Znanje

Dezagregacija podatkovnog centra razdvaja računarstvo, memoriju, skladištenje i umrežavanje u nezavisne, udružene resurse umjesto da ih zaključava unutar fiksnih granica servera. To razdvajanje stvara novu arhitektonsku zavisnost: sloj interkonekcije između tih skupova mora isporučiti dovoljan propusni opseg, dovoljno nisko kašnjenje i dovoljan doseg da bi se cijeli sistem ponašao kao jedna koordinirana tkanina. Optička interkonekcija je transportna tehnologija koja sve više ispunjava tu ulogu -, posebno kada bakarne veze pogađaju fizička ograničenja udaljenosti, snage i integriteta signala.

Ovaj članak objašnjava kako optička interkonekcija podržava razdvojene arhitekture, gdje nadmašuje bakar, kako se odnosi na CXL i ko{0}}upakovanu optiku i kada ima praktičnog smisla za usvajanje.

Šta je dezagregacija centra podataka?

U tradicionalnom modelu{0}}usmjerenom na server, CPU, memorija, pohrana i umrežavanje su spojeni unutar jedne šasije. Kupite server i dobijete fiksni omjer od sva četiri - bez obzira na to da li je vašem radnom opterećenju potreban taj omjer ili ne. Dezagregacija podatkovnog centra razbija taj paket. Svaki tip resursa je organiziran u vlastito spremište, a radna opterećenja crpe samo ono što im je potrebno iz svakog spremišta preko dijeljene tkanine.

Ovo je važno jer se savremena opterećenja rijetko izbalansiraju. Veliki posao obuke jezičkog modela može zasiti GPU memoriju i istočni-zapadni propusni opseg dok jedva dodiruje lokalnu pohranu. Cjevovod-analitike u realnom vremenu može zahtijevati ogroman kapacitet memorije, ali samo umjereno računanje. U serverskom{5}}centričnom dizajnu, ta neusklađenost dovodi do nasukanja resursa: neaktivni CPU ciklusi sjede uz iscrpljenu memoriju ili kapacitet pohrane koji nijedno radno opterećenje ne koristi.

TheOpen Compute Project (OCP)od sredine 2010-ih pokreće raščlanjene dizajne rackova, a hiperskaleri poput Meta i Microsofta su implementirali razdvojeno skladištenje i umrežavanje u velikom obimu. PojavaCompute Express Link (CXL)je proširio tu viziju na dezagregaciju memorije, čineći arhitekturu sve praktičnijom za širi spektar okruženja.

Zašto su tradicionalni serverski{0}}centrični dizajni pogodili zid

Dvije sile guraju infrastrukturne timove ka razdvajanju: pritisak korištenja i pritisak na širinu pojasa.

Na strani korištenja, fiksni paketi servera stvaraju veliki otpad. Industrijska istraživanja sugeriraju da otprilike 25% DRAM kapaciteta u konvencionalnim serverima u prosjeku ostane neiskorišteno, čak i kada memorija čini skoro polovinu ukupne cijene servera. Pomnožen na hiljadama čvorova, taj nasukani kapacitet predstavlja značajno opterećenje kapitala i energije.

Što se tiče propusnog opsega, klasteri za obuku AI i analitika visokih{0}}performansi stvaraju obrasce saobraćaja koji se oštro razlikuju od tradicionalnih web-juga-opterećenja opsluživanja. Ova radna opterećenja proizvode veliki saobraćaj sa istoka-zapada - GPU-do-GPU-a, akceleratora-do-memorije i čvora-do-čvora - na stotinama ili hiljadama krajnjih tačaka. Tradicionalne server{14}}centrične topologije sa kratkim bakrenim linijama između fiksnih kutija nisu dizajnirane za taj obrazac. Kako se brzine veze penju sa 400G na 800G i dalje, električna ograničenja bakra postaju sve teže osmisliti.

