F.8 互连网络实例

为了进一步使前述概念具体化，本节从本附录讨论的四类互连领域中选取五个实例。OCN、LAN、WAN 各一个，SAN 两个，分别为系统区域网络和系统／存储区域网络。前两个是高性能系统的专有网络，后三个是商用系统广泛使用的网络标准。

片上网络：Intel Single-Chip Cloud Computer

随着晶体管集成度按 Moore 定律持续提高，处理器设计者迫切需要应对横跨芯片的片内连线延迟，以及深亚微米工艺缩放带来的其他问题。多核微体系结构因简单、模块化，并能开发超越单核激进流水化和多指令／多数据发射所能实现的并行性，而日益普及。不论处理器是单核还是多核，对片内通信带宽的要求都越来越高，更不用说片间带宽。这激发了人们对 OCN 的广泛兴趣，希望高效支持指令、寄存器操作数、内存与 I/O 数据在核内、核间以及片内、片外的通信。这里重点介绍 Intel Single-chip Cloud Computer（SCC） 原型中的片上网络。

SCC 是具有 48 个 Intel IA-32 核的芯片多处理器原型。图 F.28 显示，其核分布在 $6\times4$ 二维 mesh 上，网络连接 24 个 tile、四个片上存储器控制器、一个电压调节控制器（VRC）以及一个外部系统接口控制器（SIF）。每个 tile 内两个核连接一台路由器。四个存储器控制器位于 mesh 两侧边缘，每侧两个，VRC 和 SIF 位于底边。

SCC 的顶层体系结构 — 图 F.28 SCC 顶层体系结构。R 为路由器，MC 为存储器控制器，VRC 为电压调节控制器，System interface 为系统接口，SCC die 为 SCC 裸片，System FPGA 为系统 FPGA，Management console PC 为管理控制台 PC；Tile 与 DIMM 保留原标识。引自 Howard, J. 等，IEEE International Solid-State Circuits Conference Digest of Technical Papers，第 58–59 页。

每个存储器控制器可寻址两个 DDR3 DIMM，每个 DIMM 最多 8 GB，因此总容量最多 64 GB。VRC 允许任一核或系统接口调节六个预定义区域中任一区域的电压；原文将每区描述为两个双 tile 区。时钟还能以更细粒度调节，每个 tile 有自己的运行频率。关闭区域或降低其运行水平，可大幅节能。应用因此能完全控制各核的功耗状态，并可通过 API 设定各区电压与频率。SIF 用于从芯片外部与网络通信。

每个 tile 包含两个基于 P54C 的 IA 处理器核，各配有 16 KB L1 数据缓存、16 KB 指令缓存，以及 256 KB L2 缓存和控制器；还包含五端口路由器、仅供测试的流量发生器、处理所有消息传递请求的 mesh 接口单元（MIU）、内存查找表（配有配置寄存器，用于将核的物理地址映射到系统的扩展内存映射）、消息传递缓冲区，以及用于时钟生成和跨异步边界同步的电路。

就 OCN 而言，MIU 负责核与网络之间的接口，包括大消息的分组化与重组、命令转换、地址解码与查找、链路级流控、credit 管理，以及按轮询进行仲裁。系统采用基于 credit的流控及虚拟 cut-through，因此长消息必须拆成分组。路由器按二维 mesh 连接，原文在此描述各路由器具有自己的电源和时钟源。路由器间链路为 16 字节数据加 2 字节边带，频率 2 GHz。包含链路穿越在内的空载延迟为四个周期。八个虚拟通道中，六个用于性能，两个用于处理协议级死锁。消息级仲裁采用 wrapped wave-front 仲裁器。路由为 XY 维序算法，每台路由器都预计算输出端口。

除了 tile 的电压、频率区域之外，由路由器和链路构成的网络自身只有一个独立区域。因此，全部网络部件使用相同电源、运行于相同速度；路由器与 tile 之间需要异步时钟域转换。

译注：原页先称路由器“each on its own power supply and clock source”，随后又明确称全部网络部件使用同一电源和速度。此处分别保留两个陈述，未擅自消除其表述差异。

