新华三：RDMA Telemetry技术白皮书（2026）（19页）.pdf

1、RDMA Telemetry 技术白皮书 Copyright 2026 新华三技术有限公司 版权所有，保留一切权利。非经本公司书面许可，任何单位和个人不得擅自摘抄、复制本文档内容的部分或全部，并不得以任何形式传播。除新华三技术有限公司的商标外，本手册中出现的其它公司的商标、产品标识及商品名称，由各自权利人拥有。本文中的内容为通用性技术信息，某些信息可能不适用于您所购买的产品。i 目 录 1 概述 1 1.1 产生背景 1 1.1.1 RDMA 技术的发展历程：从 InfiniBand 到 RoCEv2 1 1.1.2 RDMA 与智算中心的融合：构建高性能计算的基石 2 1.1.3 RDMA

2、网络质量监控的需求与挑战 3 1.1.4 RDMA Telemetry 技术的诞生 3 1.2 技术优点 4 2 RDMA Telemetry 技术实现 4 2.1 I/O 质量可视功能 4 2.1.1 功能简介 4 2.1.2 系统架构 4 2.1.3 网络分段测量 5 2.1.4 测量策略 5 2.1.5 测量指标 6 2.1.6 读操作交互流程 7 2.1.7 写操作交互流程 9 2.2 吞吐量可视功能 11 2.2.1 功能简介 11 2.2.2 测量策略 12 2.2.3 测量指标 12 2.2.4 运行机制 13 2.3 RDMA Telemetry 可视化 14 3 典型组网应用

3、 16 3.1 AI 训练存储网络 I/O 质量监测 16 3.2 AI 训练计算平面梯度同步性能优化 16 1 1 概述概述 1.1 产生背景 1.1.1 RDMA 技术的发展历程：从 InfiniBand 到 RoCEv2 RDMA（Remote Direct Memory Access，远程直接内存访问）是一种高速网络互联技术，该技术主要设计目的是减少在数据传输过程中收发端的处理延迟以及 CPU 资源消耗。该技术允许计算机能够直接访问远程计算机的内存，在内存层面完成数据传输而无需本地 CPU 频繁介入，从而显著提升网络通信性能。1.InfiniBand 时代：高性能网络的起源 RDMA

4、技术最初由 IBTA（InfiniBand Trade Association，InfiniBand 贸易协会）提出，旨在解决传统 TCP/IP 协议栈在 HPC（High Performance Computing，高性能计算）环境中存在的高延迟和高CPU 开销问题。InfiniBand 通过专用硬件实现 RDMA，具备以下核心特征：极低延迟：InfiniBand 能够提供极低的通信延迟，通常可以控制在 1 微秒（s）以内。高吞吐：它支持非常高的数据传输速率，可以达到 40Gbps、56Gbps 甚至 100Gbps 以上的带宽。无损网络：InfiniBand 还采用了基于信用（Credit

5、-Based）的流量控制机制，确保网络传输过程中不会出现数据丢失的情况，实现了所谓的“无损网络”。然而，InfiniBand 依赖专用的交换机和网卡设备，形成了相对封闭的技术生态，导致其在通用数据中心环境中难以大规模部署。2.RoCEv2 的出现：RDMA 与以太网的结合 为降低 RDMA 的部署成本，业界提出了 RoCE（RDMA over Converged Ethernet）技术，实现在通用以太网上运行 RDMA。RoCE 技术有两个主要版本：RoCEv1：于2010年推出。这个版本是在以太网的第二层（数据链路层）实现的RDMA技术，它依赖于 PFC（Priority Flow Cont

6、rol，优先级流量控制）机制来保证网络传输的无损特性。但是，这种设计存在一个潜在的问题，就是可能会导致网络死锁情况的发生。RoCEv2：于 2014 年发布。这个版本做了重要改进，将协议提升到了以太网的第三层（网络层），使用 UDP/IP 协议进行传输。这样的改变使得 RoCEv2 能够支持跨子网的路由功能。同时，RoCEv2 还引入了 ECN（Explicit Congestion Notification，显式拥塞通知）等先进机制。正是这些改进使 RoCEv2 成为了现代数据中心中最主流的 RDMA 协议。RoCEv2 具有几个关键优势：经济性：兼容现有以太网设备，不需要专门购买 Infi