近期，由博通、思科、Arista、微軟、Meta等國際頂級半導體、設備和云廠商牽頭成立的超以太網(wǎng)聯(lián)盟（UEC）在OCP Global Summit上對外公布其最新進展——UEC規(guī)范1.0的預覽版本。讓我們一睹為快吧！

UEC 旨在提出一種“升級版”的以太網(wǎng)通信協(xié)議棧用以應對AI智算、HPC等領域?qū)DMA網(wǎng)絡的性能挑戰(zhàn)——當前大規(guī)模計算節(jié)點互聯(lián)場景下主要有InfiniBand和基于以太網(wǎng)協(xié)議的RoCE兩大技術路線。有關IB和RoCE協(xié)議棧的詳盡對比可參閱：

[高性能網(wǎng)絡傳輸：RoCE與IB協(xié)議棧對比解析]
相比較為封閉的IB架構(gòu)，以太網(wǎng)在互操作性和帶寬成本上的優(yōu)勢已在市場層面得到了廣泛認可，尤其是大規(guī)模的AI算力中心場景。當前全球TOP500的超級計算機中RoCE和IB的占比相當，以端口帶寬總量計算，IB占比為39.2%，RoCE已達48.5%。

盡管IB和RoCE在高性能傳輸?shù)膿砣刂?、QoS皆有應對設計，但也暴露出一些缺陷。例如亂序需要重傳、不夠完美的負載分擔、Go-back-N問題，DCQCN 部署調(diào)優(yōu)復雜等等。

面向GPU Scale-out網(wǎng)絡的UEC 1.0 規(guī)范從軟件API、運輸層到鏈路層以及網(wǎng)絡安全和擁塞控制皆有涉及，較傳統(tǒng)RDMA網(wǎng)絡有了大量改進，我們將挑出重點介紹。

什么是超級以太網(wǎng)系統(tǒng)

一個超級以太網(wǎng)系統(tǒng)的組成如下。一個集群（Cluster）由節(jié)點（Node）和網(wǎng)絡（Fabric）組成，節(jié)點通過網(wǎng)卡（Fabric Interface）連接到網(wǎng)卡，一個網(wǎng)卡中可以有多個邏輯的網(wǎng)絡端點（Fabric End Point，F(xiàn)EP）。網(wǎng)絡由若干平面（Plane）組成，每個平面是多個FEP的集合，通常通過交換機互聯(lián)。

超以太網(wǎng)協(xié)議棧概覽

? 物理層與傳統(tǒng)以太網(wǎng)完全兼容，可選支持FEC（前向糾錯）統(tǒng)計功能

? 鏈路層可選支持鏈路層重傳（LLR），并支持包頭壓縮，為此擴展了LLDP的協(xié)商能力

? 網(wǎng)絡層依然是IP協(xié)議，沒有變化

? 傳輸層是全新的，作為UEC協(xié)議棧的核心數(shù)據(jù)包傳輸子層（Packet Delivery）和消息語義子層（Message Semantics）。包傳輸子層實現(xiàn)新一代擁塞控制、靈活的包順序等功能，消息語義子層支持xCCL和MPI等消息?？蛇x支持安全傳輸。另外，在網(wǎng)集合通信（In Network Collective，INC）也在這一層實現(xiàn)

? ** 軟件API層** 。提供UEC擴展的Libfabrics 2.0

物理層

UEC 1.0規(guī)范下的物理層與傳統(tǒng)以太網(wǎng)（符合IEEE802.3標準）完全兼容，支持每通道100Gbps和200Gbps速率，在此基礎上實現(xiàn)800Gbps和更高的端口速率。

另外可選支持物理層性能指標統(tǒng)計功能（PHY metrics）。這些指標基于 FEC 碼字進行計算，不受流量模式和鏈路利用率的影響。估計算法基于FEC錯誤計數(shù)器的數(shù)據(jù)，從而得出不可糾正錯誤率（UCR ）和數(shù)據(jù)包錯誤平均間隔（MTBPE）。這些指標衡量了物理層的傳輸性能和可靠性，用于上層的遙測和擁塞控制等。為了支持新的 UEC 鏈路層功能，UEC規(guī)范中也對協(xié)調(diào)子層（RS）進行了相應的修改。