SCC 的一个特色，是核间通信采用基于消息的协议，而不是硬件缓存一致存储器。每台路由器都有消息传递缓冲区，并提供 API 对 MPI 结构进行完全控制；缓存一致性可以由软件实现。

相比 Teraflops 处理器，SCC 路由器对二维片上互连作了显著改进。它面向多处理器互连中更宽的数据通路，并针对该宽度进一步优化延迟、面积和功耗。目标频率从前代 Teraflops 的 5 GHz 降到 2 GHz，但互连体系结构性能更高。

机构与处理器［网络］	年份	网络端口数［核／tile＋其他端口］	基本拓扑	每链路每方向数据位数	链路带宽［链路时钟］	路由；仲裁；交换	芯片金属层数；流控；虚拟通道
MIT Raw［General Dynamic Network］	2002	16［16 个 tile］	二维 mesh，4×4	32 位	0.9 GB/s［225 MHz，与处理器同频］	XY DOR，带请求—应答死锁恢复；RR；虫孔	6 层；基于 credit；无虚拟通道
IBM Power5	2004	7［2 个 PE 核＋5 个其他端口］	交叉开关	取指 256 位；存储 64 位；装入 256 位	［1.9 GHz，与处理器同频］	最短路径；无阻塞；电路交换	7 层；握手；无虚拟通道
U.T. Austin TRIP Edge［Operand Network］	2005	25［25 个执行单元 tile］	二维 mesh，5×5	110 位	5.86 GB/s［533 MHz，时钟按 80% 缩放］	YX DOR；分布式 RR；虫孔	7 层；on/off 流控；无虚拟通道
U.T. Austin TRIP Edge［On-Chip Network］	2005	40［16 个 L2 tile＋24 个网络接口 tile］	二维 mesh，10×4	128 位	6.8 GB/s［533 MHz，时钟按 80% 缩放］	YX DOR；分布式 RR；虚拟 cut-through（VCT）	7 层；基于 credit；4 个虚拟通道
Sony、IBM、Toshiba Cell BE［Element Interconnect Bus］	2005	12［1 个 PPE、8 个 SPE＋3 个内存及 I/O 接口端口］	环，共 4 个，每方向 2 个	128 位数据，另加 16 位标签	25.6 GB/s［1.6 GHz，为处理器频率一半］	最短路径；集中式树形 RR；流水化电路交换	8 层；基于 credit；无虚拟通道
Sun UltraSPARC T1	2005	最多 13［8 个 PE 核＋4 个 L2 存储体＋1 个共享 I/O］	交叉开关	8 个核与 4 个 L2 存储体均为 128 位	19.2 GB/s［1.2 GHz，与处理器同频］	最短路径；基于等待时间仲裁；VCT	9 层；握手；无虚拟通道

图 F.29 当时研究型与商用处理器中片上网络的特征。某些处理器实现多套片上网络，表中未全部列出，例如 MIT Raw 有两套，TRIP Edge 有八套。

系统区域网络：IBM Blue Gene/L 三维 torus

据 www.top500.org，IBM Blue Gene/L 是 2005 年全球规模最大、性能最高的计算机系统。它有 65,536 个双处理器计算节点、1024 个 I/O 节点，峰值性能 360 TFLOPS，占地约 2500 平方英尺。每节点两个处理器可都用于计算，并在 virtual mode 下各自处理通信协议；也可一个负责计算，另一个负责网络接口处理。分组从 32 字节到最大 256 字节不等，头部占 8 字节，包含路由、虚拟通道、链路级流控、大小等信息，以及保护头部的 1 字节 CRC。另有 3 字节用于分组级 CRC，1 字节作为有效指示。

主互连是专有的 $32\times32\times64$ 三维 torus SAN，连接全部 64K 节点。每个节点交换机通过六条双向 350 MB/s 链路连接相邻节点；两个本地处理器的注入带宽为 612.5 MB/s，接收带宽为 1050 MB/s。网络接收带宽等于全部交换机端口的入站带宽，避免接收链路成为瓶颈；较高的接收带宽使目的节点可以同时吸收多个分组。