Kako optička interkonekcija funkcionira u raščlanjenom podatkovnom centru?

Jednom kada se resursi računara, memorije i akceleratora smjeste u odvojene grupe, tkanina koja povezuje te skupove postaje{0}}kritični sloj za performanse. Optička interkonekcija služi tom sloju tako što pretvara električne signale u svjetlo, prenoseći podatke prekojednostruki-načinilivišemodno vlakno, i pretvaranje natrag u električnu na kraju prijema.

Fizika optičkog transporta daje mu strukturalne prednosti za ovaj posao. Svjetlosni signali u vlaknima doživljavaju daleko manje slabljenje po metru od električnih signala u bakru, što znači da optičke veze mogu održavati kvalitet signala na većim udaljenostima bez{1}}kondicioniranja signala gladnog energije (retimeri, DSP-ovi, ekvilajzeri) koje bakar zahtijeva pri većim brzinama. Na 800 Gbps, pasivni bakar je praktičan do otprilike 3-5 metara. Aktivni električni kablovi to protežu do možda 7 metara. Optičke veze rutinski se protežu od 100 metara do 2 kilometra uz istu brzinu prenosa podataka, a koherentna optika može doseći desetine kilometara.

U disagregiranoj arhitekturi, ova prednost dosega nije apstraktna. On direktno određuje koliko udaljeni skupovi resursa mogu stajati dok se i dalje ponašaju kao ujedinjeni sistem. konkretno:

• Unutar stalka:Bakar i dalje dominira za veoma kratke veze - servera-na-vrh-prekidača-rack-a, GPU-na-GPU unutar tray-a. Na udaljenostima manjim od 2-3 metra, bakar je jednostavniji, jeftiniji i manja{10}}latencija.
• Rack-do-rack (2–100 m):Ovo je mjesto gdje optička interkonekcija postaje praktična zadana vrijednost na 400G i više. Povezivanje računarskog stalka sa memorijskim bazenom u susednom stalku ili povezivanje GPU ležišta preko reda, obično zahteva gustinu propusnog opsega i doseg koji obezbeđuje vlakno.Sklopovi optičkih kablovaiMPO/MTP povezivanjesu standardne za ove staze.
• Soba-do-soba i zgrada-do-zgrada (100 m–10+ km):Samo optički transport je održiv na ovim udaljenostima i brzinama. Ovaj opseg je bitan za{1}}razdvajanje na nivou kampusa, gdje se resursi za pohranu podataka, backup računanje ili oporavak{2}}oporavak od katastrofe nalaze u zasebnim zgradama.

Optička interkonekcija naspram bakra u raščlanjenim podatkovnim centrima

Izbor između optičkog i bakra nije binarni - već zavisi od opsega-. Evo kako se to dvoje upoređuje među faktorima koji su najvažniji u raščlanjenom dizajnu:

Praktičan zaključak: koristite bakar gdje jednostavno-jednostavnost na kratkim udaljenostima i dalje pobjeđuje. Koristite optički gdje doseg, gustina propusnog opsega, energetska efikasnost ili upravljanje kablovima postaju obavezujuće ograničenje. U disagregiranom okruženju, optički udio u ukupnom međusobnom povezivanju raste jer sama arhitektura stvara duže, -puteve većeg propusnog opsega između odvojenih skupova resursa. Za dublje poređenje tipova medija, pogledajteoptička vlakna naspram bakrenih kablova: što je pravo za vašu primenu.

Ključne prednosti optičkog međusobnog povezivanja za razvrstavanje

Veća gustina propusnog opsega za odvojene skupove resursa

Dezagregacija povećava obim saobraćaja koji prelazi sloj interkonekcije jer resursi koji su nekada bili ko{0}}locirani sada komuniciraju preko strukture. Optička vlakna podržavaju tu potražnju sa većim propusnim opsegom po-vlaknu i više vlakana po kablu. Samactrakasti kabl od vlakanamože nositi stotine vlakana u kompaktnom poprečnom-presjeku, omogućavajući vrstu gustine portova koju zahtijevaju raščlanjeni GPU klasteri i memorijski skupovi.

