随着 AI 和机器学习的需求不断加速，数据中心网络正在迅速发展以跟上步伐。对于许多企业来说，400GbE 甚至 800GbE 正在成为标准选择，因为数据密集型和时间敏感型 AI 工作负载需要高速、低延迟的数据传输。用于大型语言处理、实时分析和计算机视觉等任务的 AI 模型需要处理大量数据，并几乎立即在存储和计算节点之间移动。传统的网络速度根本不足以处理这些工作负载所需的数据吞吐量。这种向 400GbE/800GbE 的转变是支持依赖大量分布式数据集的 AI 应用程序的自然演变，这些数据集通常跨 GPU 集群或专用加速器进行处理。然而，随着网络速度的提高，TCP/IP 等传统协议难以保持效率，由于 CPU 开销和延迟高而造成瓶颈。通过将其 S3 功能与 RDMA 保持一致，MinIO 正在开拓新的方法来满足现代 AI 工作负载的性能和可扩展性要求，同时也使客户能够无缝过渡到更高速的网络标准。这种对 S3 over RDMA 的前瞻性支持扩展了 MinIO 在构建针对未来优化的 AI 就绪数据基础设施的企业中的领导地位。S3 over RDMA 功能在新的 AIStor 中可用。
什么是 RDMA？
远程直接内存访问 （RDMA） 允许绕过 CPU、操作系统和 TCP/IP 堆栈，直接在两个系统的内存之间移动数据。这种直接内存访问减少了与 CPU 和操作系统处理数据相关的开销和延迟，使 RDMA 对于低延迟、高吞吐量网络特别有价值。
为什么随着我们向 800GbE 迈进，以及 AI 基础设施的联网范围，RDMA 变得更加重要
随着对更快数据访问的需求不断增加，400GbE/800GbE 网络将成为 AI 数据基础设施的支柱。虽然 TCP/IP 多年来一直支持以太网的发展，但它却难以满足超高速网络的要求，原因如下：
-
CPU 瓶颈：TCP/IP 严重依赖 CPU 来处理数据包处理、重组和流控制等任务。在 800GbE 时，数据包的庞大数量和速度可能会使 CPU 不堪重负，从而造成性能瓶颈。
-
延迟和抖动：TCP/IP 通过多个层（应用程序、传输、网络、链接）处理数据，从而增加延迟。缓冲、重传和数据包重组会进一步增加延迟和抖动，而这些延迟和抖动会随着速度的提高而被放大。
-
内存带宽限制：TCP/IP 在用户和内核空间之间传输数据，添加多个内存副本。在 800GbE 时，这会使内存带宽紧张，从而进一步降低性能。
RDMA 已成为处理海量数据流并在这些速度下最大限度地减少 CPU 开销的关键技术。RDMA 通过以下方式解决了 TCP/IP 在高速网络中的限制：
-
直接内存访问：RDMA 绕过内核和 CPU，通过允许内存到内存的数据传输来减少延迟。
-
零拷贝数据传输：数据直接从一个应用程序的内存移动到另一个应用程序的内存，无需中间缓冲，从而提高效率。
-
CPU 卸载：RDMA 将网络处理卸载到 NIC，从而释放 CPU 资源。
-
高效的流量控制：RDMA 基于 NIC 的流量控制比 TCP 的拥塞控制更快，使用的 CPU 周期更少，从而实现更稳定的高速性能。
以太网势在必行，RDMA 的优势传统上仅限于使用 InfiniBand 的高性能计算 （HPC） 环境，长期以来一直受到低延迟、高吞吐量应用程序的青睐。然而，以太网已成为 AI 和其他数据密集型工作负载的首选，原因如下：
-
成本和无处不在：以太网具有成本效益且广泛兼容，而 InfiniBand 需要专门的硬件和专业知识。以太网的跨平台通用兼容性使其更易于实施，尤其是在集成 RoCE 的情况下。
-
RoCE 标准化：基于融合以太网的 RDMA （RoCE） 为以太网带来了 RDMA 的优势，在熟悉的可扩展基础设施上支持低延迟、高吞吐量的数据传输。
-
多功能性：与通常用于专用环境的 InfiniBand 不同，以太网支持单个网络基础设施上的一系列工作负载。对于 AI 和数据分析环境，以太网提供了灵活性，而无需单独的网络架构。
对于希望其 AI 数据基础设施面向未来的公司来说，以太网（尤其是支持 RDMA 的 RoCE）是平衡性能与成本效益的合理选择。
S3 over RDMA：面向未来的 AI 部署，满足未来的网络标准
随着 AI 网络基础设施的发展，MinIO 通过 RDMA 集成 S3 为需要快速、可靠数据访问的 AI 工作负载提供了必要的超低延迟和高吞吐量，尤其是在模型训练和推理期间。这有助于：
-
减少延迟：借助 RDMA 的内存到内存数据传输，S3 GET 和 PUT 请求的处理延迟最小，从而在 AI 训练和分析工作流中实现更快的数据检索。
-
提高吞吐量：RDMA 允许 MinIO 在没有 CPU 瓶颈的情况下处理更多的并行数据传输，这在 GPU 密集型 AI 环境中至关重要。
-
效率提升：通过将数据处理卸载到支持 RDMA 的 NIC，MinIO 降低了 CPU 使用率，使组织能够将更多资源集中在 AI 模型训练和分析上。
-
与未来以太网标准的兼容性：RDMA 提供了实现 TB 级以太网速度的途径，使 MinIO 的 S3 解决方案可以随着网络技术的进步而扩展。
-
成本效益：通过减少对 CPU 的依赖，RDMA 降低了能源和运营成本，这在组织扩展其数据基础设施时尤为有价值。
借助 S3 over RDMA，MinIO 提供了一个强大的、面向未来的对象存储平台，符合数据中心网络的最高标准。
结论
MinIO 支持 S3 over RDMA 的举措是对现代高速网络环境需求的前瞻性响应。通过在熟悉的 S3 框架中利用 RDMA 的低延迟、高吞吐量功能，MinIO 使客户能够充分利用其 400GbE 和 800GbE 以太网投资，提供快速、可扩展且高效的存储解决方案。对于希望面向未来的 AI 和数据密集型工作负载的企业，MinIO 的 S3 over RDMA 可确保其基础设施能够满足未来的需求，从而将 MinIO 定位为下一代网络时代高性能对象存储的明确选择。
