• 首页
  • 上一页
  • 目录
  • 下一页
  • 书架

《首富从看见信息面板开始》

第二百九十二章 十七个集群,十七倍算力
网络组收到。”

    “监控平台准备完成。”

    “开始上电。”

    随着一声声指令下达,一排排指示灯从远处亮起。

    绿光像潮水一样,从第一排机柜一直蔓延到最后一排。

    低沉的风声和水泵声渐渐变大,像一头沉睡的巨兽正在醒来。

    江松然站在监控屏前,盯着上面的数字。

    供电正常。

    温度正常。

    液冷流速正常。

    单卡自检正常。

    第一轮测试很顺利。

    张彪松了口气,旁边几个运维组的人也忍不住交换了一下眼神。

    但江松然知道,真正的挑战才刚开始。

    之前的五百卡跑在同一个集群里,现在八千一百九十二张卡可以分成十六个集群,每个上限五百一十二张卡。

    这次布线,能不能把新的十六个集群都提到和老集群一样的效率?甚至,还能不能扩大成更大的集群?

    以前没这么多卡,没法试;这次可以试试了。

    江松然在机房控制终端前坐下,开始压力测试。

    他没一上来就跑五一二卡,而是先从八卡开始。

    一般八张显卡放在一台服务器上,也叫一个节点;这八张卡之间的通信叫节点内通信,速度更快。

    每个机柜有八台服务器。

    五一二卡就是八个机柜。

    从节点内通信到节点间通信,再到机柜间通信,每一步都是难度升级。

    随着测试进入五一二卡,监控屏幕上的曲线已不是平滑上涨,能看到斜率变缓的趋势。

    看了一会儿监控,江松然更改设置,把两个五一二卡集群并在一起。

    新任务下发。

    这一次,监控屏上的曲线明显变动,延迟迅速上升。

    监控屏上出现一片红色。

    “失败了啊——”江松然苦笑了一声。

    这其实在预料之中。

    大型显卡集群需要从硬件到软件再到通信协议,各层级都优化才能实现。

    源智的L100集群现在用的是东拼西凑来的各种开源技术,还没来得及做任何优化。

    能达到五一二卡的集群规模已经谢天谢地;想在什么改动都不做的情况下去冲千卡,只能坠机收尾。

    韩路一收回视界,满眼红光从视野里消失。

    视界定位的结论是:注意力层之后的归约通信,几个任务分片同时撞上同一批物理链路,触发了跨排链路堵塞。

    他正准备开口,江松然先说话了。

    “通信模式和物理拓扑对不上。”江松然指着屏幕上的波形说,“你们看,每次拥塞都在注意力层之后;几个分片同时跑归约运算,一起发到跨排链路上,所以每个尖峰都在注意力层后面。”

    赵文渊抱着手站在旁边,开口问:“是因为通信协议?”

    “是啊,是因为通信协议。”江松然确认道。

    随后他转向韩路一,语气遗憾:“韩总,现在用的通信模式在五百卡已经是上限了。”

    江松然和赵文渊得出了和韩路一一样的结论。

    区别在于:韩路一是开挂看出来的,视界直接帮他定位到数据阻塞处,也给出了原因。

    江松然和赵文渊却是凭多年实战经验和技术理解得出的结论。

    顶级技术专家的含金量,在这里就体现出来了。

    人才虽然贵,但贵有贵的道理。

    韩路一暗自点头。

    视界再厉害,他也只是一个人,不可能自己攻克所有技术难关。

    团队里有了赵文渊、江松然,以及新加入的薛兆恒这些各

    -->>(第2/3页)(本章未完,请点击下一页继续阅读)
  • 加入书签
  • 上一页
  • 目录
  • 下一页
Copyright shukugu.com 返回首页
顶部