Come verificare la congestione della rete AI Fabric

Preventivo
Costruttore di centri dati AI di Keysight
+ Keysight AI Data Center Builder
Costruttore di centri dati AI di Keysight
+ Keysight AI Data Center Builder

Individuare tempestivamente i colli di bottiglia nella produzione

I carichi di lavoro relativi all'addestramento e all'inferenza nell'ambito dell'intelligenza artificiale (IA) esercitano una forte pressione sulle infrastrutture dei moderni data center, dove le comunicazioni sincronizzate, i picchi di traffico e i flussi di dati est-ovest di grandi dimensioni possono causare congestioni che riducono l'efficienza della larghezza di banda e aumentano la latenza. Con l'aumentare delle dimensioni dei cluster, i tecnici devono verificare il comportamento di switch, schede di interfaccia di rete, interconnessioni e impostazioni di trasporto in condizioni di carico realistiche, al fine di individuare eventuali colli di bottiglia prima dell'implementazione.

Per valutare la congestione delle infrastrutture di rete dedicate all'IA sono necessari metodi di test ripetibili che emulino il comportamento reale dei carichi di lavoro su nodi di calcolo, switch e interconnessioni, misurando al contempo la coerenza della larghezza di banda, le prestazioni a livello di flusso, la sensibilità alla latenza e la gestione della congestione. Gli ingegneri devono poter comprendere in che modo le scelte topologiche, le impostazioni dei protocolli e i modelli di traffico influiscono sull'efficienza della rete, in modo da poter individuare i limiti prestazionali, ottimizzare il comportamento dell'infrastruttura e ridurre i rischi negli ambienti di IA e machine learning su larga scala.

Soluzione AI per la gestione della congestione della rete

Per testare e verificare la congestione delle reti dedicate all'IA è necessaria un'emulazione realistica dei carichi di lavoro che rifletta il modo in cui i processi di IA distribuiti scambiano dati tra host, acceleratori, switch e interconnessioni. Keysight AI Data Center Builder consente agli ingegneri di modellare architetture di rete, riprodurre modelli realistici di carichi di lavoro di IA e testare scenari di throughput e gestione della congestione su larga scala, fornendo una visibilità a livello di sistema che aiuta a identificare i colli di bottiglia, migliorare l'efficienza e ottimizzare l'infrastruttura di IA prima dell'implementazione.
Preventivo

Scopri i prodotti della nostra soluzione di gestione della congestione delle reti di rete neurale

Scoprire risorse e approfondimenti

Risorse aggiuntive sulla congestione della rete AI Fabric

Casi d'uso correlati

Come convalidare le reti a fiducia zero

La convalida delle reti a fiducia zero richiede una soluzione che ricrei le condizioni di traffico, il comportamento degli utenti e i cyberattacchi del mondo reale. Scoprite come convalidare i controlli di accesso e i criteri di sicurezza individualmente e come parte di un'implementazione end-to-end.

Per saperne di più

Come testare le reti di data center AI

L'emulazione di carichi di lavoro AI/ML in un ambiente di laboratorio per eseguire benchmark e misurare le prestazioni del tessuto di rete con risultati ripetibili richiede generatori di traffico ad alta densità e software specializzato. Scoprite come identificare la causa principale dei colli di bottiglia della rete che incidono sui tempi di formazione dell'AI/Machine Learning.

Per saperne di più

Come convalidare le interconnessioni Ethernet nei data center

La convalida delle interconnessioni Ethernet nei data center richiede test precisi su affidabilità e prestazioni. Scoprite come garantire una trasmissione dei dati e una correzione degli errori di alta qualità.

Per saperne di più

contattaci logo

Mettetevi in contatto con uno dei nostri esperti

Avete bisogno di aiuto per trovare la soluzione giusta per voi?

Contattaci