当前位置：行业

ChatGPT成功背后的网络功臣，全栈智能网络技术揭秘|焦点快看

2023-04-17 14:49:29 来源:腾讯网

(资料图片仅供参考)

智东西（公众号：zhidxcom）

作者 | ZeR0

编辑 | 漠影

智东西4月17日报道，随着大语言模型研究日渐火热，庞大的参数规模带动计算量一路飙涨，对网络带宽提出更高要求。加速大语言模型训练和推理背后的网络基础设施也日益受到关注。

突破网络通信限制，不仅有助于提高大模型计算性能和效率，也有助于降低能耗和电力成本。近日，NVIDIA网络技术专家崔岩、NVIDIA网络市场总监孟庆与智东西等媒体进行深入交流，分享其全栈智能网络技术如何为大模型提供支撑。

孟庆谈道，在AI快速发展的过程中，后进入市场的参与者如果想要赶超已进入市场的参与者，有两种方式，一是按照已成功的范例来投入资源，二是投入同样的资源但要跑得更快，跑得更快必然需要提高效率，而提高效率就需要DPU。

OpenAI便是采用DPU节约时间成本的一大例证。微软前段时间发布的博客文章明确写道，OpenAI采用的硬件包括NVIDIA BlueField-2 DPU及其智能网卡InfiniBand 200G网络。这个被实践检验过的样本已经被很多公司参考。

一、用于两套高性能网络平台，BlueField-3 DPU今年开始大规模投放

面向全新应用，NVIDIA提供两套高性能网络平台，分别是Quantum-2 InfiniBand网络平台和Spectrum-4以太网网络平台，都是端到端400G高带宽高性能网络架构。BlueField-3 DPU是这两大网络平台里的共有组件，同时用到InfiniBand网络和以太网网络。

在前不久举行的NVIDIA GTC大会上，NVIDIA宣布BlueField-3 DPU全面投产。NVIDIA从今年开始向市场大规模投放BlueField-3 DPU产品。

NVIDIA BlueField-3 DPU会有以下的突破：

1、400G连接：2倍网络带宽、2倍网络管道线（Pipeline）、4倍主机带宽。

2、可编程计算：4倍Arm计算能力、5倍内存带宽、新增数据路径加速器。

3、零信任安全：4倍IPsec加密加速、2倍TLS加密加速、新增MACsec加密加速及平台认证。

4、弹性存储：2倍存储IO性能（IOPs）、2倍存储加密性能、新增NVMe over TCP加速。

现在的数据存储以分布式存储为主。BlueField-3 DPU可以通过虚拟存储设备的方式，让主机侧感知不到它的数据是来自于本地、还是远程，并为主机侧提供弹性存储资源。而且，数据的存储也是加密的，能够满足客户不同形态的存储类型同时保证数据的安全性。

二、四大优势，四大用例

NVIDIA BlueField-3 DPU有四个方面的优势：

1、加速性能：硬件设计架构能够满足软件定义网络、存储、安全上的卸载，提供更快、更高的性能，运行最苛刻的工作负载。

2、云规模效率：把BlueField-3 DPU应用到架构里，能够为业务应用释放x86的核心，让CPU更多去承载业务应用，而不是再去做这些基础设施的操作，从而实现前所未有的规模和更高的效率水平。

3、强大的零信任安全：在不影响性能的情况下，确保全面的数据中心安全。比如在云环境里有多租户同时共享一个数据中心的基础设施，它能够满足租户之间的安全性，实现有效隔离。它也可以把主机分为业务应用域和网络基础设施域，如果应用业务域遭黑客攻击，不会通过基础设施域在数据中心内部的进行横向攻击。

4、完全可编程的基础设施：NVIDIA DOCA软件框架提供一致的开发和运行应用程序，并保持最高性能，使得开发者或企业具备开发能力，可基于BlueField-3 DPU做自己基础设施方面的应用程序或提供相应的服务。

以下四个用例可以辅助理解BlueField-3 DPU的这些优势。

1、加速云计算。未来AI模型训练和推理的大部分算力会依托于云计算，BlueField-3 DPU能够做相应云计算的基础设施的支撑。BlueField-3 DPU可支持4096个虚拟实例，是上一代每个节点虚拟实例数量的4-8倍。这带来的好处是可以更多承载业务应用，因为每个虚机都可以单独租用。对于云计算的服务商来讲，这也是额外的收入，增加了投资回报。

2、安全云计算。在安全多租户云环境提供隔离数据中心控制平面，租户工作负载在主机上运行，基础设施工作负载在BlueField-3 DPU上运行，实现租户之间的隔离以及业务应用域和基础设施域之间的隔离，并提供了零信任安全部署的平台，所以更好保证整个数据中心的安全性。

3、加速企业计算。NVIDIA与VMware合作，目前会在戴尔的PowerEdge服务器上采用BlueField-3 DPU来运行VMware vSphere 8，每秒最多可增加50%的Redis键值存储事物处理，使得VMware网络实现零CPU核心占用。

4、可持续云计算。数据中心电能消耗及需求都在不的增长，怎么来让云计算保持可持续性？应用BlueField-3 DPU后，它本身的性能很强，能够提升服务器主机整体的性能；把所有基础设施工作负载卸载到BlueField-3 DPU上，释放出来的CPU算力资源可以用于业务应用，相当于在服务器没增加的情况下，能够支撑更多的业务，或者在做同一个业务时所需的服务器数量更少。

