ZD至顶网网络频道 11月20日 编译: Facebook宣布正在打造架顶100Gbit/s的以太网交换机,以用于其下一代数据中心上。很多大互联网公司都在设计自己的系统,务必紧随先进的计算和半导体技术的步伐。
Facebook的Wedge 100是一个32×100G交换机,据传用的是Broadcom最新Tomahawk交换芯片,最大总吞吐量达3.2 Tbit/s。和以往一样,Facebook会开源自己的硬件设计,以供他人制造和使用。预计Wedge 100将运行一个名为FBOSS的开源Linux软件,Facebook目前在40G交换机上用的就是FBOSS。
今年8月,Facebook光学专家描述过一个利用100G单模光纤调制解调器将100G成本降到1美元/Gbyte的设计。该设计将距离要求从2公里放宽到了500米,同时也放宽了工作温度和产品寿命规格。它是基于QSFP28可插拔外形,用了4个25Gbit/s的线路。
Facebook没有提供Wedge 100部署时间的细节,也没有给出如何处理来自100G TOR交换机汇总数据的细节。
不到18个月前,网络巨头Facebook曾公布过旗下正在设计40Gbit/s的TOR以太网交换机,此为Wedge第一代。此项工作是在2013年底与交换芯片制造商会面后开始的。
Facebook将上述设计重新定向为所谓的“6-pack”的汇聚交换机。该系统是Facebook一年前宣布新数据中心架构的重要组成部分。
今年三月,Facebook展示了自己的基于Broadcom Trident II 芯片的16×40G Wedge,然后又将其设计成线路卡和一个双插槽卡,用于创建128×40GE 6-pack汇聚交换机,基于可以升级到100G接口版的10G的通道,通道可升级到25G。
当时,Facebook的工程师表示正在弄32×100GE交换机,并有计划用到100G和400G光链路。
一名Facebook工程师在电子邮件表示,“我们现在在生产线上使用成千上万的Wedge 40 TOR交换机,我们预计将继续在相当长一段时间内使用它。”
他表示,“我们仍处于使用Wedge100初期阶段,等一切就绪后就可以用到我们的下一代数据中心上。我们的最终目标是在我们所有的数据中心的架顶上使用Wedge。”
与来自Arista 和 Dell的同款100G芯片比,Facebook设计针对自己的数据中心系统做的优化想必更严谨些,价格想必更便宜些。和其他网络巨头一样,Facebook设计自己的庞大计算机网络系统,其规模之大可以想象。
大型数据中心的容量已 接近计算机网络技术的极限。各种基于50G结构的400G交换机仍在实验室里,800G以太网标准也是最近才定稿。
The Linley Group高级分析师Bob Wheeler表示,“那种用16x25Gbit/s技术的400G以太网提供的价值不大,而50Gbit/s技术是关键”,对下一代系统来说是这样。他表示,“有些供应商目前正在制56Gbit/s PAM4PHY样品。光模块可望在2017年投产。”
Facebook在一篇博客文章公布了Wedge 100的进展。博文还提供了目前40G交换机的可用性程度的一些细节以及其在使用时遇到的挑战。
博文指,“常常见到的交换机失效模式是,CPU出现过载后滞后于控制平面的职责,比如发送路由协议报文或对ASIC编程这一类的职责,这时通信就会出现中断。”
博文称,“在我们的早期测试过程中,我们遇到一些情况,凸显出保护CPU和控制平面是非常重要的。我们现在的配置对从交换机ASIC发往CPU的流量设了硬性限制。此外,我们将控制平面流量的优先级别设得比交换机高,以尽量保证组件的控制平面处于运行状态。“
好文章,需要你的鼓励
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
谷歌DeepMind团队开发的GraphCast是一个革命性的AI天气预测模型,能够在不到一分钟内完成10天全球天气预报,准确性超越传统方法90%的指标。该模型采用图神经网络技术,通过学习40年历史数据掌握天气变化规律,在极端天气预测方面表现卓越,能耗仅为传统方法的千分之一,为气象学领域带来了效率和精度的双重突破。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
韩国成均馆大学研究团队开发了首个机器遗忘可视化评估系统Unlearning Comparator,解决了AI"选择性失忆"技术缺乏标准化评估的问题。系统通过直观界面帮助研究人员深入比较不同遗忘方法,并基于分析洞察开发出性能优异的引导遗忘新方法,为构建更负责任的AI系统提供重要工具支持。