两个节点组成一块 $2\times1\times1$ 计算卡；16 块计算卡加 2 块 I/O 卡组成 $4\times4\times2$ 节点板；16 块节点板组成 $8\times8\times8$ midplane；两个 midplane 构成一个 1024 节点机架，物理尺寸为 $0.9\times0.9\times1.9$ 米。链路最长 8.6 米，因此只需相对少量缓冲，就能高效实施链路级流控。为降低延迟，系统采用虚拟 cut-through，在输入、输出端口分布仲裁，并在前一台交换机用有限状态机预先计算当前交换机的路径，使部分路由延迟移出关键路径。为提高有效带宽，采用双读取端口的输入缓冲交换机、四虚拟通道虚拟 cut-through，以及基于 bubble 流控的完全自适应无死锁路由。

如此规模的网络，容错至关重要。链路采用相对较低的 700 MHz 时钟，与处理器同频，双沿传输，即每方向每条位串行链路支持 1.4 Gbit/s 或 175 MB/s，以降低故障率；但故障仍会发生。故障时，包含故障的 midplane 节点板被关闭并旁路，隔离故障，计算从最后一个检查点恢复。每个 midplane 配备独立的旁路交换板，作为 torus 节点板之外的附加部件。旁路板可配置为连接对应 midplane 节点板的链路，或连接下一旁路板，从而有效移除对应的一组节点板。虽有某些维度的处理节点数减少，机器仍保留其拓扑结构和路由算法。

屏障同步、广播／多播和归约等集合通信，在三维 torus 上效果不佳，因为它们可能用流量淹没网络。为此，系统另外使用两套每链路带宽更高的树形网络，高效实现集合与合并操作。除高效同步及广播／多播外，硬件还高效支持某些算术归约，例如对每节点提供的一个值求总和或最大值。除了 torus 和两套树网，Blue Gene/L 还实现用于 I/O 的千兆以太网，以及带宽更低的控制系统快速以太网，支持并行 I/O、配置、调试和维护。

系统／存储区域网络：InfiniBand

InfiniBand 是 InfiniBand Trade Association 成员公司联盟在 2000 年 10 月制定的行业事实网络标准。它既可作为处理器间通信的系统区域网络，也可作为服务器 I/O 的存储区域网络。它是基于交换机的互连，供应商与用户可灵活选择拓扑、路由及仲裁方法。它支持 300 米距离，每链路每方向 2–120 Gbit/s 数据速率；采用 cut-through、16 个虚拟通道与服务等级、基于 credit的链路级流控、加权轮询公平调度，以及可编程转发表。还包含通信子网管理、端到端路径建立、虚拟目的地命名等提高可靠性和可用性的功能。图 F.30 将其分组格式与 LAN、WAN 的另外两项标准并列；图 F.31 则与科研及商用高性能系统中广泛使用的两种专有 SAN 比较。

InfiniBand 提供两种基本用户级通信机制：发送／接收及远程 DMA（RDMA）。发送／接收要求接收者在发送者发数据前，显式提交接收缓冲区，即在通道适配器网络接口中分配空间。RDMA 则允许发送者直接将数据远程 DMA 到接收设备内存。例如，在连接 3.4 GHz Intel Xeon 主机的 Mellanox MHEA28-XT 通道适配器上测量，名义分组大小为 4 字节时，发送／接收机制的发送和接收开销分别为 0.946 μs、1.423 μs，RDMA 则分别为 0.910 μs、0.323 μs。

InfiniBand、以太网与 ATM 的分组格式 — 图 F.30 InfiniBand、以太网和 ATM 的分组格式。ATM 将消息称为 cell（信元），所以准确说法是 ATM 信元格式。每幅示意宽度为 32 位。三者都有编码方式不同的目的地址字段，也都有检测传输错误的校验和；但 ATM 校验和只覆盖头部，数据错误依靠高层协议检测。InfiniBand 与以太网载荷可变，因此都有长度字段，前者以 32 位字计，后者以字节计。InfiniBand 与 ATM 的头部有类型字段 T。以太网的其他字段包括前导码，用于从自同步编码恢复时钟，以及源地址和填充字段，确保含头部在内的最小分组为 64 字节。InfiniBand 还包括协议版本、支持顺序交付的序号、目的队列和分区键。图中省略了许多小字段及其他格式。ATM 小而固定的信元很适合数字语音实时需求。图中 Version、Destination、Source、Length、Type、Partition key、Destination queue、Sequence number、Preamble、Pad、Checksum、Data 分别为版本、目的地、源、长度、类型、分区键、目的队列、序号、前导码、填充、校验和、数据；数据及填充括号内数值为字节数。

