Erfolgsgeschichte
HPE Juniper Networking baut KI-Infrastruktur der nächsten Generation
Um KI-fähige Netzwerke zu skalieren, musste HPE Juniper Networking die Leistung der Rechenzentrums-Switches vor der Implementierung anhand realer KI-Workload-Anforderungen validieren. Mit Keysight testete und optimierte HPE Juniper Networking die KI-fähige Infrastruktur mithilfe KI-nativer Emulations- und Validierungstools.
Validierung der Leistungsfähigkeit von KI-Netzwerken im großen Maßstab
Highlights der HPE Juniper Netzwerk-Fallstudie
vorher
- Wer sie sind
- Die Herausforderung
- Wie sie es gelöst haben
- Die Ergebnisse
Leiter der Netzwerkinfrastruktur
HPE Juniper Networking entwickelt Hochleistungsnetzwerkplattformen für einige der anspruchsvollsten Rechenzentrumsumgebungen weltweit. Da KI-Workloads den großflächigen Einsatz von GPUs vorantreiben, steigen die Anforderungen der Kunden an Netzwerkleistung, Skalierbarkeit und Zuverlässigkeit. Diese Entwicklungen machen die Rechenzentrumsinfrastruktur von HPE Juniper Networking zu einem entscheidenden Faktor für GPU-Auslastung, Leistung und Kosteneffizienz und erhöhen somit die Bedeutung der Validierung KI-fähiger Architekturen vor der Implementierung.
Nachweis der Einsatzleistung
HPE Juniper Networking musste vor der Kundenimplementierung die Zuverlässigkeit der High-Radix-Switching-Plattformen QFX5230 und QFX5240 unter realen KI-Verkehrsbedingungen nachweisen. KI-Umgebungen erzeugen langlebige, bandbreitenintensive Datenströme, sogenannte Elephant Flows, die Netzwerkarchitekturen im Gegensatz zum herkömmlichen Rechenzentrumsverkehr durch Ost-West-Verkehr stark belasten. Die Emulation ermöglicht das Testen des grundlegenden Verhaltens von Funktionen und die Validierung der CLI-Einstellungen. Die Herausforderung bestand darin, die Systemleistung unter diesen KI-spezifischen Bedingungen nachzuweisen, ohne massive physische GPU-Cluster aufzubauen.
KI-native Verkehrssimulation
Mithilfe von Keysight AresONE, einer speziell für KI-Rechenzentren entwickelten Plattform zur Verkehrssimulation, konnte HPE Juniper Networking RoCEv2-Datenverkehr mit Leitungsgeschwindigkeiten von bis zu 800 Gbit/s simulieren. Der Datenverkehr kann sprunghaft auftreten und spezifische Muster aufweisen, beispielsweise die sogenannte „All-to-All“-Situation, bei der viele GPUs versuchen, Daten aneinander zu senden, was zu Incast-Überlastung führt. Durch die Nachbildung KI-spezifischer Verkehrsmuster und des Verhaltens von GPU-Clustern konnte HPE Juniper Networking reale Szenarien von Überlastung, Pufferung und Lastverteilung modellieren. Die Keysight-Lösung emuliert eine GPU und eine RDMA-Netzwerkschnittstellenkarte (NIC), um realistischen KI-Workload-Datenverkehr zu erzeugen. Dieser Ansatz ermöglichte es HPE Juniper Networking, erweiterte Switch-Funktionen und Betriebssteuerungen zu validieren, ohne große physische GPU-Installationen zu benötigen. Dadurch wurden Risiken reduziert und die Einsatzbereitschaft in Kundenumgebungen beschleunigt.
Bewährte Leistungsfähigkeit im KI-Maßstab
Mithilfe der KI-basierten Verkehrssimulation von Keysight validierte und optimierte HPE Juniper Networking die reale Leistung seiner High-Radix-Switches unter den Betriebsbedingungen von KI-gestützten Rechenzentren. Dadurch konnte HPE Juniper Networking die Funktionsvalidierung beschleunigen und das Implementierungsrisiko deutlich reduzieren. Das Ergebnis: HPE Juniper Networking demonstrierte eine skalierbare und zuverlässige Netzwerkleistung für Hunderte bis Zehntausende von GPUs.
Erkunden Sie die von HPE Juniper Networking verwendeten Tools
Verwandte Ressourcen erkunden
White Paper
Unterschiede zwischen KI-/ML-Netzwerken und traditionellen Netzwerken
Die wichtigsten technischen Fragen und Antworten darüber, wie KI/ML die Vernetzung und das Design von Rechenzentren tatsächlich beeinflussen.
White Paper
Skalierung von KI-Rechenzentren für die reale Leistung
Technische Einblicke in Emulation, Validierung und Clusterverhalten im Maßstab von KI-Infrastrukturen.
Bericht
Engpässe bei der Vernetzung von KI-Clustern, Skalierung und zukünftige Entwicklungen
Erkenntnisse aus Umfragen zu Infrastrukturinvestitionen, Emulationslücken, der Nutzung von Interkonnektionen und Optimierungsprioritäten in KI-Rechenzentren.
×
Bitte lassen Sie mich von einem Vertriebsmitarbeiter kontaktieren.
*Kennzeichnet ein erforderliches Feld
Danke
Ein Vertriebsmitarbeiter wird sich in Kürze mit Ihnen in Verbindung setzen.