Manja snaga i toplotno opterećenje na skali

Energetska efikasnost je važnija u disagregiranom dizajnu jer sloj interkonekcije nosi veći udio ukupnog saobraćaja sistema. Na 800G i više, bakrene veze na umjerenim udaljenostima zahtijevaju-intenzivnu DSP obradu na oba kraja. Optičke veze na ekvivalentnim brzinama i udaljenostima troše manje energije po bitu. NVIDIA-ina tehnička dokumentacija o svojoj ko-upakovanoj platformi za prebacivanje optike navodi3,5× smanjenje potrošnje energijeu poređenju sa tradicionalnim primopredajnicima koji se mogu priključiti. Na nivou data centra, ta razlika se direktno prevodi u niže račune za struju i smanjenu infrastrukturu za hlađenje.

Modularno, nezavisno skaliranje

Jedno od ključnih obećanja raščlanjivanja je da se računanje, memorija i skladištenje mogu skalirati različitim brzinama. Optička interkonekcija podržava to obećanje jer dodavanje kapaciteta jednom spremištu resursa ne zahtijeva redizajn cijele strukture.Priključni optički modulimože se nadograditi ili dodati postepeno - sa 400G na 800G na 1.6T - bez mijenjanja osnovnog pogona vlakana.

Fleksibilnost za heterogena radna opterećenja

Kada se resursi objedine i povežu preko optičke strukture visokih-performansi, infrastrukturni timovi mogu dinamički dodijeliti resurse radnim opterećenjima umjesto da oblikuju radna opterećenja oko fiksnih konfiguracija servera. Ta fleksibilnost je posebno vrijedna u okruženjima u kojima poslovi AI obuke,-zaključci u stvarnom vremenu, analitičke cijevi i{3}}teške aplikacije za pohranu koegzistiraju i takmiče se za različite vrste resursa.

Kako se optička interkonekcija odnosi na CXL i Co{0}}pakovanu optiku

CXL: sloj protokola za dijeljenje memorije i resursa

CXL (Compute Express Link) i optička interkonekcija rješavaju različite dijelove problema razdvajanja. CXL je otvoreni standardni protokol - izgrađen na PCIe fizičkom sloju - koji omogućava keš-koherentnu komunikaciju između CPU-a, memorijskih uređaja i akceleratora. On definiše kako se odvojeni resursi mogu objediniti i efikasno deliti na nivou softvera i protokola.

Konzorcij CXL, čiji članovi uključuju Intel, AMD, NVIDIA, Samsung, Microsoft, Google i Meta, objavio je CXL 3.1 u novembru 2023. sa eksplicitnom podrškom zaviše-prebacivanje na više nivoa i raščlanjivanje na fabriku{1}}izvan stalka. CXL 3.0 je uveo podršku za do 4,096 čvorova u objedinjenoj strukturi, omogućavajući reck{4}}razmjeru i potencijalno klaster-razmjerno skupljanje memorije.

Optička interkonekcija je fizički transport koji može prenositi CXL promet (i druge protokole) između tih distribuiranih čvorova. Tim koji procjenjuje CXL-bazirano udruživanje memorije i tim koji procjenjuje optičko međusobno povezivanje često rade na istoj inicijativi razdvajanja iz različitih uglova - jedan se bavi logikom dijeljenja protokola i resursa, a drugi fizičkim transportom.

Ko{0}}upakirana optika: guranje optike bliže čipu

Ko-upakirana optika (CPO) ide dalje integracijom optičkih motora direktno na istu podlogu paketa kao prekidač ASIC ili GPU, umjesto da se oslanja na zasebne primopredajnike koji se mogu priključiti povezani preko električnih tragova na prednjoj ploči. Ovo eliminiše najduže i{2}}najoštrije električne puteve u sistemu.