鏈路層

UEC鏈路層最大的變化是引入了LLR（Link Level Retry）協(xié)議。它可以讓以太網(wǎng)不依賴PFC，實現(xiàn)無損傳輸。

LLR 機制是基于幀的。每個幀都分配了一個序列號，接收端成功接收這一幀后，檢查幀的序列號是否符合預期，如果正確，發(fā)送確認消息（ACK），如果發(fā)現(xiàn)幀亂序或者丟失，則發(fā)送否定確認消息 （NACK）。發(fā)送端具有超時機制，用于保證在 NACK 丟失時重傳。

傳輸層：UET，新一代協(xié)議棧的核心

前文提過，傳統(tǒng)的RDMA網(wǎng)絡傳輸層（包括IB和RoCE）在多路徑傳輸、負載分擔、擁塞控制以及參數(shù)調(diào)優(yōu)等方面存在著不足之處。隨著AI/HPC集群規(guī)模增長，網(wǎng)絡的確定性和可預測性越來越困難，需要全新的方法來解決。

UEC傳輸層（UEC Transport Layer，簡稱UET）運行在IP和UDP協(xié)議之上, 支持實現(xiàn)以下幾大技術目標：

? 支持高達 100 萬個 GPU/TPU 的算力集群

? 往返時間低于 10μs

? 單接口帶寬800Gbps及以上

? 網(wǎng)絡利用率超過85%

選擇性重傳

（Selective Retransmit）

傳統(tǒng)傳輸協(xié)議，如TCP需要嚴格的傳輸順序，并采用了Go-Back-N機制。而一個RDMA消息通常包含多個數(shù)據(jù)包，只要有一個數(shù)據(jù)包錯誤，則從這個數(shù)據(jù)包起的所有數(shù)據(jù)包都要重傳。這讓偶爾的傳輸錯誤被放大，加劇了網(wǎng)絡擁塞。UEC采用選擇性重傳機制，僅傳輸錯誤的數(shù)據(jù)包。

亂序交付

（Out-of-Order Delivery）

UET不僅支持有序傳輸，也支持無序傳輸。這是因為現(xiàn)代網(wǎng)絡中通常有多路徑存在，同一個流的數(shù)據(jù)包經(jīng)過不同路徑傳輸，就可能造成亂序。如果還要求嚴格的順序傳輸，就無法利用多路徑來實現(xiàn)負載分擔。此外，選擇性重傳也需要無序傳輸?shù)闹С?。為了實現(xiàn)無序傳輸，需要接收方有更大的數(shù)據(jù)包緩沖區(qū)，從而將亂序的數(shù)據(jù)包組成一個完整的RDMA消息。

UET支持四種傳輸方式：

? ROD (Reliable Ordered Delivery)

– 需要擁塞控制、有序、可靠、無重傳（依舊采用Go-Back-N）

? RUD (Reliable Unordered Delivery)

– 需要擁塞控制、無序、可靠、無重傳

? RUDI (RUD for Idempotent Operations)

– 可選擁塞控制、無序、可靠、重傳

? UUD (Unreliable Unordered Delivery)

– 可選擁塞控制、無序、不可靠、重傳

包噴灑

（Packet Spraying）

包噴灑是一種基于包的多路徑傳輸。由于傳統(tǒng)傳輸協(xié)議不支持無序傳輸，同一個數(shù)據(jù)流必須按照同一個路徑傳輸，否則就會造成亂序，引發(fā)重傳。而在AI/HPC應用中，存在大量的“大象流”，它們數(shù)據(jù)量大、持續(xù)時間長，如果能使用多路徑傳輸一個流，將顯著提高整個網(wǎng)絡的利用率。

由于支持了RUD，UET就可以將同一個流的不同包分散到多個路徑上同時傳輸，實現(xiàn)包噴灑功能。這讓交換機可以充分發(fā)揮ECMP甚至WCMP（Weighted Cost Multi- Pathing）路由能力，將去往同一目的地的數(shù)據(jù)包通過多條路徑發(fā)送，大幅度提高網(wǎng)絡利用率。

