ZD至顶网网络频道 08月22日 编译:近期,澳大利亚研究机构Data61和悉尼大学的计算机科研人员评估了四个主流OpenFlow控制器:NOX、Maestro、Floodlight和Beacon,最终得出结论,认为OpenFlow架构的效率低,限制了性能的改善,而且还会消耗不必要的功率。
研究人员在ArXiv上发表了针对此次测试的论文,其中OpenDaylight也是测试对象之一,但其性能未包括在报告中,报告还表示,“它的性能太差,拿出来比较不能提供任何有用的东西。”
值得关注的是,无论是在基于Tilera的芯片网络处理器上运行,还是在基于E5-2450至强服务器上运行,在所有测试的控制器中并没有一款控制器能够达到最高线速。
就CBench软件定义网络(SDN)控制器性能指标而言,最佳Tilera设置仅仅勉强达到了每秒500万个请求,与每秒2900万请求的最高线速比不相去甚远。
而英特尔过去在数据包处理方面所付出的工作终于得到了回报,在x86设置下,Beacon能达到每秒2000万个请求;而其它控制器所能达到的最大值仅为每秒700万的请求。
由于SDN控制器处理网络数据包时用的是流量概念,就是说它们必须记住MAC地址,以便跟踪通信,而以太网交换机则只需要知道将数据包转发到哪个端口,另外,网络可扩展性也是一个大问题。
在性能指标测试里,在1000万个唯一MAC地址的请求下,没有控制器可以保持其峰值性能,基于Java的控制器(Bean和Floodlight)则在该规模上几乎陷于完全停顿状态。
该文章还指出,OpenFlow的本身存在结构性的低效率问题。文章作者提到了序列化: I/O线程,以及“学习中的交换应用里的关键数据结构:哈希表”。
据称,序列化对开销的影响最大,最有效的控制器也在数据包序列化上花了五分之一的时间,此限制是这些控制器面向对象设计原则固有的。每个独立的数据包都被控制器作为一个单独的对象处理,从而会对每个数据包引入不可忽视的开销。
最后,作者还提出了一种全新的SDN控制器设计,指出:“要用预分配的缓冲区处理新到达的数据包,而不是将其作为新的对象处理。控制器还应该考虑硬件特性,以达到在多核平台里限制高速缓存未分配的现象,以便可利用多核平台的网络芯片。”
好文章,需要你的鼓励
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
微软正式确认配置管理器将转为年度发布模式,并将Intune作为主要创新重点。该变化将于2026年秋季生效,在此之前还有几个版本发布。微软表示此举是为了与Windows客户端安全和稳定性节奏保持一致,优先确保安全可靠的用户体验。配置管理器将专注于安全性、稳定性和长期支持,而所有新功能创新都将在云端的Intune中进行。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。