برگ – ستون فقرات پیش فرض است. اما همیشه جواب درستی نیست.
در شبکه های مرکز داده مدرن، پارچه Leaf Clos به دلایل خوبی به معماری پیش فرض تبدیل شده است. قابل پیش بینی، مقیاس پذیر است و به خوبی با طرح ها و مدل های عملیاتی آشنا مبتنی بر اترنت ترکیب می شود. اما با تکامل حجم کار، به ویژه با ظهور هوش مصنوعی در مقیاس بزرگ و سیستم های توزیع شده، توپولوژی های جایگزین مانند پارچه های پروانه ای توجه بیشتری را به خود جلب می کنند. هدف هر دو معماری ارائه پهنای باند بالا، تأخیر و مقیاس کم است، اما به روش های اساسی به مسئله برخورد می کنند.
بافت با ورق ستون فقرات
پارچه برگ ستون فقرات اجرای عملی شبکه چند مرحله ای کلوز است. در ساده ترین شکل خود، از دو سطح تشکیل شده است، از جمله سوئیچ های برگ که به سرورها متصل می شوند و سوئیچ های ستون فقرات که همه سوئیچ های برگ را به هم متصل می کنند. هر برگ به هر ستون فقرات متصل می شود و پارچه ای با اتصال برابر و تأخیر ثابت ایجاد می کند. ترافیک بین هر دو نقطه پایانی معمولاً یک مسیر قابل پیش بینی از برگ به ستون فقرات به برگ را دنبال می کند.
این طرح دارای چندین مزیت معماری است. اولاً، کار با آن نسبتاً آسان است. توپولوژی صحیح و قابل تکرار است و به کارگیری و مقیاس آن را آسان می کند. به ظرفیت بیشتری نیاز دارید؟ سوئیچ های ستون فقرات بیشتری اضافه کنید. به پورت های سرور بیشتری نیاز دارید؟ سوئیچ های برگ بیشتری اضافه کنید و لایه ستون فقرات را بر اساس آن مقیاس کنید.
دوم، با پروتکل های مسیریابی استاندارد یکپارچه کار می کند. اکثر پیاده سازی ها از BGP در هسته با ECMP برای توزیع ترافیک بین چندین مسیر با هزینه برابر استفاده می کنند. فناوری‌های همپوشانی مانند VXLAN با EVPN بخش‌بندی و تحرک را در بالا ارائه می‌کنند. این مدل عملاً به یک استاندارد صنعتی با اکوسیستم ابزارسازی بالغ تبدیل شده است.
از دیدگاه طراحی، پارچه های Clos برای ماژولار بودن و جداسازی آسیب بهینه می شوند. هر گونه خرابی پیوند و گره معمولاً توسط ECMP جذب می شود و ترافیک بین مسیرهای باقی مانده مجدداً توزیع می شود. این باعث می شود شبکه انعطاف پذیر باشد و عیب یابی آن نسبتاً آسان باشد. با این حال، این اتکا به هش کردن، یکی از محدودیت‌های کلیدی را معرفی می‌کند – تعادل بار ناقص. در عمل، ترافیک بر اساس هش کردن جریان توزیع می‌شود، که می‌تواند منجر به استفاده نابرابر شود، به‌ویژه در محیط‌هایی که تحت سلطه جریان‌های بزرگ و طولانی‌مدت هستند. برای مثال، در خوشه‌های آموزشی هوش مصنوعی، الگوهای ارتباطی همگام‌سازی‌شده مانند همه کاهش می‌توانند نقاط مهمی ایجاد کنند که ECMP به زیبایی از آنها استفاده نمی‌کند.
پارچه هایی با پروانه
پارچه‌های پروانه‌ای رویکردی ساختارمندتر و قطعی‌تر برای اتصال دارند. شبکه پروانه ای یک توپولوژی چند مرحله ای است که در آن هر مرحله تغییر خاصی را در مسیر رسیدن به مقصد انجام می دهد. به جای اینکه هر گره به طور یکنواخت به یک لایه ستون فقرات مرکزی متصل شود، گره ها از طریق دنباله ای از مراحل سوئیچینگ متصل می شوند که به طور سیستماتیک ترافیک را با استفاده از الگوهای از پیش تعریف شده هدایت می کنند. توپولوژی اغلب بر حسب مراحل و ابعاد توصیف می‌شود و هر مرحله بر اساس تبدیل آدرس، «فاصله» تا مقصد را کاهش می‌دهد.
مزیت اصلی پارچه پروانه ای مسیر قطعی است. برخلاف پارچه‌های Clos که بر تعادل بار احتمالی از طریق هش کردن تکیه می‌کنند، شبکه‌های پروانه‌ای می‌توانند ترافیک را به طور مساوی در تمام مسیرهای موجود با طراحی توزیع کنند. این امر خطر برخورد هش و استفاده ناهموار از اتصال را از بین می برد. برای بارهای کاری با الگوهای ارتباطی بسیار ساختاریافته (دوباره، یادگیری هوش مصنوعی مثال عالی است) این می تواند منجر به عملکرد بهتر و رفتار قابل پیش بینی تر شود.
مزیت دیگر کارایی مقیاس پذیری است. توپولوژی‌های پروانه‌ای می‌توانند با تعداد لگاریتمی مراحل به اتصال کامل دست یابند که به حفظ مقیاس‌بندی مسیر لگاریتمی قابل پیش‌بینی با رشد شبکه کمک می‌کند. این می تواند منجر به تاخیر کمتر در استقرار در مقیاس بسیار بزرگ شود. با این حال، این کارایی با معاوضه هایی همراه است. طراحی پارچه‌های پروانه‌ای پیچیده‌تر است، به‌خصوص زمانی که بارهای دنیای واقعی را روی توپولوژی ترسیم می‌کنید. همچنین زمانی که الگوهای ترافیکی نامنظم یا غیرقابل پیش بینی هستند، انعطاف پذیری کمتری دارند. به طور کلی، کار با آنها دشوارتر است، نیاز به کنترل های دقیق تری دارند و بلوغ کمتری از ابزارها در صنعت وجود دارد.