网络［供应商］	2005 年前十名超级计算机集群中的应用	节点数	基本拓扑	原始双向链路带宽	路由算法	仲裁技术	交换技术；流控
InfiniBand［Mellanox、Voltair］	SGI Altrix、Dell PowerEdge Thunderbird	超过数百万，GUID 地址空间为 2¹²⁸，类似 IPv6	完全可配置，任意拓扑	4–240 Gbit/s	任意，表驱动，通常为 up/down	加权 RR 公平调度，两级优先级	cut-through；16 个虚拟通道，其中 15 个传数据；基于 credit
Myrinet-2000［Myricom］	西班牙 Barcelona Supercomputer Center	8192	16 端口双向交换机组成的双向 MIN，Clos 网络	4 Gbit/s	基于源的 dispersive 自适应最短路由	RR	cut-through，无虚拟通道；Xon/Xoff
QsNet II［Quadrics］	Intel Thunder Itanium2 Tiger4	超过数万个	8 端口双向交换机组成的胖树	21.3 Gbit/s	基于源的 LCA 自适应最短路径	两阶段 RR、优先级、aging，分布在输出端口	虫孔，两个虚拟通道；基于 credit

图 F.31 2005 年若干前十名超级计算机集群中系统区域网络的特征。

F.2 节已经说明，分组大小对充分利用带宽十分重要。自然会问，消息本来的大小是什么样？图 F.32(a) 展示商用流体动力学仿真应用 Fluent 的消息大小，数据采自俄亥俄州立大学 Network-Based Computer Laboratory 的 InfiniBand 网络。一条曲线累计发送消息数，另一条累计数据字节数。这里的消息是 MPI 信息单位，网络传输时还会分成 InfiniBand 最大传输单位，即分组。最大消息超过 512 KB，但约 90% 小于 512 字节；2 KB 消息对应约 50% 的传输字节。NAS Parallel Benchmark 的 Integer Sort 内核也测得约 75% 的消息小于 512 字节，图未列出。许多应用发送的小消息远多于大消息，尤其因为请求和确认比数据响应、块写入更加频繁。

消息大小分布与 InfiniBand 有效带宽 — 图 F.32 D.K. Panda、S. Sur 和 L. Chai 于 2005 年在俄亥俄州立大学 Network-Based Computing Laboratory 收集的数据。(a) Fluent 应用（www.fluent.com）随消息大小变化的累计消息比例与累计数据量。横轴各值代表累计到该大小的字节，例如 128 表示 1–128 字节。约 90% 的消息小于 512 字节，约占传输总字节的 40%。(b) 运行 MVAPICH（http://nowlab.cse.ohio-state.edu/projects/mpi-iba）的 SDR 与 DDR InfiniBand，在绕过操作系统的 native 模式及不绕过的 IPoIB 模式下，测得的有效带宽与消息大小关系。横轴为消息字节数；(a) 纵轴为百分比，Number of messages 与 Data volume 分别为消息数与数据量；(b) 纵轴为测量有效带宽，单位 MB/s。

InfiniBand 允许将协议处理从主机卸载到网卡控制器，降低处理开销。图 F.32(b) 用广泛使用的 InfiniBand MPI 实现 MVAPICH，展示卸载及绕过操作系统的收益。图按两种模式、两种网络速度绘制有效带宽。IPoIB 模式由主机操作系统 IP 层处理 InfiniBand 通信，不绕过 OS；另一模式让 MVAPICH 直接运行在 Mellanox 原生接口 VAPI 上，将传输协议处理卸载到通道适配器硬件，绕过 OS。图包括 10 Gbit/s 单倍数据率（SDR）与 20 Gbit/s 双倍数据率（DDR）网络。结果清楚表明，协议卸载和 OS bypass 显著降低发送、接收开销，使有效带宽接近线速。

