如何测试人工智能数据中心网络

索取报价
AI 数据中心测试平台
+ 800GE 流量仿真器
AI 数据中心测试平台
+ 800GE 流量仿真器

再现人工智能工作负载的真实网络行为

要针对真实工作负载对人工智能/机器学习（AI/ML）网络进行基准测试，通常需要投资配备GPU和远程直接内存访问（RDMA）网络接口控制器（NIC）的计算系统，而这类系统的构建成本高昂，运行也十分耗时。为了全面优化AI网络，必须在实验室中部署并运行这些系统，以进行太比特级别的验证和实验。 对AI网络进行恰当的基准测试和验证，需要分析各种参数，例如网络拓扑、拥塞控制算法、负载均衡机制或重传能力。

要为网络基准测试生成逼真且大规模的AI工作负载流量，需要具备RDMA over Converged Ethernet（RoCEv2）端点仿真器 ，以及内置预配置方法论的软件，这些方法论需支持集体通信模式（包括全对全、全归约、全聚合等）。 该软件提供针对 AI 网络的专用工作负载，有助于测量作业完成时间和总线带宽等关键指标。进阶 还提供了更多验证方法，包括模拟具有混合并行集体通信模式的多租户场景，以及重放预定义的 AI 工作负载跟踪数据。

AI 数据中心网络测试解决方案

测试人工智能数据中心网络需要网络流量仿真器 以及配备预置方法论、支持人工智能工作负载的软件。该人工智能数据中心网络测试解决方案包括是德科技AresONE 1600GE RoCEv2 端点仿真器，配合Keysight AI Data Center Builder 软件使用。该解决方案能够可重复地创建由人工智能集群中集体通信产生的不同数据规模的场景。AresONE 上的每个端口均可模拟GPU和RDMA网卡。流量包括模拟队列对（QP）连接和数据流、生成拥塞通知、执行基于数据中心量化拥塞通知（DCQCN）的动态速率控制，并提供测试吞吐量、缓冲区管理和等成本多路径（ECMP）哈希的灵活性。 借助该解决方案，工程师可进行多项设计实验，在实验室中衡量性能提升效果，随后将结果应用到生产环境中，而无需在实验室中配备专用的人工智能计算节点和网卡。
索取报价

观看我们的人工智能数据中心测试解决方案演示

探索我们网络测试解决方案中的产品

如何测试 USB-C 数据线和连接器的合规性

确保USB4 Type-C标准线缆和连接器的合规性，需要测试通道工作余量(COM)和高速集成S参数。了解如何根据USB-IF制定的测试规范执行USB合规性测试。

了解更多

如何实现合规性调试与验证的自动化

创建速度和双工测试以验证硬件性能需要示波器和机器人流程自动化（RPA）软件。了解如何通过结合测试仪器与RPA软件实现硬件验证测试的自动化。

了解更多

如何进行 PCIe® 5.0 协议验证

通过测试根复合体和端点的行为、监控链路训练和状态机转换、捕获数据包流量，以及分析物理层、数据链路层和事务层的行为，执行 PCIe 5.0 协议验证。使用 PCIe 协议分析仪和 PCIe 协议测试仪来配置链路条件，观察协商出的速率和通道带宽，识别重新训练或链路退化行为，并在 PCIe 5.0 测试过程中调试协议错误。

了解更多

联系我们 标识

联系我们的专家

需要帮助找到适合您的解决方案吗？

联系我们