0
简体中文
027-5972 6363
-
一文读懂RoCERoCE全称RDMA over Converged Ethernet，从字面来看，也就是基于融合以太网的RDMA，所以在了解RoCE之前还得先认识下RDMA这项技术。 什么是RDMA？ RDMA(Remote Direct Memory Access)，全称远端内存直接访问技术，可以在极少占用CPU的情况下，把数据从一台服务器传输到另一台服务器，或从存储到服务器。 传统应用要发送数据，需要通过OS封装TCP/IP，然后依次经过主缓存、网卡缓存，再发出去。这样会导致两个限202305-24
-
光模块技术发展趋势随着 5G、云计算、大数据、物联网等新一轮技术的商业化应用，用户对光通信网络的带宽提出了更高的要求，光电子器件行业技术正处于升级革新阶段，带动光模块行业向高速率化、集成化、智能化方向发展。 （1）高速率化 高速率主要指信息传输及交换的速率。伴随着 5G、数据中心等技术向高速率方向发展，下游光通信市场对光传输速率、数据交换效率提出了更高的要求，解决信号卡顿、提高用户体验的要求带动了光通信技术向高速率化方向发展。现在的光模块主流应用速率逐渐从 10G-40G 跨步到 100G-400G，行业内企业还纷纷开展 800G 技术研发以尽早实现 800G 商业化应用。 除了提高单个波长的202305-22
-
英伟达BlueField-3 DPU 有效提升数据中心效能，助力节能减排三个将大规模应用的领域正在改变各行各业。一是生成式人工智能；二是数据科学；三是创建虚拟世界的元宇宙。在这一波应用浪潮的推动下，云计算正在成为企业计算的标配。在中国，约有92%的企业正在使用云计算来支撑其业务增长，但在上述三个应用之下，无论是私有云还是公有云，都面临一些新的需求和挑战。主要有以下挑战： 1、规模与性能，现在工作负担在以数据中心规模运行时，需要以高度分布式的方式来处理大量数据和大型数据源，这些对云计算数据中心的基础设施、性能有严格的要求，而且专为支持公众应用程序而设计的云计算平台，只能提供不一致且不可预测的行为。 2、高效和弹性，当云计算采用软件定义数据中心时，就需要占202305-17
-
大模型训练，NVIDIA Turing、Ampere和Hopper算力分析大 GPU 优势在于通过并行计算实现大量重复性计算。GPGPU即通用GPU，能够帮助 CPU 进行非图形相关程序的运算。在类似的价格和功率范围内，GPU 能提供比CPU 高得多的指令吞吐量和内存带宽。GPGPU 架构设计时去掉了 GPU 为了图形处理而设计的加速硬件单元，保留了 GPU 的 SIMT架构和通用计算单元，通过 GPU 多条流水线的并行计算来实现大量计算。 所以基于 GPU 的图形任务无法直接运行在 GPGPU 上，但对于科学计算，AI 训练、推理任务（主要是矩阵运算）等通用计算类型的任务仍然保留了 GPU 的优势，即高效的搬运和运算有海量数据的重复性任务。目前主要用于例如物202305-16
-
一文了解AI服务器服务器主要硬件包括处理器、内存、芯片组、I/O (RAID卡、网卡、HBA卡) 、硬盘、机箱 (电源、风扇)。以一台普通的服务器生产成本为例，CPU及芯片组大致占比50% 左右，内存大致占比 15% 左右，外部存储大致占比10%左右，其他硬件占比25%左右。 服务器的逻辑架构和普通计算机类似。但是由于需要提供高性能计算，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。 逻辑架构中，最重要的部分是CPU和内存。CPU对数据进行逻辑运算，内存进行数据存储管理。 服务器的固件主要包括BIOS或UEFI、BMC、CMOS，OS包括32位和64位。 服务202305-16
-
一文了解GPU服务器GPU服务器有什么作用？ GPU 加速计算可以提供非凡的应用程序性能，能将应用程序计算密集部分的工作负载转移到 GPU，同时仍由 CPU 运行其余程序代码，从用户的角度来看，应用程序的运行速度明显加快。 理解 GPU 和 CPU 之间区别的一种简单方式是比较它们如何处理任务。 CPU 由专为顺序串行处理而优化的几个核心组成，而 GPU 则拥有一个由数以千计得更小、更高效的核心（专为同时处理多重任务而设计）组成的大规模并行计算架构。 GPU服务器的主要应用场景是什么？ 深度学习模型 GPU服务器可作为深度学习训练的平台： GPU 服务器可直接加速计算服务202305-09
