グローバルロードバランシング(GLB)

従来のロードバランシングメカニズムでは、ハッシュアルゴリズムを使用して、トラフィックを送信するエグレスインターフェイスを決定します。これらのアルゴリズムは、受信したパケットの 5 つのタプルでハッシュ関数を操作します。しかし、アルゴリズムは、パケットを送信するリンクのリアルタイム使用率を考慮しません。DLBであっても、決定は完全に局所的であり、アルゴリズムはリンクの使用状況をグローバルに検出することはできません。さらに離れたノードが輻輳している場合、そのノードはパケットをドロップする可能性があります。グローバルロードバランシング(GLB)は、NNH(ネクストツーネクストホップ)レベルで輻輳を可視化するDLBの拡張機能です。

GLBでは、リモートリンクのリンク使用率を考慮してから、エグレスインターフェイスを決定します。DLB と同様に、1 つのマルチパス レッグで輻輳が発生した場合、GLB は輻輳を軽減するためにトラフィックを代替レッグにオフロードできます。DLBとは異なり、GLBはリーフデバイス上のトラフィックフローを再ルーティングすることで、スパインレベルでのトラフィック輻輳を回避できます。

GLBは、データセンター導入で一般的に使用されるClosベースのIPファブリックトポロジー向けに設計されています。初期実装では、3ステージClos(リーフ - スパイン - リーフ)トポロジーがサポートされていました。最近の機能強化により、GLB のサポートが、スーパー スパイン層を導入する 5 ステージ アーキテクチャなど、より大規模な多ステージ Clos トポロジーにまで拡張されています。

大規模なAI/ML導入では、スーパースパインなどの中間ノードには、多数のネクストネクストホップ(NNH)パスが存在する可能性があります。QFX5240チップセットベースのプラットフォームでは、ハードウェアパス品質プロファイルの数は64に制限されています。この制限に対処するために、GLBは特定の条件下でのプロファイル共有をサポートし、複数のパス間でのパス品質プロファイルの再利用を可能にします。

この機能強化により、GLBはハードウェアプロファイルの制限を超えて拡張し、リーフ、スパイン、GPUの数を増やして、より大規模なClosネットワークをサポートすることができます。

機能エクスプローラーを使用して、特定の機能のプラットフォームとリリースのサポートを確認します。

AI-MLデータセンターは、他のネットワークに比べてエントロピーが少なく、データフローが大きくなります。ハッシュベースのロードバランシングは、エントロピーの少ない大量のトラフィックのデータフローを必ずしも効果的にロードバランシングするとは限らないため、代わりに動的ロードバランシング(DLB)がよく使用されます。ただし、DLBではローカルリンク帯域幅の使用率のみが考慮されます。このため、DLBはトラフィック輻輳を効果的に緩和できるのは、すぐネクストホップでのみです。GLBは、リモートリンクのトラフィック輻輳を考慮することで、大規模なデータフローをより効果的にロードバランシングします。

大規模なAI/MLデータセンターの導入では、GLBは多段階Closトポロジーで使用され、増え続けるデバイスとGPUをサポートします。これらのトポロジーによりパスの多様性が高まり、GLBが複数のネットワーク層にわたってより効果的なロードバランシングの決定を下すことができます。