Na GTC 2025, NVIDIA je najavila svoj prviko-upakovane silicijumske fotoničke komutacione platforme(Quantum-X Photonics i Spectrum-X Photonics), isporučujući do 409,6 Tb/s propusnog opsega sa 512 portova pri 800 Gb/s. Izvršni direktor NVIDIA-e Jensen Huang je primijetio da bi skaliranje na milion GPU-a korištenjem konvencionalnih primopredajnika koji se mogu priključiti potrošilo otprilike 180 MW samo snage primopredajnika -, što je neodrživa cifra koju je CPO dizajniran da riješi.

CPO nije nešto što svaki tim koji procjenjuje raščlanjivanje treba primijeniti danas. Priključni optički moduli ostaju dominantni faktor oblika za većinudata centar optičkim vlaknimaimplementacije i nastavit će biti barem do kraja 2020-ih. Ali CPO predstavlja smjer optičke mape puta, i timovi koji planiraju velike AI klastere ili sljedeće{2}}generacije razdvojenih tkanina trebali bi pažljivo pratiti njegovu zrelost.

Kada optička interkonekcija ima najviše smisla?

AI i akcelerator{0}}teška okruženja

Klasteri za obuku AI su među najjačim slučajevima upotrebe optičkog međusobnog povezivanja u raščlanjenom kontekstu. Ovi sistemi generišu masivan saobraćaj sa istoka-zapada preko GPU-do-GPU-a i GPU-a-do-memorije. Kako veličine klastera rastu od stotina do hiljada GPU-a, zahtjevi za dosegom i propusnim opsegom brzo premašuju ono što bakar može podržati. U NVIDIA GB200 NVL72 arhitekturi, na primjer, troškovi umrežavanja (uključujući optičke primopredajnike) predstavljaju 15–18% ukupnih troškova klastera, a optički primopredajnici čine otprilike 60% tih troškova umrežavanja. Ekonomski i performansni slučaj za optimizaciju optičkog sloja je značajan.

Objedinjavanje memorije i komponovana infrastruktura

Ako vaš tim procjenjuje prikupljanje memorije zasnovano na CXL-u, fizički transportni sloj mora podržati to razdvajanje bez dodavanja neprihvatljive latencije ili ograničavanja razmjera. CXL 3.1 eksplicitno cilja na razvrstavanje-fabričkih skala izvan rack-a, što znači da će putevi međusobnog povezivanja protezati veće udaljenosti od tradicionalnih intra{4}}serverskih memorijskih magistrala. Optičke veze su prirodne veze za te puteve.

Okruženja velikih{0}}razmjera sa neujednačenim potrebama za skaliranjem

Optičko međusobno povezivanje također ima više smisla kada se računanje, memorija i skladištenje moraju skalirati različitim brzinama. Ako vaš računarski kapacitet raste 3× godišnje, ali pohrana raste 1,5×, dezagregirana arhitektura vam omogućava da nezavisno proširite svaki bazen -, a optička interkonekcija to čini fizički mogućim bez redizajniranja postrojenja za kabliranje svaki put.

Kada nema smisla

Optička interkonekcija nije pravo polazište za svako okruženje. Ako vaš podatkovni centar radi prvenstveno izbalansirano,-opterećenje opće namjene na konvencionalnim serverima, a vaš saobraćaj-do-rack promet je skroman i dobro-opslužen postojećom bakrenom infrastrukturom, cijena i složenost optičkog-prvog tkiva možda neće biti opravdani. Slično tome, ako radite na nivou u kojem nekoliko desetina servera zadovoljava vaše potrebe, samo razvrstavanje može uvesti više operativne složenosti nego što štedi. Arhitektura se isplati kada su obim, heterogenost i neravnoteža resursa stvarni i mjerljivi - a ne hipotetički.

