改进数据中心和超级计算机互连网络的注入节流机制以提高拥塞控制

过去十年，超级计算机和数据中心为了应对科学计算、生成式AI、社交网络或云服务等应用和服务日益增长的性能需求，经历了巨大演进。这种演进导致这些系统采用高速网络、使用更快的链路、在端节点使用多个专用加速器，或采用先进的存储技术来弥补存储瓶颈。互连网络是这些系统的关键要素，必须经过严格设计以避免成为整个系统的瓶颈，同时要考虑当前应用和服务所产生的大量通信操作。拥塞是严重威胁，容易破坏互连网络性能，其影响在考虑到上述通信操作所产生的流量动态和瓶颈时更为显著。为此，已developed许多拥塞控制(CC)技术以解决拥塞的负面影响。一个流行例子是数据中心分箱拥塞通知(DCQCN)，它允许在网络交换机缓冲区中检测拥塞，然后标记拥堵数据包并通知源地址，最终对导致拥堵的源应用注入节流。尽管DCQCN已被广泛研究和改进，但其关于拥堵检测、通知和反应的主要原则基本保持不变，这在考虑当前高性能互连网络的拥堵动态时是一个重要不足。在本文中，我们重新审视DCQCN闭环机制并对其设计进行细化，以利用更精确的拥堵检测、信号传递和注入节流，减少控制流量开销，避免对非拥堵流的不必要节流。