Leaf failover）的情況下，應(yīng)用程序崩潰，受影響的IB接口將保持離線狀態(tài)，直到問題解決。啟用彈性方案后，應(yīng)用程序在中斷幾秒鐘（目前約為7秒，但有待優(yōu)化）仍能繼續(xù)運(yùn)行，系統(tǒng)的全部容量也能夠恢復(fù)。

圖2：在啟用彈性解決方案的情況下，演示微基準(zhǔn)的BW恢復(fù)：a）在左側(cè)OSU上，全部到全部，b）在右側(cè)NCCL上，全部減少。顯示所有鏈路隨時(shí)間變化的帶寬：黃色部分顯示Tx帶寬，而紫色部分顯示Rx帶寬。一個(gè)DGX的所有鏈路的圖都重疊。

結(jié)論

我們提出了一個(gè)系統(tǒng)設(shè)計(jì)和工作流程，結(jié)合起來實(shí)現(xiàn)了L1的可編程性。構(gòu)建了一個(gè)HPC/ML測試臺，并通過模擬交換機(jī)故障場景來評估彈性應(yīng)用。通過添加光交換網(wǎng)絡(luò)和冗余設(shè)備，可在幾秒鐘內(nèi)自動(dòng)恢復(fù)全部容量；此外，可以避免在葉級故障期間發(fā)生的應(yīng)用程序崩潰。在未來的工作中，我們計(jì)劃提供成本分析和其他實(shí)驗(yàn)的詳細(xì)結(jié)果，包括其他應(yīng)用。

凌云光自2001年起即關(guān)注光交換技術(shù)、產(chǎn)品與應(yīng)用的推廣，2015年正式與全球光交換廠家HUBER+SUHNER Polatis公司建立戰(zhàn)略合作伙伴關(guān)系，共同開創(chuàng)光交換應(yīng)用的新時(shí)代。

HUBER+SUHNER Polatis 提供低損耗的全光交換解決方案，用于遠(yuǎn)程光纖層配置、保護(hù)、監(jiān)控、重新配置和測試?；诳煽康?、經(jīng)過現(xiàn)場驗(yàn)證的 DirectLight? 光學(xué)矩陣開關(guān)技術(shù)，Polatis 動(dòng)態(tài)光纖交叉連接可從8x8擴(kuò)展到 576x576端口，并實(shí)現(xiàn)完全透明的連接，具有低損耗和無背反射，完全獨(dú)立于波長、功率或數(shù)據(jù)速率。動(dòng)態(tài)光交叉連接是實(shí)現(xiàn)軟件定義的光網(wǎng)絡(luò)基礎(chǔ)設(shè)施自動(dòng)化和虛擬化的關(guān)鍵要素。Polatis 支持RESTCONF和NETCONF，可輕松與 OpenDaylight 等流行的 SDN 控制器集成，還與前沿的傳輸 SDN 供應(yīng)商合作，以支持新興標(biāo)準(zhǔn)并確保我們的客戶受益于可靠的 SDN 解決方案。