AI 데이터 센터 네트워크 테스트 방법

+ 800GE 트래픽 에뮬레이터

AI 워크로드의 현실적인 네트워크 동작 재현

현실적인 워크로드를 사용하여 인공 지능 / 머신 러닝(AI / ML) 네트워크를 벤치마킹하려면 일반적으로 GPU와 RDMA(원격 직접 메모리 액세스) 네트워크 인터페이스 컨트롤러(NIC)가 포함된 컴퓨팅 시스템에 대한 투자가 필요하며, 이는 구축 비용이 많이 들고 운영하는 데 시간이 오래 걸립니다. AI 네트워크를 완전히 최적화하려면 실험실에서 테라비트 규모의 검증 및 실험을 위해 이러한 시스템을 배포하고 운영해야 합니다. AI 네트워크의 적절한 벤치마킹 및 테스트를 수행하려면 패브릭 토폴로지, 혼잡 제어 알고리즘, 부하 분산 메커니즘, 재전송 기능 등 다양한 매개변수를 분석해야 합니다.

네트워크 벤치마킹을 위해 현실적인 대규모 AI 워크로드 트래픽을 생성하려면 RoCEv2(RDMA over Converged Ethernet) 엔드포인트 에뮬레이터와 집합 통신 패턴(all-to-all, all-reduce, all-gather 등)을 지원하는 사전 패키지된 방법론이 포함된 소프트웨어가 필요합니다. 이 소프트웨어는 작업 완료 시간 및 버스 대역폭과 같은 주요 측정항목을 측정하는 데 도움이 되는 AI 네트워크 전용 워크로드를 제공합니다. 보다 고급 검증 방법론에는 혼합 병렬 집합이 포함된 다중 테넌트 에뮬레이션과 미리 정의된 AI 워크로드 추적 재생이 포함됩니다.

AI 데이터 센터 네트워크 테스트 솔루션

AI 데이터 센터 네트워크를 테스트하려면 AI 워크로드를 지원하는 네트워크 트래픽 에뮬레이터와 사전 패키지된 방법론이 포함된 소프트웨어가 필요합니다. AI 데이터 센터 네트워크 테스트 솔루션은 키사이트 AresONE 1600GE RoCEv2 엔드포인트 에뮬레이션과 키사이트 AI Data Center Builder 소프트웨어를 결합한 제품입니다. 이 솔루션은 AI 클러스터의 집합 통신으로 인해 발생하는 데이터 크기가 서로 다른 시나리오를 반복해서 생성할 수 있습니다. AresONE의 각 포트는 GPU와 RDMA NIC를 에뮬레이트합니다. 트래픽에는 큐 페어(QP) 연결 및 플로우 에뮬레이션, 혼잡 알림 생성, DCQCN(Data Center Quantized Congestion Notification) 기반 동적 레이트 제어 수행, 처리량, 버퍼 관리, ECMP(Equal Cost Multi-path) 해싱 테스트 유연성 제공 등이 포함됩니다. 이 솔루션을 통해 엔지니어는 실험실에서 전용 AI 컴퓨팅 노드와 NIC 없이도 여러 설계 실험을 수행하고, 실험실에서 성능 향상 결과를 측정한 다음, 이를 프로덕션 환경에 적용할 수 있습니다.

견적 받기