¿En qué se diferencian las redes de centros de datos con IA de los centros de datos tradicionales?

Las redes de centros de datos de IA están diseñadas para el procesamiento masivamente paralelo y el movimiento de datos entre GPU estrechamente acopladas. A diferencia de las redes empresariales o en la nube tradicionales, que suelen estar optimizadas para el tráfico norte-sur y los modelos cliente-servidor, las redes de IA deben admitir un tráfico este-oeste de alto rendimiento y baja latencia a través de estructuras de conmutación de alta base. Las cargas de trabajo de entrenamiento de IA implican una comunicación de todos a todos y de muchos a muchos, lo que requiere una sincronización precisa entre miles de nodos. Esto da lugar a patrones de tráfico intermitentes, no uniformes y muy sensibles a la congestión. Las herramientas de validación estándar a menudo se quedan cortas porque carecen de la capacidad de simular las cargas de trabajo complejas y a gran escala típicas de los entornos de IA/ML. Keysight AI Data Center Builder está diseñado específicamente para este espacio, ya que modela la topología física y lógica, emula cargas de trabajo de IA realistas y expone los cuellos de botella de rendimiento de todo el sistema antes de la implementación del hardware.

¿Cómo simulo cargas de trabajo de IA para la validación del centro de datos?

Para simular con precisión las cargas de trabajo de IA se requiere una emulación de tráfico que refleje el comportamiento de comunicación de los trabajos de entrenamiento e inferencia. El entrenamiento de IA genera un tráfico sincronizado, de gran volumen y con picos repentinos. Estos flujos ejercen una presión sobre la red diferente a la de las cargas de trabajo tradicionales y pueden saturar los búferes de los conmutadores, provocar bloqueos en la cabeza de la línea o saturar enlaces específicos. Keysight AI Data Center Builder le permite generar estos patrones de tráfico exactos a escala, a través de terminales GPU sintéticos, conmutadores programables e interconexiones de estructura. Le permite modelar las tasas de llegada de trabajos y los patrones de tráfico de los datos de entrada y salida de los trabajos de entrenamiento e inferencia. Keysight AI Data Center Builder le permite generar estos patrones de tráfico exactos a escala, a través de terminales GPU sintéticos, conmutadores programables e interconexiones de estructura. Le permite modelar las tasas de llegada de trabajos, los tamaños de ráfagas y la sincronización temporal para proporcionar una forma realista y repetible de medir el comportamiento del sistema en condiciones representativas de IA/ML. Esta emulación de carga de trabajo es esencial para la validación en fase inicial de la topología, el enrutamiento y las estrategias de programación en entornos de centros de datos de alto rendimiento.

¿Por qué son importantes las pruebas de congestión en el diseño de centros de datos de IA?

Las cargas de trabajo de IA exigen un alto uso de enlaces y una sincronización precisa entre los clústeres de GPU. Cualquier congestión a nivel de estructura (latencia de cola) puede provocar retrasos en las colas o pérdidas de paquetes, lo que a su vez causa bloqueos de la GPU y un rendimiento de entrenamiento degradado. Dado que muchos marcos de IA se basan en la comunicación colectiva, el nodo más lento de la red puede convertirse en un cuello de botella para todo el trabajo. Las pruebas de rendimiento tradicionales suelen pasar por alto estas interacciones. El análisis de congestión basado en emulación de Keysight proporciona visibilidad de extremo a extremo del flujo de tráfico, los puntos críticos y la propagación de la congestión. Puede probar diferentes topologías, simular la contienda en tiempo real y evaluar cómo la acumulación de colas afecta a la latencia y al rendimiento. El resultado es una comprensión más profunda de cómo el diseño de la topología, los algoritmos de enrutamiento y las estrategias de búfer afectan a la eficiencia general del sistema antes de comprometerse con el hardware o implementar cargas de trabajo.

¿Cómo puedo evaluar el rendimiento de un centro de datos de IA durante su desarrollo?

