首页
学习
活动
专区
圈层
工具
发布
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

作者头像
用户1239466
发布于 2026-10-30 10:01:05
发布于 2026-10-30 10:01:05
2520
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。

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