計算接口高速化
　　阿姆達爾定律（Amdahl's lesser known law）表明：并行計算中，每1MHz的CPU最大能產生1Mbit/s的IO。因此，一臺有32核2.5GHz的CPU的服務器，則需要配置100Gb/s的網卡，才能將計算性能充分發(fā)揮出來。服務器上行對接100GE接入，400GE核心轉發(fā)成為越來越清晰的主流網絡架構。
　　計算能力并行化　　

　　并行化是解決應用性能擴展的成功實踐。隨著用戶數和數據規(guī)模增大，并行化程度越來越高。據Facebook統(tǒng)計【2】，用戶在朋友圈一個“點贊”動作，會發(fā)起到數據中心1KB的HTTP請求，在數據中心內部，則放大為930KB的并行操作，包括88次Cache查找（648KB），35次數據庫查找（25.6KB）和392次后端RPC調用（257KB）。計算并行化，使得DCN內部流量（東西向）千倍增大，加劇網絡擁塞，增加了通信時間，降低計算效率，智能無損網絡的出現(xiàn)，是大勢所趨。
　　計算資源虛擬化

　　1998年，Greene（VMWARE創(chuàng)始人）等發(fā)明了服務器虛擬化技術，通過把一個物理服務器虛擬為多個虛擬機，將計算資源的平均利用率從10%提升到30%；而近幾年新興的容器技術（如Docker，Kata，Unikernel），通過更輕量化的虛擬層技術，進一步提升計算資源的利用率。計算虛擬化帶來的動態(tài)性，徹底改變了人管理網絡的方式，驅動網絡邁向自動駕駛。

　　計算領域的三大方向，引領DCN發(fā)展趨勢，向400G智能無損的自動駕駛網絡邁進。

　　處理器多核化以及AI處理器的普及， IO帶寬需求大幅增加�？偩�技術的發(fā)展，部分緩解了計算的IO瓶頸。2020年，PCIe 4.0@16GT/s開始商用，IO帶寬達到50G~100G/200G；2021年，PCIe5.0@32GT/s芯片也將發(fā)布，IO帶寬達到100G~400G。

　　網卡的速率成為提升IO能力的又一關鍵。網卡從10GE演進到25GE，并快速推進到100GE。配置100GE網卡的服務器在2020年快速起量，成為主流。根據分析師機構CREHAN的預測，在2020年， 100GE網卡的發(fā)貨量將超越50GE網卡，成為業(yè)界對25GE網卡下一代的選擇；

　　基于成本、功耗和生態(tài)考慮，DCN或將跳過200G，直接演進到400G。從歷史實踐看，服務器網卡和網絡速率之比為1:4，即25G網卡對應100G網絡，100G網卡對應400G網絡；從光模塊架構看，200G和400G都采用4-lane架構，PAM4調制方式，成本和功耗趨同，導致400G每比特成本相比200G降低一倍；從光模塊生態(tài)看，400G模塊種類豐富，給客戶更多的選擇；目前，200G的模塊種類只有100m SR4和2km FR4兩種；400G的模塊種類達到了5種，涵蓋100m、500m和2km。

　　華為在2019年初已經發(fā)布了業(yè)界首款面向AI時代的數據中心交換機CloudEngine 16800，支持業(yè)界最高密度的48*400GE端口/每槽位，業(yè)界的5倍，為100G服務器接入，400G數據中心網絡做好了充分的準備。

　　隨著計算規(guī)模增大，通信占比持續(xù)增大，抵消了規(guī)模增長帶來的收益，造成集群性能的負增長。如圖所示【3】，Netflix的分布式電影評分推薦系統(tǒng)中，當計算規(guī)模達到90臺，出現(xiàn)拐點，計算效率不升反降。

　　為了降低通信占比，降低應用等待時間，增大網絡規(guī)模，無損網絡是必經之路。

　　在10G網卡時代，一般采用這種方式，即網絡可以在擁塞時丟包，在協(xié)議層進行補救，如在TCP協(xié)議上部署重傳機制，在發(fā)現(xiàn)網絡丟包后，進行重傳。

　　進入到25G/100G網卡時代， 采用網卡硬化協(xié)議棧，解決對CPU的消耗。為了硬化協(xié)議棧，只能簡化協(xié)議，從而依賴無損網絡。據測算，要吞吐25G~100G的數據，要消耗服務器10%~30%左右的CPU；為了解決此問題，需要在智能網卡上硬化協(xié)議，硬化帶來的好處是高性能，但也會喪失協(xié)議的靈活性。業(yè)界采用RDMA協(xié)議，替代復雜的TCP, 便于網卡的硬化。RDMA協(xié)議對丟包極其敏感，2%的丟包就會造成網絡有效吞吐降到0。所以，無損網絡成為DCN的基本特征。