擁塞控制

（Congestion Control）

UET 擁塞控制包含以下重要特性，由端側(cè)硬件和交換機配合完成，有效減小了尾部延遲。

? **Incast管理。**它用于解決集合通信（Collective）中下行鏈路上的扇入問題。AI和HPC應用經(jīng)常采用集合通信在多個節(jié)點之間同步信息，當多個發(fā)送者同時向一個接收者發(fā)送流量，就會產(chǎn)生Incast擁塞。

? **速率調(diào)整加速。**現(xiàn)有的擁塞控制算法，在發(fā)生網(wǎng)絡擁塞后調(diào)整速率的過程較長，而 UET 可以快速上升到線速。方法是測量端到端延遲來調(diào)節(jié)發(fā)送速率，以及根據(jù)接收方的能力通知發(fā)送方調(diào)整速率。

? **基于遙測。**源自網(wǎng)絡的擁塞信息可以通告擁塞的位置和原因，縮短擁塞信令路徑并向終端節(jié)點提供更多信息，從而實現(xiàn)響應速度更快的擁塞控制。

? 基于包噴灑的自適應路由 。當擁塞發(fā)生時，通過包噴灑技術將流量重新路由到其它路徑上，繞過擁塞點。

端到端的安全

UEC在傳輸層內(nèi)置安全。它是基于作業(yè)（Job）的，可以對整個作業(yè)的流量進行端到端的AES加密，充分利用 IPSec 和PSP（Packet Security Protocol）的能力，減小安全加密的開銷，提供可擴展安全域，并且可以由硬件卸載。

在網(wǎng)計算

（In Network Collectives）

在網(wǎng)計算最早應用在HPC集群，業(yè)界主要有兩個思路，一是基于網(wǎng)卡的，二是基于交換機。

UEC V1.0 的目標是后者，即將集合操作卸載到各級交換機上完成，避免過多的收發(fā)次數(shù)，降低節(jié)點交互頻率和處理時延開銷，減少約一半數(shù)據(jù)傳輸量，從而加速All-Reduce操作。

在部署實現(xiàn)上，目前AI智算領域唯一大規(guī)模商用的案例僅有英偉達的SHARP（在ASIC層面實現(xiàn)的硬件加速），以太網(wǎng)設備廠家仍處在探索階段，例如將算力內(nèi)置于交換機或外接，甚至P4可編程都是可能的思路方向。

軟件層：Extended Libfabrics 2.0

在軟件層，UEC提供簡化的API。它簡化了RDMA操作，并為AI和HPC應用提供專用的API，如xCCL, MPI, PGAS和OpenShmem等。

硬件升級：支持UEC的交換機和網(wǎng)卡

UEC在規(guī)范中定義了支持超級以太網(wǎng)交換機的架構(gòu)，可以看到大體是繼承了SONiC的架構(gòu)。這部分的主要關注在于控制平面上支持INC和SDN控制器；數(shù)據(jù)平面升級了SAI（Switch Abstraction Interface）API調(diào)用硬件提供的INC等能力。

UEC同樣定義了網(wǎng)絡端點（Fabric End Point）的軟硬件架構(gòu)。在硬件層，網(wǎng)卡升級支持UEC功能。在操作系統(tǒng)內(nèi)核態(tài)，實現(xiàn)網(wǎng)卡驅(qū)動。在用戶態(tài)，基于libfabric擴展實現(xiàn)INC管理等功能，支持上層的xCCL/MPI/SHMEM等應用。

總的來說，UEC v1.0規(guī)范重構(gòu)了數(shù)據(jù)中心以太網(wǎng)以完全替代傳統(tǒng)的RDMA網(wǎng)絡，用更高的性能、更低的成本實現(xiàn)穩(wěn)定可靠、具有百萬節(jié)點的AI/HPC集群。

星融元RoCE交換機與UEC

作為UEC成員單位，星融元提供的超低時延RoCE交換機（CX-N系列）全系采用高性能的標準白盒網(wǎng)絡硬件，搭載為生產(chǎn)環(huán)境深度調(diào)優(yōu)的企業(yè)級SONiC發(fā)行版——多項 Easy RoCE 特性，全面兼容現(xiàn)有規(guī)范并提供靈活、廣大的升級空間，未來將平滑演進與新一代以太網(wǎng)標準保持同步。

[搶先圍觀！星融元51.2T 800G RoCE交換機測試]

審核編輯 黃宇