VIP20
本课程属于：014-GPU Direct与RDMA加速技术详解 AI与大模型 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

多GPU集群RDMA通信拓扑设计

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
学习目标 · 课程结构 · 多GPU集群与RDMA技术概述
课程导入学习目标
02
RDMA基础
RDMA概念 · InfiniBand与RoCE对比 · 核心操作（send/receive/…
RDMA概念
03
GPU通信需求
深度学习训练中的通信模式（AllRe… · AllGather等） · 通信瓶颈分析
GPU通信需求
04
集群拓扑基础
常见网络拓扑（Fat-Tree · Torus · Dragonfly）及其特点
集群拓扑基础Fat-Tree
05
GPU服务器内部拓扑
PCIe拓扑 · NVLink与NVSwitch · GPU间通信路径
GPU服务器内部拓扑
06
跨节点通信架构
GPU到网卡的连接方式（PCIe s… · SmartNIC） · RDMA over PCIe
跨节点通信架构GPU
07
网络拓扑设计原则
带宽 · 延迟 · 成本
网络拓扑设计原则带宽
08
Fat-Tree拓扑详解
结构 · 路由 · 负载均衡
Fat-Tree拓扑详解
09
Torus拓扑详解
多维环结构 · 路由算法 · 优缺点
Torus拓扑详解
10
Dragonfly拓扑详解
层次化设计 · 组间连接 · 路由策略
Dragonfly拓扑详解
11
拓扑选择方法论
根据集群规模 · 应用类型选择合适拓扑
拓扑选择方法论根据集群规模
12
RDMA网络配置
子网管理器（Subnet Manag… · 路由配置 · QoS设置
RDMA网络配置
13
拥塞控制机制
ECN · PFC · DCQCN等
拥塞控制机制ECN
14
流控与死锁避免
链路级流控 · 虚拟通道 · 死锁避免策略
流控死锁避免
15
性能评估指标
带宽 · 延迟 · 消息速率
性能评估指标带宽
16
基准测试工具
perftest · Intel MPI Benchmar… · NCCL Tests
基准测试工具perftest
17
案例分析
NVIDIA DGX系列 · Google TPU集群 · 微软Azure集群拓扑
案例分析NVIDIA
18
大规模集群设计案例
万卡级集群的拓扑设计挑战与解决方案
大规模集群设计案…万卡级集群的拓扑…
19
拓扑感知的通信优化
NCCL拓扑感知 · 路由优化 · 通信调度
拓扑感知的通信优…NCCL
20
故障诊断与容错
链路故障检测 · 重路由 · 冗余设计
故障诊断容错
21
安全与隔离
多租户环境下的网络隔离 · 安全策略
安全隔离
22
新兴技术
CXL · NVMe over Fabric · 计算网络融合
新兴技术CXL
23
模拟与仿真
网络模拟器（NS-3 · OMNeT++）在拓扑设计中的应用
模拟仿真
24
实践项目
搭建小型RDMA集群并测试性能
实践项目RDMA
25
实践项目
使用NCCL进行多节点训练并分析通信…
实践项目NCCL
26
实践项目
模拟不同拓扑下的通信性能对比
实践项目模拟不同拓扑下的…
27
常见问题与解决方案
配置错误 · 性能不达标 · 兼容性问题
常见问题解决方案
28
综合案例
设计一个满足特定需求的GPU集群拓扑
综合案例GPU
29
前沿趋势
AI集群网络架构演进 · 超大规模训练的网络挑战
前沿趋势AI
30
课程总结
核心要点回顾 · 学习路径建议 · 未来发展方向
课程总结核心要点回顾