以太网：局域网

以太网作为 LAN 极其成功，从 1978 年提出、原文称当时几乎处处可见的 10 Mbit/s 标准，到较新的、预计会广泛采用的 10 Gbit/s 标准。多类计算机都将以太网作为标准通信接口。IEEE 802.3 以太网是按目的地址路由分组的分组交换网络。最早为同轴电缆设计，后来主要使用 Cat5e 铜缆，长距离和高带宽采用光纤。原文还提到其无线版本 802.11，以说明这一技术体系的普及。

在 20 年间，计算机相比 1978 年快了数千倍，共享介质以太网却保持不变。于是，在更快、更高带宽网络出现前，工程师不得不寻找过渡办法。一种办法是以多个以太网连接机器，再用互联设备连接这些以太网，需要时将流量从一个转到另一个。各以太网由此能并行工作，提高整个计算机集合的总互连带宽；这些设备实际上提供了类似前述点到点网络交换机的功能。

图 F.33 展示潜在并行性。根据转发方式及所连网络类型，这些设备名称不同：

网桥。 连接各 LAN，按分组地址将流量从一侧转到另一侧。工作于以太网协议层，通常比下面的路由器更简单、便宜。按下一节 OSI 模型，见图 F.36，它工作于第二层，即数据链路层。
路由器或网关。 将 LAN 接到 WAN，或连接不同 WAN，并处理不兼容的编址。通常比网桥慢，工作于 OSI 第三层即网络层。WAN 路由器将网络划为较小、分离的子网，简化管理并提高安全性。

另一类互联设备是集线器，但它仅把多个网段扩展成一个 LAN，任一时刻仍只有一条消息能传输，所以无助于性能。它工作于 OSI 第一层即物理层。由于这些设备并非最初以太网标准规划的一部分，后来补入的性质增加了 LAN 维护难度和成本。

截至 2011 年，以太网链路有 10、100、10,000、100,000 Mbit/s 等速率。10 和 100 Mbit/s 以太网允许多设备共享介质，1000 Mbit/s 及以上则依靠点到点链路和交换机。交换机通常采用某种存储转发。

多个以太网与网桥提高并行带宽 — 图 F.33 采用多个以太网和网桥，可提高潜在带宽。上图为单一以太网，一次只能传一个分组；下图为多个以太网，可同时传多个分组。Node 为节点，Bridge 为网桥。

原文从以太网最早实现谈起，指出其没有真正的流量控制。最初它用载波侦听和指数退避，见 F-23 页，仲裁共享介质。有些交换机尝试利用这一接口补入自己的流控版本；原文称流量控制不是以太网标准的一部分。

广域网：ATM

异步传输模式（Asynchronous Transfer Mode，ATM）是电信行业制定的广域网标准。20 世纪 90 年代，它曾尝试在 LAN 领域与以太网竞争，后来退回其 WAN 优势领域。

这一电信标准内建可扩展带宽，从 155 Mbit/s 起，以四倍递增至 620 Mbit/s、2480 Mbit/s，依此类推。作为 WAN，它采用单模或多模光纤。虽然也是交换介质，ATM 与前述实例不同，依赖虚连接通信；它用虚拟通道进行路由，在同一网络段复用不同连接，避免传统基于连接网络的低效。面向 WAN 也促使它采用存储转发。如图 F.30，它与其他协议不同，使用载荷 48 字节的小型固定分组；并采用基于 credit的流控，而 IP 路由器不实施这种流控。

虚连接和小分组的原因在于服务质量。电信行业关心语音流量，因此既重视带宽，也重视可预测性。建立虚连接比分组无连接网络的变化更小，并简化存储转发。固定小分组还更容易实现快速路由器和交换机。为此，ATM 甚至提出自己的协议栈，与 TCP/IP 竞争。令人意外的是，交换机虽简单，ATM 协议族却庞大复杂。最初的梦想是从 LAN 到 WAN 无缝衔接，摆脱当时各式路由器拼凑的局面；这个梦想后来已从鼓舞人心的愿景，变成令人怀念的往事。