VIP8
本课程属于：021-InfiniBand与RDMA集群网络工程 AI智能与边缘计算工程 · 共 8 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

GPU集群IB链路调优与故障诊断

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
GPU集群与InfiniBand技术… · 学习目标 · 课程框架
课程导入GPU
02
IB网络基础
IB协议栈 · 子网管理器 · 端口
IB网络基础
03
GPU集群架构
典型GPU集群拓扑 · IB网络在GPU通信中的角色
GPU集群架构
04
IB链路性能指标
带宽 · 时延 · 报文速率
IB链路性能指标
05
性能测试工具
ib_write_bw · ib_read_bw · ib_send_bw等基准测试工具的…
性能测试工具ib
06
链路调优基础
MTU · 流控 · 拥塞控制等基础参数对性能的影响
链路调优基础MTU
07
路由与拓扑优化
自适应路由 · 胖树拓扑 · 多路径等优化策略
路由拓扑优化
08
GPU Direct RDMA
GPUDirect技术原理 · 配置与优化
GPUDirect
09
集合通信优化
Allreduce · Alltoall等通信模式与IB调优…
集合通信优化Allreduce
10
常见性能瓶颈
PCIe瓶颈 · CPU中断 · 内存带宽等非IB因素分析
常见性能瓶颈PCIe
11
故障诊断方法论
故障分类 · 诊断流程 · 日志分析基础
故障诊断方法论故障分类
12
IB链路故障类型
链路降级 · 链路断开 · 误码率升高
IB链路故障类型
13
诊断工具使用
ibstatus · ibdiagnet · ibqueryerrors等工具详解
诊断工具使用ibstatus
14
硬件故障排查
光模块 · 线缆 · 端口
硬件故障排查光模块
15
软件配置故障
子网管理器配置 · 驱动参数 · 固件版本不匹配等问题
软件配置故障子网管理器配置
16
案例实战
链路降级故障的诊断与恢复
案例实战链路降级故障的诊…
17
案例实战
高误码率问题的定位与解决
案例实战高误码率问题的定…
18
案例实战
性能不达标的调优实战
案例实战性能不达标的调优…
19
案例实战
大规模集群中的故障隔离与处理
案例实战大规模集群
20
监控与告警
利用监控系统（如Prometheus · Grafana）监控IB健康状态
监控告警
21
日志与事件分析
系统日志 · 子网管理器日志 · 交换机日志的分析方法
日志事件分析
22
预防性维护
定期巡检 · 固件升级 · 线缆管理等最佳实践
预防性维护定期巡检
23
性能调优进阶
自适应路由配置 · 拥塞控制算法调优
性能调优进阶自适应路由配置
24
多租户与QoS
服务质量配置 · 分区与限速策略
QoS多租户
25
与深度学习框架集成
TensorFlow/PyTorch…
深度学习框架集成TensorFlow/P…
26
常见问题解答
汇总学员常见问题 · 提供解决方案
常见问题解答汇总学员常见问题
27
综合实战项目
设计一个完整的调优与故障诊断方案
综合实战项目设计一个完整的调…
28
前沿技术展望
NVLink · Quantum-2 · 拥塞控制新技术等
前沿技术展望NVLink
29
课程总结
核心知识点回顾 · 调优与诊断思维总结
课程总结核心知识点回顾
30
考核与评估
理论测试与实操考核 · 巩固学习成果
考核评估