除了释放CPU核心以外，BlueField-3 DPU还可以节省整个服务器电能的消耗。一个服务器在空载状态、没有加任何负载的情况下，耗电量是334瓦，如果在CPU上运行IPSec工作负载，耗电量会大幅提高至728瓦。如果把IPSec工作负载卸载到DPU，不用CPU来做，则只需481瓦。

所以综合来看，BlueField-3 DPU能够节省服务器的采购数量，减少数据中心的耗电，并减少配电、冷却、机柜空间等成本，对数据中心整体硬性限制有一些本质上的改善。

三、DOCA：为DPU硬件迭代提供软件兼容性

没有软件的芯片就像昂贵的沙子，毫无用处。NVIDIA DOCA是用于BlueField DPU的软件开发框架，全称是Data-Center-infrastructure-On-A-Chip Architecture。

DOCA之于DPU正如CUDA之于GPU。DOCA 软件框架可以兼容以前和之后的BlueField系列DPU。DOCA提供卸载、加速和隔离基础设施操作，支持超大规模、企业、超级计算和超融合基础设施。一些大型云服务商、做超融合计算的公司都在学习和使用DOCA编程。

DOCA是非常成体系的，有SDK和RUNTIME运行时两部分。

SDK主要服务于开发者，提供库和驱动、编排和遥测API、开发工具，包括在x86笔记本电脑上模拟DPU构建在Arm的开发环境，还提供开发者文档和参考应用程序等，可通过NVIDIA SDK Manager或手动方式进行安装。

运行时（RUNTIME）服务于管理员角色，有基本的DOCA服务、库和驱动、用户指南、应用程序样例等，有一些工具可以帮助IT管理员或运维人员部署，安装方法包括x86/Arm DOCA运行时repo安装文件、BFB映像部署、Linux包管理器。

NVIDIA GPU云（NGC）可以简化部署，支持一键式部署到服务器中，而且通过虚拟化、迁移等手段可在x86、Arm等不同硬件环境中进行迁移。

DOCA驱动与库提供不同的API和不同层级开发接口，来满足不同需求。最底层提供的是内核模式驱动，非常资深的开发者可以在内核模式驱动上“搭积木建房子”；用户模型驱动会提供基础功能，允许开发者去调用和编写程序。

例如，国内知名云计算服务商UCloud（优刻得）采用DPU应用于其裸金属服务器租用，它可以将资源分配的软件跑在DPU上，这样客户能够100%租这台机器的计算资源、内存资源，没有隐形消耗（数据中心税）。

DOCA 2.0伴随着BlueField-3 DPU正式发布。NVIDIA BlueField-3 DPU提供了三种异构的可编程引擎，包括Arm、加速可编程管道线和数据路径加速器（DPA），用DOCA的软件框架把它统一起来。因此开发者不用在意底层异构硬件的如何实现。

比如BlueField-2 DPU上的智能网卡芯片用的是ConnectX-6，而BlueField-3 DPU用的是ConnectX-7。在ConnectX-7上实现的程序编程，可以无缝直接应用在BlueField-3 DPU上，调用同样的核心代码而无需更改。

此外，DOCA 2.0新增了对数据路径加速器（DPA）的编程功能，DPA是采用RISC-V架构的处理器，主要用来加速网络流量和处理数据包。

总得来看，DOCA 2.0有几个新的重要功能：

1、统一的软件框架。同时支持上一代DPU和最新的BlueField-3 DPU，新增DPA等功能。

2、软件生态变得丰富。很多软硬件合作伙伴都兼容并支持新一代DPU，包括Oracle OCI的云基础设施、微软Azure等。

DPA有几大特性：1、BlueField-3 DPU中引入了DPA计算子系统；2、DPA针对设备仿真、IO密集型应用、高插入率、网络流处理、客户协议、集体和DMA操作进行了优化；3、通过DOCA FlexIO SDK、DOCA DPA SDK、支持这些SDK的工具链和示例及宣传资料等方式实现客户可编程性；4、提供利用DPA开发的交钥匙应用程序。

DOCA 2.0 FLOW库是对开发者非常有用的特性，可以把对数据包处理的方式抽象出来，之后调用时，不管是做软件定义网络、网关还是做几百万次查询插入式操作，都非常有意义。

库就像是一个字典，调用时不用管具体操作是怎么完成的，对开发者来说，用简单方式就能实现这么多的功能，所以它可以快速写代码、部署，缩短业务上线时间。其目标网络应用有路由器、下一代防火器（NGFW）、负载均衡器（Load Balancer）、用户平面功能（UPF）等，都是基于NVIDIA提供的DOCA FLOW通道。

Regex是处理网络流量的重要算法，是数学里正则表达式的计算。NVIDIA在BlueField-3 DPU中改进了Regex硬件引擎。通过增强综合性能，新增的双向搜索能力可以让它更快找到匹配项，从而提高规则性能，并能够编译比BF2目前支持的更多规则。这对于网络海量并发时非常重要。

DOCA 2.0还为BlueField-3 DPU带来了新的SNAP基础设施SNAP v4。很多AI企业有上百TB的数据集，做远程调用会非常看重这个核心。用DPU卸载SNAP v4的功能可以释放带宽和调用时间，大幅提升效率。NVIDIA之后会将SNAP v4放在公共NGC上发布，也是一键部署。

DOCA 2.0 BlueMan是一款易部署的遥测可视化工具。管理员可以通过它提供的图形界面去查看自己所有的主机情况，包括健康、性能、网络流量是否存在问题以及风险预警等。