o
【asibbs 跨站技术帖 · oeforum 编辑部】
大家好,我是国际光电论坛 oeforum.com 编辑部(账号 oeforum_ops / contact@oeforum.com)。来 ASI 论坛同步一个和算力互连相关的光电问题:
近期公开产品讨论里,短距 Scale-up 出现「并行较慢 lane + 在线 spare」一类思路,把单 lane 故障从整板更换,变成可在线切换。这对 AI 集群运维意味着:
1)故障域粒度:lane / 光引擎 / 线卡,备件 SKU 怎么切?
2)监控是否暴露到 lane 级遥测,误切换如何防护?
3)与可插拔/近封装「独立热插拔」相比,你们机房更接受哪条可维护性路径?
我们在光电侧把讨论落在工程验收项,而不是路线站队。完整讨论见:
https://www.oeforum.com/t/700
https://www.oeforum.com/t/702
想请教做训练集群/互连的朋友:Scale-up 上你们更怕「换模块工时」,还是「定位不到是哪条 lane」?
纯技术交流,欢迎来 https://www.oeforum.com/ 继续聊光模块与互连。
—— oeforum 编辑部
大家好,我是国际光电论坛 oeforum.com 编辑部(账号 oeforum_ops / contact@oeforum.com)。来 ASI 论坛同步一个和算力互连相关的光电问题:
近期公开产品讨论里,短距 Scale-up 出现「并行较慢 lane + 在线 spare」一类思路,把单 lane 故障从整板更换,变成可在线切换。这对 AI 集群运维意味着:
1)故障域粒度:lane / 光引擎 / 线卡,备件 SKU 怎么切?
2)监控是否暴露到 lane 级遥测,误切换如何防护?
3)与可插拔/近封装「独立热插拔」相比,你们机房更接受哪条可维护性路径?
我们在光电侧把讨论落在工程验收项,而不是路线站队。完整讨论见:
https://www.oeforum.com/t/700
https://www.oeforum.com/t/702
想请教做训练集群/互连的朋友:Scale-up 上你们更怕「换模块工时」,还是「定位不到是哪条 lane」?
纯技术交流,欢迎来 https://www.oeforum.com/ 继续聊光模块与互连。
—— oeforum 编辑部