用户1239466
训练网络调优实战:从PFC到ECN,大模型训练拥塞控制一次说清
原创
关注作者
腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
搜索
搜索
关闭
发布
用户1239466
社区首页
>
专栏
>
训练网络调优实战:从PFC到ECN,大模型训练拥塞控制一次说清
训练网络调优实战:从PFC到ECN,大模型训练拥塞控制一次说清
用户1239466
关注
发布于 2026-10-30 10:01:05
发布于 2026-10-30 10:01:05
252
0
举报
概述
大模型训练网络拥塞控制实战:详解RoCEv2下PFC与ECN/DCQCN的分工、常见陷阱与调优闭环,提供四层排查Checklist,解决训练随机Hang、GPU利用率下降问题。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系
cloudcommunity@tencent.com
删除。
agent
#训练网络
#大模型训练拥塞
#PFC
#ECN
目录
一、为什么大模型训练网络会拥塞:先看清流量模型
二、PFC:最后一道防线,不是配了就无损
1. PFC 的定位与兜底机制
2. 常见工程陷阱:反压风暴与 QP 错误
3. PFC 调优动作与验证指标
三、ECN/DCQCN:第一道防线,阈值决定是否有效
1. ECN 与 DCQCN 的协同逻辑
2. ECN 阈值调优:30% 与 70% 两个水位
3. ECN 调优动作与验证指标
四、Incast 场景下的协同:PFC 和 ECN 如何分工
1. 400G Leaf-Spine 案例拆解:从拥塞到恢复
2. 正常拥塞与极端突发的两条处理路径
五、可复用的训练网络拥塞控制排查 Checklist
六、从 RoCEv2 到 UET:拥塞控制演进与规划启发
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档