光电混合数据中心网络负载均衡流量调度机制

光电混合数据中心网络采用传统的RED(Random Early Detection)流量调度机制容易造成数据流丢失,同时在等价转发路径的选择上存在随机性。提出一种基于流量预测矩阵的负载均衡流量调度机制。该机制利用软件定义网络,具有全局视角的优点,周期性统计网络流量,建立流量预测矩阵。通过流量预测矩阵动态计算数据流在多条等价链路上的转发概率,并按此概率完成下一个周期的转发。同时,利用电交换链路单独处理突发流量,提高网络吞吐量,实现网络负载均衡。在光电混合数据中心网络拓扑结构上建立合成流量模型进行仿真实验和性能分析。结果表明,与传统的RED流量调度机制相比,该机制能够提高网络吞吐量、降低数据流丢弃率。

可重构OCS技术在大模型预训练中的应用(特邀)

【目的】相比于电子分组交换机(EPS),全光电路交换(OCS)在时延、功耗、成本和稳定性等各个方面都体现出了优势,文章通过分析大模型预训练中的并行切分策略、集合通信需求、流量模式和现今的网络架构,讨论了基于OCS在训练组网中的可行的应用方式,以在训练任务中充分利用OCS的优势。【方法】文章提出在故障快速恢复中采用多个小端口OCS进行网络设备冗余保护的机制,可在机顶(ToR)交换机故障时快速切换不中断训练任务。此外,文章还提出OCS只为数据并行(DP)服务,且仅在任务开始前进行配置。【结果】文章提出了多种可行的光电组网架构,以及在不同AllReduce算法下的具体配置,采用包括集合通信算法和架构设计联合优化的方式达到更优的带宽利用率。【结论】只要充分结合训练任务的流量模型,OCS可以很好地融入现有EPS网络架构,从成本、低功耗、低时延以及高稳定性等各方面对大模型预训练进行优化。