课程导入：学习目标、课程结构与 InfiniBand 在数据中心的重要性
1.1 为什么需要学习 InfiniBand？
现代数据中心的流量模式正在发生根本性变化。传统以“客户端-服务器”南北向流量为主的架构，正逐步让位于以分布式存储、AI 训练集群、高性能计算（HPC）和高频交易为代表的“服务器-服务器”东西向流量密集型架构。在这种架构下，CPU 与 GPU 之间、存储节点与计算节点之间需要以极低的延迟和极高的吞吐量进行数据交换。传统的 TCP/IP 以太网协议栈因内核开销大、丢包重传机制复杂，已经难以满足微秒级延迟和百 GB 级聚合带宽的需求。
InfiniBand（简称 IB）正是为应对这一挑战而生的高性能网络互连技术。它并非简单的“更快的网卡”，而是一套完整的 通道式、基于消息传递的交换式网络架构。学习 InfiniBand，本质上是在学习一套与以太网截然不同的数据交换哲学：从 RDMA（远程直接内存访问） 到 子网管理器（Subnet Manager），从 信用流控（Credit-based Flow Control） 到 自适应路由，每一个概念都直接关系到集群性能的最终表现。
1.2 本节学习目标
作为《InfiniBand 核心概念速览》的开篇章节，本节将帮助你建立对 InfiniBand 技术体系的整体认知框架。完成本节学习后，你应该能够：
- 描述 InfiniBand 在数据中心技术栈中的定位，区分其与以太网、FC（光纤通道）的适用场景差异。
- 识别 InfiniBand 网络的核心组件：HCA（主机通道适配器）、交换机、子网管理器、链路层设备。
- 解释“通道式通信”与“报文交换”的本质区别，理解 QP（队列对）与内存注册的基本思想。
- 梳理本课程 30 章的结构脉络，明确各模块之间的逻辑递进关系。
- 评估 InfiniBand 在 AI 大模型训练、高性能存储等场景中的关键价值。
1.3 课程整体结构：从物理链路到协议栈
本课程共 30 章，按照“物理层 → 链路层 → 网络层 → 传输层 → 协议栈 → 运维实践”的逻辑展开。这种编排方式遵循了 IB 协议的分层模型，帮助你由浅入深地建立完整的知识体系。课程结构如下表所示：
| 模块 | 章节范围 | 核心主题 |
|---|---|---|
| 基础与架构 | 第 1-4 章 | 课程导入、IB 协议分层模型、拓扑结构（Fat-Tree）、核心组件（HCA/交换机） |
| 链路与传输机制 | 第 5-10 章 | 物理层信号、链路层流控、QP 与 WR、传输层服务类型（RC/UC/UD） |
| RDMA 与协议栈 | 第 11-16 章 | RDMA 读写语义、内存注册与零拷贝、RoCE 对比、内核绕过机制 |
| 子网管理与路由 | 第 17-22 章 | 子网管理器（SM）、LID 路由、自适应路由、分区（P_Key）与 QoS |
| 运维与调优 | 第 23-27 章 | 性能监控（perftest）、常见故障排查、网络计算（SHARP）、拥塞控制 |
| 应用与前沿 | 第 28-30 章 | AI 集群中的 IB 实践、存储网络（NVMe-oF）、IB 与以太网融合趋势 |
这种结构设计意味着：前 10 章是“地基”，帮助你理解 IB 为什么快；中间 10 章是“承重墙”，讲解 IB 如何实现高可靠、低延迟的通信；最后 10 章是“装修与验收”，聚焦真实场景中的部署、监控与问题解决。
1.4 InfiniBand 在数据中心的关键价值：一个可视化视角
为了直观理解 InfiniBand 在数据中心中的位置，下图展示了在一个典型的 GPU 训练集群中，InfiniBand 如何连接计算节点与存储节点。图中重点突出了 IB 网络与以太网管理网络的分工，以及 RDMA 通信绕过内核的路径。
上图展示了 InfiniBand 在 AI 训练集群中的典型部署逻辑。可以看到，数据平面（GPU 节点 ↔ IB 交换机 ↔ 存储节点）完全基于 IB 链路，而 控制平面（子网管理器、监控系统）则运行在独立的以太网管理网络上。这种“数据与控制分离”的设计，确保了即使管理网络发生故障，数据通信也不会中断。
1.5 常见误区与学习建议
1.6 本节小结
本节作为课程导入，完成了三件事：第一，明确了 InfiniBand 解决的核心问题——为计算密集型集群提供低延迟、高带宽、低 CPU 开销的通道式通信；第二，梳理了 30 章课程的整体结构，帮助你建立学习地图；第三，通过一张架构图直观展示了 IB 在 GPU 训练集群中的位置，以及它与管理网络的分工协作关系。