Šta procijeniti prije implementacije

1. Mapirajte svoje stvarno usko grlo

Počnite sa jasnim pitanjem: šta je obavezujuće ograničenje? Da li je doseg (bakarne staze prekratke za vaš raspored stalka)? Gustina propusnog opsega (nedovoljna propusnost po kablu za napajanje vašeg GPU klastera)? Snaga (električne veze troše previše snage na 400G+)? Iskorišćenost resursa (serveri preopskrbljeni na jednoj osovini i izgladnjeli na drugoj)? Optička interkonekcija je najvrednija kada je usko grlo fizičko i mjerljivo, a ne kada je usvojeno kao opći gest modernizacije.

2. Procijenite ukupne troškove sistema, a ne troškove kablova

Česta greška je upoređivanje cijene bakrenog kabla sa cijenom kabelaoptički kablu izolaciji. To poređenje je pogrešno. Smisleno poređenje uključuje potrošnju energije, toplinske troškove (i troškove hlađenja koje stvara), gustinu portova po jedinici rek-a, upotrebljiv doseg, fleksibilnost nadogradnje i cijenu nasukanih resursa u široj arhitekturi. U mnogim raščlanjenim okruženjima na 400G i više, ukupni troškovi posedovanja vlakana su niži od bakra kada se uzme u obzir ceo sistem.

3. Provjerite kompatibilnost i operativnu spremnost

Evaluateispitivanje optičkih kablovazahtjeve, interoperabilnost modula, alate za praćenje i operativno poznavanje optičkog vlakna vašeg tima. Optički moduli koji se mogu priključiti (OSFP, QSFP-DD) su dobro-standardizirani i široko podržani, ali vaš operativni tim bi trebao biti ugodan u rukovanju vlaknima, čišćenju i rješavanju problema prije nego što se implementirate na velikom nivou. Razmislite o početku s pilot domenom gdje možete provjeriti ove operativne faktore.

4. Planirajte dugovječnost biljke vlakana

Jedna značajna prednost infrastrukture optičkih vlakana je to što postrojenje za pasivna vlakna - kablovi, patch paneli i putevi - mogu podržati više generacija tehnologije primopredajnika. Dobro{3}}dizajniranpovezivost data centraFabrika vlakana instalirana danas za 400G može podržati 800G i 1.6T nadogradnje zamjenom primopredajnika, bez povlačenja novih kablova. To čini početno ulaganje u vlakna odbranjivijim tokom 10-godišnjeg horizonta planiranja.

Praktični put usvajanja

Korak 1: Identifikujte jedan ograničeni domen.Potražite mjesto gdje domet bakra, snaga, gustina propusnog opsega ili nasukanost resursa već stvaraju mjerljivu bol. To može biti proširenje klastera GPU-a, usko grlo-na-rack u analitičkom okruženju ili pilot memorije.

Korak 2: Pilotirajte i potvrdite.Postavite optičku interkonekciju u toj domeni. Izmjerite ponašanje kašnjenja, potrošnju energije, operativnu složenost i ekonomiju proširenja u odnosu na vašu postojeću osnovnu vrijednost.

Korak 3: Proširite na osnovu dokaza.Koristite pilot podatke da izgradite poslovni i tehnički slučaj za šire usvajanje. Rastavljanje i optička migracija rijetko se najbolje rješavaju kao jedan veliki{1}}projekat. Postupno uvođenje vam omogućava da naučite, prilagodite i izgradite samopouzdanje organizacije.

Lista za provjeru odluke: Da li je optička interkonekcija prava za vašu inicijativu za razdvajanje?