Una evaluación comparativa eficaz de la infraestructura de los centros de datos de IA requiere pruebas a nivel de sistema que reflejen los patrones de comunicación de la IA en el mundo real. Esto incluye la evaluación de la latencia de extremo a extremo, el rendimiento y el comportamiento de congestión en los nodos de cálculo, las estructuras de conmutación y los enlaces de interconexión. Con Keysight AI Data Center Builder, puede realizar evaluaciones comparativas de rendimiento controladas y repetibles utilizando la emulación del tráfico a nivel de aplicación. La plataforma admite pruebas de comportamiento de escalabilidad (por ejemplo, cómo cambia el rendimiento con más GPU), pruebas de estrés con múltiples trabajos simultáneos y medición de KPI críticos, como el tiempo de finalización de los trabajos, la pérdida de paquetes y los puntos críticos de congestión. Al comparar diferentes proveedores de conmutadores, tecnologías de enlace o topologías, los equipos pueden tomar decisiones arquitectónicas basadas en datos. Esta información ayuda a optimizar el diseño de la estructura para mejorar la eficiencia de la formación, minimizar la infrautilización y acelerar la implementación de una infraestructura de IA escalable .

¿Cuál es la ventaja de utilizar herramientas de emulación para la planificación de centros de datos de IA?

Las herramientas de emulación como Keysight AI Data Center Builder permiten planificar y validar de forma proactiva la infraestructura de red de IA sin necesidad de disponer de GPU o conmutadores físicos. Permiten crear gemelos digitales de la topología del centro de datos, simular cargas de trabajo de IA realistas y analizar el rendimiento del sistema en condiciones de tráfico variables. Este enfoque virtualizado permite identificar defectos de diseño, evaluar arquitecturas alternativas y ajustar las estrategias de enrutamiento y programación antes de implementar el hardware. Al exponer los cuellos de botella en el rendimiento y los riesgos de congestión desde el principio, la emulación reduce las costosas iteraciones de diseño y minimiza el riesgo de ineficiencias en entornos en vivo. Para los equipos que planean la expansión de clústeres de GPU, la migración de topología o la implementación de conmutadores de última generación, la emulación proporciona una forma escalable y de bajo riesgo de garantizar la preparación y el rendimiento a escala.

Constructor de centros de datos de IA

Esta es la página que creemos que buscaba. Ver resultados de búsqueda en su lugar:

Configuraciones populares

Crear mi producto

Visión general
Todos los modelos
Accesorios
Software
Ayuda

Emule cargas de trabajo de IA para optimizar el rendimiento y la fiabilidad del centro de datos.

Keysight AI (KAI) Data Center Builder es una solución de emulación que le ayuda a planificar y validar su infraestructura de IA antes de implementarla. Modele arquitecturas de red, simule cargas de trabajo realistas y pruebe escenarios de rendimiento y gestión de la congestión en nodos de cómputo, conmutadores e interconexiones. KAI Data Center Builder le proporciona visibilidad del rendimiento a nivel de sistema, lo que permite tomar decisiones de diseño más inteligentes para maximizar la eficiencia y la fiabilidad. Ya sea que esté validando nuevas topologías o evaluando actualizaciones de red, KAI Data Center Builder le ayuda a hacerlo más rápido, con menor riesgo y con una mayor comprensión. Seleccione un modelo que incluya un acelerador de hardware o elija una opción solo de software. Solicite una cotización para una de nuestras configuraciones populares hoy mismo. ¿Necesita ayuda para seleccionar? Consulte los recursos a continuación.

Emulación de carga de trabajo

Simule patrones de tráfico de entrenamiento e inferencia de IA para evaluar cómo su red gestiona cargas de trabajo realistas y repentinas en GPU, conmutadores e interconexiones.

Evaluación comparativa del rendimiento

Ejecutar pruebas comparativas a nivel del sistema para evaluar el impacto de los parámetros del modelo de IA, los parámetros de red y sus interacciones a gran escala.

Visualización del flujo de datos

Analice la latencia de cola, identifique los cuellos de botella y descubra cómo las decisiones sobre la topología y los componentes afectan al rendimiento de todo el sistema.

Optimización de redes

Identifique los defectos de diseño en una fase temprana para reducir el número de iteraciones de pruebas físicas, acelerar la validación y reducir el tiempo de implementación.