　　從TCP誕生之初，是為Internet設計的，考慮的是低速的，長距（數百公里）的網絡，圍繞流量控制技術，出現(xiàn)了大量的創(chuàng)新。在進入到400G DCN時代，環(huán)境發(fā)生了巨大的變化，從Internet的慢速鏈路到DCN 400G高速鏈路， 從數百公里的長距Internet到百米的DCN網絡，從全互聯(lián)的流量模型到Incast突發(fā)流量模型， TCP已經不能適用這種變化，需要對流量控制技術在協(xié)議和網絡上重新定義，RDMA協(xié)議替代TCP，將成為必然。

　　擁塞控制，是通過網絡和端點協(xié)作，控制入網流量速率，使得入網流量和網絡帶寬匹配，滿而不溢。網絡擁塞通知的準確性，對網絡利用率影響很大。過早擁塞通知，將導致計算側過度減速，網絡利用率低。過晚擁塞通知，將導致網絡過載，導致丟包。通過AI算法，預測流量模型，準確的通知計算側，控制入網流量。

　　更進一步，網絡基于準確的活躍流統(tǒng)計，為每條流分配合適的速率，避免計算節(jié)點之間探測式發(fā)送，減少突發(fā)，從而減少網絡的抖動。這種基于Credit的擁塞機制，特別適合存儲等低抖動網絡上。

　　在并行計算中， 存在木桶效應，即最長完成的流，決定整個任務的完成時間。所以，對不同的流進行差異化的調度，降低整個任務的完成時間。在關鍵流或者co-flow識別上， AI算法，可以發(fā)揮出重要的作用。

　　在大規(guī)模并行計算場景下，讓網絡深度參與到計算通信過程中，從而減少通信量和時間，提升應用性能，稱為在網計算。

　　我們知道，并行計算下，多端點之間的通信是全互聯(lián)的關系，通信量存在N平方問題。造成隨著計算規(guī)模增大，計算性能下降，在網計算的思路是把網絡作為中間節(jié)點，參與到計算參數過程中，即把部分計算的功能部署到網絡上。這樣，通信的復雜度從O（2（n-1））降為O（1）；也就是消除計算規(guī)模增大的性能拐點。

　　在網計算，需要通信層和網絡協(xié)作，主流的并行計算通信層包括MPI和NCCL兩種，所以網絡也需要分別適配這兩種通信層。

　　華為提出業(yè)界首創(chuàng)的智能無損DCN，基于內置的AI芯片和智能無損的iLossless調度算法，重定義流量控制技術，重分布網絡計算功能， 100%釋放算力。作為業(yè)界唯一的0丟包的以太網，經過第三方Tolly的權威認證，在計算和存儲場景，要比業(yè)界其他廠商的交換機提升30%的應用性能。

　　傳統(tǒng)網絡以天計的變更頻度，讓管理員有充裕的時間進行檢查。但SDN以分鐘計的高頻變更，讓一個小小的配置錯誤，都放大數百倍，成為潛在的隱患。據谷歌披露【4】，數據中心網絡中68%的故障是由于網絡變更造成的。網絡驗證技術，在配置生效前，校驗配置面的錯誤、沖突以及數據面的環(huán)路和黑洞等，可提前消除配置風險。

　　當網絡瞬息萬變，傳統(tǒng)靜態(tài)網絡的運維方式都將失效。如何在幾分鐘之內，完成故障檢測，定位和恢復，成為核心需求。

　　智能運維，基于海量數據采集和AI預測算法，提前預測故障，像扁鵲大哥一樣，在病情發(fā)作前，提前發(fā)現(xiàn)，并下藥鏟除。當故障發(fā)生時， 采用融入專家經驗的知識圖譜， 撥開各種表面現(xiàn)象，找到根因，為故障恢復提供依據。

　　自動駕駛網絡，除了部署和運維的自動化，還包括規(guī)劃自動化，建設自動化和網絡自優(yōu)化，即“規(guī)建維優(yōu)”全生命周期自動化。

　　如自動駕駛汽車，自動駕駛網絡根據自動化程度也分為5級，華為CloudFabric數據中心網絡的自動駕駛能力已經演進到L3級，即釋放運維人員的手。未來會走向L4高度自治和L5完全自治網絡，釋放運維人員的眼和腦。走向L5的自動駕駛，還有很長的路要走，需要業(yè)界同仁的共同努力。

　　無論是智能無損還是自動駕駛網絡，它的最終實現(xiàn)和落地離不開AI技術應用。沒有AI算法的支撐，自動駕駛網絡和智能無損將是空中樓閣。AI算法在語音、語言處理、圖像等領域獲得了巨大的成功，將AI技術和網絡結合，也將使得網絡煥發(fā)青春。

　　如下圖所示， 在識別、預測、調優(yōu)和質量評估等方面， 學術界和工業(yè)界都投入了巨大的研究熱情，也初顯成效。

　　華為正在攜手學術界和工業(yè)界， 持續(xù)挖掘AI能力， 和網絡技術充分結合，持續(xù)提升計算效率，一起邁向全新的DCN時代。