成功事例

HPEとジュニパー・ネットワークス、次世代AIインフラを構築

AI対応ネットワークを拡張するため、HPE Juniper Networkingは、導入前にデータセンターのスイッチング性能を実際のAIワークロードの要求に対して検証する必要がありました。Keysightの支援を受け、HPE Juniper NetworkingはAIネイティブのエミュレーションおよび検証ツールを活用して、AI対応インフラストラクチャのテストと最適化を行いました。
テスト

大規模なAIネットワークの性能検証

HPEジュニパー・ネットワーキングの事例研究の主なポイント

ネットワークインフラのリーダー

HPE Juniper Networkingは、世界で最も要求の厳しいデータセンター環境向けに、高性能なネットワークプラットフォームを設計しています。AIワークロードの拡大に伴い大規模なGPU導入が進む中、顧客からはネットワークのパフォーマンス、拡張性、信頼性に対する要求がますます高まっています。こうした変化により、HPE Juniper Networkingのデータセンターインフラは、GPUの利用率、パフォーマンス、コスト効率において極めて重要な要素となっており、導入前にAI対応アーキテクチャの検証を行うことの重要性がさらに高まっています。

導入時のパフォーマンスの検証

HPE Juniper Networkingは、顧客への導入に先立ち、高ラディックス（高桁数）のQFX5230およびQFX5240スイッチングプラットフォームが、実際のAIトラフィック環境下で確実に動作することを検証する必要がありました。AI環境では、従来のデータセンタートラフィックとは異なり、イースト・ウエスト・トラフィックによってネットワークアーキテクチャに負荷をかける、「エレファント・フロー」と呼ばれる、長時間にわたる高帯域幅のトラフィックフローが発生します。 エミュレーションにより、機能の基本的な動作をテストし、コマンドラインインターフェース（CLI）の設定操作を検証することが可能になります。課題は、大規模な物理GPUクラスタを構築することなく、こうしたAI特有の条件下でシステムレベルのパフォーマンスを実証することでした。

AIネイティブのトラフィックエミュレーション

AIデータセンター向けに特別に設計されたトラフィックエミュレーションプラットフォーム「Keysight AresONE」を活用することで、HPE Juniper Networkingは、最大800GEのラインレートでRoCEv2トラフィックをエミュレートすることに成功しました。 トラフィックはバースト性を持つことがあり、多くのGPUが互いにデータを送信しようとする「オール・トゥ・オール」のような特定のパターンを示し、インキャストの輻輳を引き起こすことがあります。AI特有のトラフィックパターンとGPUクラスタの挙動を再現することで、HPEジュニパー・ネットワーキングは、実環境における輻輳、バッファリング、およびロードバランシングのシナリオをモデル化することができました。 キーサイトのソリューションは、GPUおよびリモート・ダイレクト・メモリ・アクセス（RDMA）ネットワーク・インターフェース・カード（NIC）をエミュレートし、現実的なAIワークロードトラフィックを生成します。このアプローチにより、HPEジュニパー・ネットワーキングは、大規模な物理GPUの導入を必要とせずに、高度なスイッチ機能や運用制御を検証することが可能となり、リスクを低減し、顧客環境への導入準備を加速させました。

AIのスケールにおける実証済みのパフォーマンス

キーサイトのAIネイティブ・トラフィック・エミュレーションを活用し、HPEジュニパー・ネットワーキングは、AIデータセンターの運用環境下における同社のハイラディックス・スイッチの実環境でのパフォーマンスを検証・最適化しました。これにより、HPEジュニパー・ネットワーキングは機能検証を加速させ、導入リスクを大幅に低減することができました。その結果、HPEジュニパー・ネットワーキングは、数百台から数万台規模のGPUに至るまで、スケーラブルで信頼性の高いネットワークパフォーマンスを実証しました。
ジュニパー・ネットワークス、AIデータセンター部門 プロダクトマネジメント担当ディレクター、マヘシュ・スブラマニアム

「キーサイトとのパートナーシップにより、今日のニーズに応えつつ、明日のAIの課題にも対応できる、信頼性の高いネットワークインフラを提供することが可能になります。」

HPEジュニパー・ネットワーキング、AIデータセンター担当プロダクトマネジメント・ディレクター、マヘシュ・スブラマニアム

HPEジュニパー・ネットワーキングが採用したツールを紹介

AresONE-M 800GE

機器の相互運用性と性能を検証する。

Keysight AIデータセンタービルダー

AIネットワークインフラストラクチャを設計・導入し、AIワークロードをエミュレートする。

関連リソースを見る

ホワイトペーパー

ホワイトペーパー

AI／MLネットワークと従来のネットワークの違い

AI/MLがデータセンターのネットワークと設計に実際にどのような影響を与えるかに関する、主要な技術的なQ&A。

ホワイトペーパー

ホワイトペーパー

実環境でのパフォーマンスを実現するためのAIデータセンターの拡張

AIインフラストラクチャ規模におけるエミュレーション、検証、およびクラスタの挙動に関する技術的考察。

レポート

レポート

AIクラスタのネットワークにおけるボトルネック、スケーラビリティ、そして今後の展望

AIデータセンターにおけるインフラ投資、エミュレーションのギャップ、相互接続技術の導入状況、および最適化の優先順位に関する調査に基づく知見。

×

営業担当者からご連絡させていただきます。

*は必須項目です

ご希望の連絡手段を選択してください。*必須項目です。
ご希望の連絡方法は何ですか？ ご登録のEメールアドレスの変更
ご希望の連絡方法は何ですか？

続行することにより、プライバシーポリシーにご同意頂いたものとみなします。 こちらのデータの利用方法については、キーサイトのプライバシーステートメントをご確認ください。キーサイトプライバシーステートメント にご同意頂いたものとみなします。また、弊社及び弊社販売店からご連絡を差し上げる場合がございます。

ありがとうございました。

営業担当者より近日中にご連絡いたします。