Protocol support

RDMA, RoCEv2
Collective operations supported

AllReduce, AllGather, ReduceScatter, AlltoAll, broadcast, gather, unidirectional ring, bidirectional ring, halving-doubling AllReduce, Parallel, PXN AlltoAll
Compatible hardware

AresONE-S, AresONE-M

Las configuraciones más populares

Paquete de pruebas Ethernet sin pérdidas RoCEv2 para AresONE-S 400GE QSFP-DD, modelo de chasis fijo de 16 puertos

Modelo

947-4071

Compatibilidad con protocolos

Operaciones colectivas respaldadas

Hardware compatible

Compatibilidad con protocolos

RDMA, RoCEv2

Operaciones colectivas respaldadas

AllReduce, AllGather, ReduceScatter, AlltoAll, difusión, recolección, anillo unidireccional, anillo bidireccional, AllReduce de reducción a la mitad y duplicación, Paralelo, PXN AlltoAll

Hardware compatible

AresONE-S

Paquete de pruebas Ethernet sin pérdidas RoCEv2 para AresONE-M 800GE QSFP-DD800, modelo de chasis fijo de 8 puertos

Modelo

947-4073

Compatibilidad con protocolos

Operaciones colectivas respaldadas

Hardware compatible

Compatibilidad con protocolos

RDMA, RoCEv2

Operaciones colectivas respaldadas

AllReduce, AllGather, ReduceScatter, AlltoAll, difusión, recolección, anillo unidireccional, anillo bidireccional, AllReduce de reducción a la mitad y duplicación, Paralelo, PXN AlltoAll

Hardware compatible

AresONE-M

Imagen del paquete inicial de KAI Data Center Builder con la aplicación Collective Benchmarks.

Paquete inicial de KAI Data Center Builder con aplicación de benchmarks colectivos

Modelo

950-2001

Compatibilidad con protocolos

Operaciones colectivas respaldadas

Hardware compatible

Compatibilidad con protocolos

Operaciones colectivas respaldadas

Hardware compatible

Elige el KAI Data Center Builder que mejor se adapte a tus necesidades

Los recursos que se indican a continuación le ayudarán a determinar la plataforma de pruebas que necesita.

Explorer los recursos

Explore nuestro catálogo de emuladores de tráfico Ethernet
Diferencias entre las redes de IA y ML y las redes tradicionales
Cómo probar las redes de centros de datos de IA

Servicios y asistencia

Cuidado de Keysight

Innovar rápidamente con planes de asistencia personalizados y tiempos de respuesta y resolución priorizados.

Alternativas financieras

Obtenga suscripciones predecibles basadas en arrendamiento y soluciones completas de gestión del ciclo de vida, para que pueda alcanzar sus objetivos empresariales más rápidamente.

Portal de soporte de Keysight

Disfrute de un servicio superior como suscriptor de KeysightCare y obtenga una respuesta técnica comprometida y mucho más.

Calibración

Asegúrese de que su sistema de pruebas funcione según las especificaciones y cumpla con las normas locales y globales.

Educación

Realice mediciones rápidamente con formación interna impartida por instructores y aprendizaje electrónico.

Centro de descargas de software

Descargue el software de Keysight o actualice su software a la versión más reciente.

Preguntas más frecuentes

Volver arriba

Inicie su cotización eligiendo un producto Seleccione una configuración a continuación

Keysight AI Data Center Builder Acelera el diseño y la implementación de la infraestructura de red para IA​

Emule cargas de trabajo de IA para optimizar el rendimiento y la fiabilidad del centro de datos.

Emulación de carga de trabajo

Evaluación comparativa del rendimiento

Visualización del flujo de datos

Optimización de redes

Las configuraciones más populares

Paquete de pruebas Ethernet sin pérdidas RoCEv2 para AresONE-S 400GE QSFP-DD, modelo de chasis fijo de 16 puertos

Paquete de pruebas Ethernet sin pérdidas RoCEv2 para AresONE-M 800GE QSFP-DD800, modelo de chasis fijo de 8 puertos

Paquete inicial de KAI Data Center Builder con aplicación de benchmarks colectivos

Servicios y asistencia

Preguntas más frecuentes

¿En qué se diferencian las redes de centros de datos con IA de los centros de datos tradicionales?

¿Cómo simulo cargas de trabajo de IA para la validación del centro de datos?

¿Por qué son importantes las pruebas de congestión en el diseño de centros de datos de IA?

¿Cómo puedo evaluar el rendimiento de un centro de datos de IA durante su desarrollo?

¿Cuál es la ventaja de utilizar herramientas de emulación para la planificación de centros de datos de IA?

Keysight AI Data Center Builder Acelera el diseño y la implementación de la infraestructura de red para IA