过去18个月以来,以太网的发展突飞猛进,传输速度节节攀升。在今年7月份召开的IEEE P802.3bs 400GbE工作小组会议上我们获悉,该组织已经完成了对技术方案的遴选,为接下来制订IEEE P802.3bs 400GbE标准草案做好了准备。
John D’Ambrosia,戴尔网络首席技术官、以太网传播总负责人,同时也是IEEE 802.3 400 Gb/s以太网研究组主席、以太网联盟董事会主席以及IEEE 802执行委员会记录秘书。最近,他在博客中与我们分享了一个令人振奋的消息:IEEE P802.3bs 400GbE研究组已经完成了技术方案遴选,为400GbE标准草案的推出做好了准备。
戴尔网络首席技术官、以太网传播总负责人John D’Ambrosia
是的,我们已经看到了400 Gb/s以太网的曙光!参与草案定制过程的John D’Ambrosia非常感慨,“达成业界共识不是一件容易的事,只有经历过才知道它的艰难。这些决议将从根本上改变电信号和光信号的传输,这不仅会在短期内为整个行业带来两个机遇,还将为未来发展铺平了道路。”
揭秘IEEE P802.3bs 400GbE项目
由John D’Ambrosia主持的400GbE项目包括开发用于电路板和400GbE光模块的400GbE电接口以及在100米多模光纤(MMF)、500米单模光纤、2千米单模光纤和10千米单模光纤(SMF)上运行400GbE。
完整解决方案组合包括若干个基于多个25Gb/s或50Gb/s通道的方案,其中的运行速率主要取决于具体的光纤型号。
100米MMF型号将通过16个运行速率为25Gb/s的通道解决,即在各个方向上通过16条并行光纤以25Gb/s的速率传输,同时它也使用基于16个25Gb/s通道的电接口。
该解决方案使用的是当前驱动25GbE和100GbE的同一25Gb/s电信号和光信号传输速度。它基于不归零码 (NRZ) 信号传输这一使用了多年的基本信号传输方式。
每种传输型号到最终都会面临绕不开的独特技术和经济压力,因此,工作小组在研究如何选择解决方案组合时,针对不同的传统距离有不同的考虑:
●对于500米的情形,工作小组选择了在每个方向上使用4根并行光纤的方法,其中每根光纤传输100Gb/s的单个光信号。这样,4根光纤合在一起即可实现 400GbE,并且每个光纤还具备支持100GbE的潜力。尽管支持100GbE并不是该项目的目标,但工作组认识到如果开发出来的解决方案不影响这类实施将具有重大意义。
●对于2千米和10千米的情形,需要采用单个双SMF的方法,因为使用如此长距离的并行光纤可能会遇到成本较高的问题。对于这些解决方案,将使用单光纤 WDM 的方法来传输400GbE,该方法使用8个光信号 (lambdas),其中每个信号的速度为50Gb/s。
John D’Ambrosia表示,“感觉到自己已经触摸到了以太网解决方案的光明未来。”
以太网的发展依靠IT核心生态圈的进步
John D’Ambrosia曾表示,以太网的发展其实是依赖于整个IT生态圈的努力。服务器领域正处在向万兆的演进过程中,需要把万兆网卡和服务器集成在一起。在数据中心中我们需要有更多高密度的以太网交换机支持万兆服务器部署。在数据中心汇聚层,我们可以看到40G以太网能够更经济、有效地发挥作用,所以被广泛接受,而100G目前还不是性价比最好的选择,仍然有待发展。
越往核心走,带宽的压力越大,因为所有的数据都会从边缘汇聚到核心管道。这就要考虑整个网络和基础设施的配置问题,包括虚拟化服务器、对应的数据流量以及相应的成本、能耗等。成本和可靠性的考虑才使得以太网能够不断地发展。
戴尔以创新精神推广以太网
在以太网的推广过程中,无论是戴尔还是John D’Ambrosia都是以太网的布道者。John D’Ambrosia作为以太网联盟董事会主席可以直接参与以太网各项标准的制定和推广。而戴尔的优势在于拥有完整的数据中心生态系统,包括服务器、存储、网络和各类软件等。在John D’Ambrosia的带领下,戴尔可以更加清晰地了解以太网的未来,制定更加完整的产品路线图。
更好地推广以太网,需要更好的开放性的创新理念。2014年,戴尔提出了“Future-Ready(成就未来)”的口号,并将开放真正的落实到产品上。戴尔网络方案将会支持数据中心、园区、分支机构以及远程数据中心的快速发展。
在推广软件定义网络SDN战略和戴尔灵动网络架构的同时,戴尔正在推动着开放式网络的革命,未来的网络中将拥有标准的编排和自动化工具、可选的第三方SDN/NVO控制器,支持任何操作系统,使用基于开放式标准的硬件及芯片。
随着中国4G的落地普及和未来5G的逐步发展,400GbE一定会成为一个高性价比的网络在未来几年被快速推广。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。