动态感知+智能决策，一文解读 AI 场景组网下的动态智能选路技术

人工智能（AI），特别是大规模模型训练和推理，正以前所未有的方式重塑数据中心网络。传统的“尽力而为”网络架构，在处理海量、突发的AI数据洪流时捉襟见肘。AI模型对网络性能的严苛要求——高带宽、低延迟、零丢包——迫使网络必须进行一场深刻的智能进化，从被动的基础设施转变为理解业务、感知状态、智能决策的“AI感知网络”。

AI业务诉求：对传统网络架构的挑战

AI集群（如GPU/TPU服务器）间的通信呈现出典型的“大象流”特征，流量总量巨大、并发连接少、单条流带宽极高（可达数百Gbps）。这与传统数据中心中“数量多、带宽小”的“老鼠流”模式截然不同。传统均衡技术失效，逐流ECMP依赖Hash算法在少量大流上极易导致严重负载不均，特定路径拥塞而其他路径闲置。Flowlet 对路径时延差异敏感，配置参数（如Gap值）难以适应动态变化的网络环境，全局信息缺失导致效果打折。逐包ECMP乱序问题严重，严重影响GPU计算效率。AI训练任务（如AllReduce）具有全局同步特性。任何一条关键路径上的拥塞、丢包或高延迟，都会导致整个计算集群“空等”，显著拖慢任务完成时间（Job Completion Time, JCT），直接影响业务效率和资源成本。

RoCE交换机（SONiC-Based）选用的动态智能选路创新方案结合了逐流 ECMP 均衡和基于子流 flowlet 均衡提出动态WCMP（Weighted Cost Multipath）和基于flowlet 的 ALB（Auto Load Balancing），下面将介绍具体相关技术。

网络智能进化：为AI而生的核心技术

网络态势实时感知：高精度测量的基石

• ASIC硬件级统计（百毫秒级）：​ 直接读取交换机芯片寄存器，获取端口/队列的带宽利用率、缓存占用等关键指标，通过SONiC控制面以亚秒级精度汇聚分析。

• 带内网络遥测INT（纳秒级）：​ 采用HDC（高延迟捕获）技术。当数据包在交换机内部经历超过设定阈值的延迟时，该数据包的前150字节及关键元数据（入口/出口端口、精确时延）会被复制并发送给分析器（如交换机CPU）。这提供了前所未有的微突发流量和队列拥塞的洞察能力。

动态智能选路技术在星融元交换机上开启 HDC 功能，并将 CPU 作为 HDC 的收集分析器，通过分析 HDC 报文实现高精度测量交换机转发时延，并将时延信息作为路径质量评价因子，提高路径质量评价精度。

命令行配置 HDC 功能控制INT进程运行，之后通过 socket 连接进行收包循环，将收取到的报文进行解析并将关键信息（出入端口、转发时延等）写入数据库。

全局路径智能评估与同步

感知到的数据需要转化为对整网路径质量的统一认知。

• BGP扩展社区属性传递路径质量：​ 创新性地扩展BGP协议（数据中心广泛部署的底层路由协议），定义新的Path Bandwidth Extended Community属性。该属性携带一个综合评估路径质量的浮点数值（单位GB/s），通过BGP Update报文在整网扩散。

路径质量同步算法逻辑如下图所示：

动态智能选路技术将两层 Leaf-Spine 组网中的交换机端口分为了三类：Leaf 上行口、Leaf 下行口和 Spine口，每种类型端口赋予不同的计算系数，且每种端口的计算系数可配。

• 异常路径主动剔除：​ 设定质量阈值。综合质量过低的路径（如拥塞严重、时延过高）被判定为“异常路径”并暂时剔除，避免其拖累整体性能，待其恢复后重新引入。

智能负载决策与执行：动态WCMP + Flowlet ALB

基于实时感知的全局路径视图，执行层实现精细化流量调度：

动态WCMP（加权多路径）：​

• 核心思想：​ 不再是ECMP的“平均主义”，而是根据每条路径的实时综合质量动态计算权重（如质量比38:80对应权重比3:7）。
• 效果：​ 将流量按比例引导到当前最优的路径上，最大化利用可用带宽，避免拥塞热点。权重随网络状态变化而动态调整。

基于Flowlet的自动负载均衡（ALB）：​

• 作为ECMP的智能增强器：​ 在ECMP选定的下一跳组内，ASIC芯片实时监测组内各出端口的瞬时负载和队列时延。
• 微秒级智能调度：​ 当一个Flowlet（具有自然间隙的数据包子流）到达时，ALB将其动态分配到组内当前负载最轻或时延最低的物理端口上。高负载/高时延端口会被临时跳过。
• 故障自愈：​ 支持端口级Fail-over，链路故障时自动触发流量重分布。

多租户支持：网络虚拟化（VRF）

AI云平台需要支持多租户隔离。

• VRF隔离：​ 为不同用户/租户分配独立VRF路由表。
• 基于源IP的流量分类：​ 利用ASIC的PRE-ACL能力，根据GPU网段源IP自动将流量划入对应的租户VRF进行查表转发，确保租户间严格隔离。

智能网络赋能AI业务场景

化解流量洪峰：动态WCMP的威力

• 场景：​ 256 x 400G GPU集群，1:1收敛比Leaf-Spine架构。Server1 GPU1 -> Server17 GPU1的大象流。
• 传统ECMP困境：​ Hash冲突可能导致所有大象流涌向同一Spine，造成Leaf1上行口拥塞丢包，拖慢整个训练任务

动态智能选路方案：​

1. Server17 GPU1的BGP路由携带Leaf17->GPU1质量宣告。
2. Spine叠加自身->Leaf17质量后宣告给Leaf1。
3. Leaf1叠加自身->Spine质量，汇总所有到GPU1路径的质量。
4. Leaf1剔除劣质路径，基于剩余路径质量动态计算WCMP权重（如3:7）。
5. 流量按最优比例分发到多条Spine路径，避免单点拥塞，保障大象流顺畅。

业务价值：​ 防止关键路径拥塞，稳定JCT，提升GPU集群整体利用率。

Flowlet ALB优化ECMP

• 场景：​ 在Leaf1到Spine的ECMP组内，某条链路突发微拥塞导致时延升高。

Flowlet ALB作用​

1. ASIC实时检测到该出端口负载/时延超标。
2. 后续到达的Flowlet被自动引导至组内其他负载正常/时延低的端口。
3. 拥塞端口被暂时“规避”，待其负载/时延恢复正常后，Flowlet将再次被分配至此端口。

业务价值：​ 消除微突发导致的局部拥塞和抖动，优化端到端时延，提升GPU计算效率。

AI时代的网络，已不再是简单的连通管道。星融元CX-N系列RoCE交换机所代表的动态感知 + 智能决策（动态WCMP） + 精准执行（Flowlet ALB） 架构，标志着网络向“AI感知网络”的深刻进化。这种进化以保障AI业务性能为核心目标，通过实时感知网络状态、智能评估路径质量、动态调整流量分布，有效化解了传统网络在AI负载下的性能瓶颈，为大规模AI训练和推理提供了稳定、高效、无损的网络基石，释放AI的真正潜力。