مدیریت خرابی زمینه دیگری است که این دو معماری به طور قابل توجهی با هم تفاوت دارند. بافت های Clos به دلیل افزونگی و فقدان حالت ECMP ذاتاً انعطاف پذیر هستند. هنگامی که یک پیوند یا گره از کار می افتد، ترافیک به سادگی از طریق مسیرهای باقی مانده با حداقل هماهنگی مجدداً تغییر مسیر می دهد. از سوی دیگر، بافت‌های پروانه‌ای اغلب به مسیرهای خاصی که توسط توپولوژی تعریف شده‌اند، بستگی دارند. در حالی که می‌توان افزونگی را در طراحی گنجاند، بازیابی شکست ممکن است به مکانیسم‌های پیچیده‌تری برای حفظ توزیع متعادل ترافیک بدون شکستن الگوی مسیریابی قطعی نیاز داشته باشد. مقابله با خرابی در سیستم‌های مبتنی بر پروانه اغلب به هماهنگی دقیق‌تر یا مکانیسم‌های بازیابی لایه بالاتر نیاز دارد، به‌ویژه زمانی که مسیر قطعی محدود به توپولوژی باشد.
از نقطه نظر عملکرد، پارچه های Clos در محیط امروزی مزیت آشکاری دارند. آنها کاملاً روی سخت افزار اصلی اترنت و پروتکل های مسیریابی استاندارد قرار می گیرند و آنها را مقرون به صرفه و مقرون به صرفه می کند. کل اکوسیستم، از سیلیکون گرفته تا نرم افزار گرفته تا ابزارهای عملیاتی، حول این مدل ساخته شده است. پارچه‌های پروانه‌ای اغلب به ملاحظات طراحی تخصصی‌تری نیاز دارند و در برخی موارد، یکپارچگی سخت‌افزاری و نرم‌افزاری برای استفاده کامل از مزایای آنها نیاز دارند.
بنابراین هر معماری کجا معنا دارد؟
برای مراکز داده همه منظوره مانند محیط های سازمانی، پلتفرم های ابری و اکثر زیرساخت های چند مستاجر، پارچه Clos با ستون فقرات بهترین انتخاب است. تعادلی از مقیاس‌پذیری، انعطاف‌پذیری و سادگی عملیاتی را فراهم می‌کند که به خوبی با بارهای کاری مختلف و شیوه‌های عملیاتی موجود ترکیب می‌شود. به اندازه کافی انعطاف پذیر است تا بتواند طیف گسترده ای از الگوهای ترافیکی را مدیریت کند و به اندازه کافی قوی است که بدون هماهنگی پیچیده آسیب را جذب کند.
از طرف دیگر پارچه های پروانه ای برای محیط هایی با الگوهای ارتباطی بسیار قابل پیش بینی و ساختار یافته مناسب تر هستند. خوشه‌های مقیاس بزرگ برای آموزش هوش مصنوعی، محیط‌های HPC و دیگر سیستم‌های توزیع‌شده محکم می‌توانند از موازنه بار قطعی و خواص مقیاس‌گذاری کارآمد توپولوژی‌های پروانه بهره ببرند. به خصوص در مقیاس، ECMP می تواند تحت بارهای کاری تخصصی شکست بخورد. به‌عنوان مثال، الگوهای ترافیکی هم‌زمان و هم‌زمان رایج در حجم‌های کاری هوش مصنوعی، محدودیت‌های متعادل‌سازی بار مبتنی بر هش را آشکار می‌کند، که می‌تواند منجر به ازدحام و اتصالات کم استفاده شود.
در این موارد، پیچیدگی افزودن مکانیسم‌های اضافی مانند PFC و ECN با بهبود عملکرد توجیه می‌شود، بنابراین در نهایت یک انتخاب بین انعطاف‌پذیری و جبر است. این امر به ویژه در محیط‌های مبتنی بر RDMA که مکانیسم‌های کنترل ازدحام و حمل و نقل بدون تلفات مانند PFC و ECN می‌توانند با توزیع ناهموار بار مشکلاتی داشته باشند، اهمیت پیدا می‌کند.
درس گسترده تر این است که توپولوژی شبکه مرکز داده دیگر یک راه حل یکسان نیست. پارچه Clos با پشت برگ مطمئناً جایگاه خود را به عنوان استاندارد به دست آورده است، اما در سطح جهانی مطلوب نیست. همانطور که حجم کار تخصصی تر و حساس تر به عملکرد می شود، معماران شبکه باید نحوه تعامل طراحی شبکه با رفتار برنامه را با دقت بیشتری در نظر بگیرند. در برخی موارد، این ممکن است به معنای چسبیدن به سادگی اثبات شده Clos با ورقه ستون فقرات باشد. در برخی دیگر، این ممکن است به معنای کاوش رویکردهای ساختارمندتر مانند پارچه های پروانه ای برای استخراج هر اونس عملکرد از زیرساخت باشد.
به عبارت ساده، پارچه های Clos برای انعطاف پذیری بهینه می شوند. پارچه های پروانه ای قابلیت پیش بینی را بهینه می کنند. Kloss در بیشتر مواقع پاسخ درست است. پروانه زمانی مناسب می شود که شبکه دیگر هدف عمومی نباشد.
متشکرم
فیل
