História de sucesso
A HPE Juniper Networking desenvolve infraestrutura de IA de última geração
Para dimensionar redes preparadas para IA, a HPE Juniper Networking precisava validar o desempenho da comutação do data center em relação às demandas reais das cargas de trabalho de IA antes da implantação. Com a Keysight, a HPE Juniper Networking testou e otimizou a infraestrutura preparada para IA utilizando ferramentas de emulação e validação nativas para IA.
Validação do desempenho de redes de IA em grande escala
Destaques do estudo de caso da HPE Juniper Networking
anterior
- Quem são eles
- O Desafio
- Como eles resolveram o problema
- Os resultados
Líder de Infraestrutura de Rede
A HPE Juniper Networking projeta plataformas de rede de alto desempenho para alguns dos ambientes de data center mais exigentes do mundo. À medida que as cargas de trabalho de IA impulsionam implantações de GPU em grande escala, seus clientes estão exigindo cada vez mais desempenho, escalabilidade e confiabilidade da rede. Essas mudanças tornam a infraestrutura de data center da HPE Juniper Networking um fator crítico para a utilização, o desempenho e a eficiência de custos das GPUs, aumentando a importância da validação de arquiteturas preparadas para IA antes da implantação.
Verificação do desempenho da implantação
A HPE Juniper Networking precisava validar se as plataformas de comutação QFX5230 e QFX5240 de alta densidade poderiam funcionar de forma confiável em condições reais de tráfego de IA, antes da implantação pelos clientes. Os ambientes de IA geram fluxos de tráfego de longa duração e alta largura de banda, conhecidos como “fluxos elefante”, que sobrecarregam as arquiteturas de rede com tráfego leste-oeste, ao contrário do tráfego tradicional de data center. A emulação permite testar o comportamento fundamental dos recursos e validar a mecânica dos controles da interface de linha de comando (CLI). O desafio era comprovar o desempenho em nível de sistema nessas condições específicas de IA sem construir enormes clusters físicos de GPUs.
Emulação de tráfego nativa de IA
Utilizando o Keysight AresONE, uma plataforma de emulação de tráfego desenvolvida especificamente para data centers de IA, a HPE Juniper Networking conseguiu emular tráfego RoCEv2 a velocidades de linha de até 800GE. O tráfego pode ser intermitente e apresentar padrões específicos, como o “all-to-all”, em que muitas GPUs tentam enviar dados umas para as outras, causando congestionamento no in-cast. Ao recriar padrões de tráfego específicos de IA e o comportamento de clusters de GPUs, a HPE Juniper Networking conseguiu modelar cenários reais de congestionamento, buffer e balanceamento de carga. A solução da Keysight emula uma GPU e uma placa de interface de rede (NIC) com acesso direto à memória remota (RDMA) para criar tráfego realista de carga de trabalho de IA. Essa abordagem permitiu que a HPE Juniper Networking validasse recursos avançados de switch e controles operacionais, sem a necessidade de grandes implantações físicas de GPUs, reduzindo o risco e acelerando a preparação para os ambientes dos clientes.
Desempenho comprovado em escala de IA
Utilizando a emulação de tráfego nativa de IA da Keysight, a HPE Juniper Networking validou e otimizou o desempenho real de seus switches de alta capacidade em condições operacionais de data centers de IA. Isso permitiu à HPE Juniper Networking acelerar a validação de recursos e reduzir significativamente os riscos de implantação. Como resultado, a HPE Juniper Networking demonstrou um desempenho de rede escalável e confiável, desde centenas até dezenas de milhares de GPUs.
Conheça as ferramentas utilizadas pela HPE Juniper Networking
Explore recursos relacionados
Livro Branco
Diferenças entre redes de IA/ML e redes tradicionais
Principais perguntas e respostas técnicas sobre como a IA/ML realmente afetam as redes e o projeto de data centers.
Livro Branco
Dimensionamento de data centers de IA para um desempenho adequado às condições reais
Análise técnica sobre emulação, validação e comportamento de clusters em infraestruturas de IA em grande escala.
Relatório
Gargalos, escalabilidade e o futuro das redes de clusters de IA
Informações baseadas em pesquisas sobre investimentos em infraestrutura, lacunas de emulação, adoção de interconexão e prioridades de otimização em data centers de IA.
×
Por favor, peça a um vendedor para entrar em contato comigo.
*Indica um campo obrigatório
Obrigado
Um representante de vendas entrará em contato com você em breve.