• Da li razdaljina veze između vaših stalak-do-raka ili sobe{2}}do-od sobe premašuje praktični domet bakra pri vašoj ciljnoj brzini?
• Planirate li implementirati 400G ili veće brzine veze u bliskoj budućnosti?
• Postaje li potrošnja energije iz električne interkonekcije značajan dio energetskog budžeta vašeg podatkovnog centra?
• Da li ocjenjujete CXL-bazirano memorisanje, infrastrukturu za sastavljanje ili proširenje GPU klastera?
• Da li je nasukanost resursa (neaktivni računar, memorija ili skladište zaključano unutar fiksnih servera) mjerljivi problem troškova?
• Da li vaše okruženje treba da skalira računanje, memoriju i skladištenje različitim brzinama?

Ako se primjenjuju tri ili više njih, optička interkonekcija zaslužuje ozbiljnu procjenu kao dio vaše mape puta za razvrstavanje.

FAQ

Šta je optička interkonekcija u data centru?

Optička interkonekcija je transportna tehnologija koja koristi svjetlosne signaleoptički kabloviza prenos podataka između mrežnih uređaja, servera, prekidača, sistema za skladištenje i skupova resursa unutar i između centara podataka. Nudi veći propusni opseg, duži doseg i manju snagu po bitu u poređenju sa bakrom pri ekvivalentnim brzinama - što ga čini posebno važnim za raščlanjene i AI-orijentisane arhitekture.

Po čemu se optička interkonekcija razlikuje od CXL-a?

Djeluju na različitim slojevima. Optička interkonekcija je fizička transportna tehnologija - koja pomiče bitove od tačke A do tačke B koristeći svjetlost. CXL je standard protokola koji definira kako CPU, memorija i akceleratori komuniciraju koherentno. Optička interkonekcija može prenositi CXL saobraćaj, ali CXL također prolazi preko električnih veza za kratke-konekcije. Timovi često ocjenjuju oba istovremeno jer raščlanjivanje stvara potražnju za boljim protokolima (CXL) i boljim fizičkim transportom (optika).

Mogu li bakar i optički koegzistirati u raščlanjenom data centru?

Da, i obično to rade. Većina raščlanjenih okruženja koristi bakar za vrlo kratke unutar-konekcije (ispod 3-5 metara) gdje ostaje jednostavnije i jeftinije, i optičko vlakno za stalak-do-rack, red-do-red, i duže staze gdje domet bakra, ograničenja i kante postaju. Odluka zavisi od -oblasti, ne sve-ili-ništa.

Šta je ko{0}}upakirana optika i da li mi je sada potrebna?

Ko-upakovana optika (CPO) integriše optičke mašine direktno u isti paket kao prekidač ASIC ili procesor, eliminišući potrebu za odvojenim primopredajnicima koji se mogu priključiti i smanjujući potrošnju energije i kašnjenje. NVIDIA i Broadcom implementiraju CPO u sljedeću-generaciju AI mrežnih platformi. Većina podatkovnih centara danas ne treba CPO -utični optički moduliostaju standardni -, ali CPO je na mapi puta za veliku-infrastrukturu umjetne inteligencije u vremenskom okviru 2026–2028.

Kada NE treba da se bavim razdvajanjem pomoću optičkog međusobnog povezivanja?

Ako su vaša radna opterećenja dobro-izbalansirana između računanja, memorije i pohrane; vaša skala je skromna (nekoliko desetina servera); a vaša postojeća bakarna infrastruktura rješava vaše trenutne i kratkoročne potrebe za propusnim opsegom bez naprezanja - dodatna složenost razdvajanja i optičke migracije možda neće biti vrijedna ulaganja. Počnite od uskog grla, a ne od popularne riječi.

Koje vrste vlakana se koriste u optičkom međusobnom povezivanju centara podataka?

Jednomodno{0}}optično vlaknokoristi se za veće-udaljene,-veze veće brzine (obično stalak-do-rack i dalje).Višemodno vlaknouobičajeno je za kraće veze unutar-data-centra do nekoliko stotina metara. Izbor ovisi o potrebnom dosegu, brzini i troškovnom profilu svake veze.