Modelos y plataformas de IA
Oracle Acceleron incorpora RDMA de front-end y conmutación por error entre varios planos para IA
Añade Unite.AI a tus fuentes preferidas en Google
Oracle anunció nuevas capacidades de redes en la nube de Oracle Acceleron para cargas de trabajo de IA en Oracle AI World, en Las Vegas, el 27 de octubre de 2026. Estas incluyen conectividad RDMA de front-end, más opciones de almacenamiento en bloque NVMe que, según Oracle, mejoran el rendimiento hasta 3 veces, y una biblioteca de comunicaciones colectivas para sus redes de varios planos.
Oracle Acceleron es el conjunto de tecnologías de redes e infraestructura de Oracle Cloud Infrastructure para ejecutar cargas de trabajo de IA exigentes de forma confiable, segura y a gran escala. Combina redes dedicadas, rutas de datos más directas y una NIC convergente con enrutamiento de confianza cero en el host y diseños de varios planos para ofrecer seguridad y resiliencia. Las nuevas capacidades abarcan tres áreas: movimiento de datos de IA, comunicación distribuida de IA e infraestructura segura de IA para múltiples inquilinos.
«Cuando miles de aceleradores trabajan juntos, una ruta congestionada o que falla puede tener consecuencias que van mucho más allá de una sola conexión», dijo Pradeep Vincent, vicepresidente ejecutivo de Computación e Infraestructura de IA de OCI, en el anuncio de Oracle. Vincent señaló que la empresa está desarrollando Acceleron para responder mediante el redireccionamiento del tráfico, la recuperación ante fallos y la ayuda a los clientes para escalar de forma segura.
RDMA de front-end y almacenamiento NVMe
La primera nueva capacidad, Oracle Acceleron High-Performance Fabric, incorpora conectividad RDMA a la computación de front-end de OCI y, según Oracle, ayuda a los clientes a implementar cargas de trabajo de inferencia, almacenamiento y computación de alto rendimiento (HPC) con mayor rendimiento. La segunda, la ampliación de las opciones de conexión de almacenamiento en bloque NVMe en las configuraciones de servidores dedicados y máquinas virtuales de Oracle Acceleron, mejora el rendimiento hasta 3 veces para cargas de trabajo de IA, bases de datos y otras que requieren un uso intensivo de datos, según el anuncio.
En una publicación técnica del blog de OCI de Oracle, los autores describieron RDMA como una forma de transferir datos directamente entre las memorias de distintas máquinas con una intervención mínima de la CPU, evitando gran parte del procesamiento del sistema operativo y del software que requiere una transferencia convencional. Esto reduce la latencia, mantiene un alto rendimiento y deja más capacidad de CPU disponible para las aplicaciones. Según escribieron los autores, esas ventajas van más allá de la comunicación entre GPU y también se aplican al acceso al almacenamiento y a las transferencias entre clústeres; sin embargo, RDMA es muy sensible a la congestión, la latencia y la pérdida de paquetes en una red compartida con cargas de trabajo mixtas.
Un problema de equidad es que RDMA suele utilizar un control de congestión basado en la tasa, mientras que TCP emplea un control basado en ventanas; según los patrones de tráfico, uno de los mecanismos puede imponerse al otro. Para mantener la equidad, la publicación indica que las SmartNIC de Oracle Acceleron utilizan cubos de fichas jerárquicos para hacer un seguimiento del consumo de ancho de banda del tráfico RDMA y no RDMA: un cubo principal representa el ancho de banda compartido y tiene cubos secundarios para cada clase de tráfico. A medida que se agotan las fichas, la SmartNIC marca probabilísticamente los paquetes compatibles con ECN o descarta los paquetes que no pueden responder, generando así una señal de congestión gradual. El mecanismo aprovecha toda la capacidad disponible, de modo que cualquiera de las clases de tráfico puede utilizar el ancho de banda no usado. También aborda el fenómeno incast, que se produce cuando un conmutador de la parte superior del rack se conecta a una SmartNIC.
Para gestionar la congestión dentro de la red, OCI utiliza un control de congestión basado en el retardo unidireccional en las SmartNIC de Acceleron. Como explicaron los autores, medir el retardo de la ruta de ida evita la señal falsa de congestión que puede generar una medición de ida y vuelta cuando solo está congestionada la ruta de retorno. Cuando un flujo presenta un retardo elevado, la SmartNIC sondea tres rutas alternativas y cambia el flujo a otra si encuentra una mejor; de lo contrario, señala la congestión mediante el marcado ECN o el descarte de paquetes. El RDMA de front-end de OCI admite todos los tipos de pares de colas y verbos, lo que permite a los clientes ejecutar las aplicaciones existentes sin modificarlas.
Comunicaciones colectivas y conmutación por error entre varios planos
Las capacidades de comunicación distribuida del anuncio son Oracle Collective Communications Library, u OCCL, y Transparent Front-End Multiplanar Networking. Oracle afirmó que OCCL ayuda a mantener en funcionamiento las cargas de trabajo de IA distribuida cuando fallan las rutas de red, al distribuir el tráfico colectivo por la red Multiplanar Network de back-end de OCI, dirigirlo hacia rutas más saludables y recuperarse cuando fallan enlaces, puertos o NIC. Transparent Front-End Multiplanar Networking incorpora redes de varios planos a las redes de front-end, con selección de rutas y conmutación por error transparentes integradas, además de un control de congestión transparente para el tráfico RDMA de front-end.
La publicación del blog plantea el problema en términos de entrenamiento: los trabajos sincronizados avanzan a la velocidad del enlace más lento de la cadena, por lo que una sola ruta congestionada o que falla puede ralentizar toda la carga de trabajo. Además, el reenvío estándar de rutas múltiples de costo igual fija los flujos a determinadas rutas sin tener en cuenta su tamaño, lo que provoca un uso desigual de los enlaces. Las redes de varios planos también han requerido NIC multipuerto con funciones especializadas, algo que, según escribieron los autores, no siempre es viable. OCI desarrolló OCCL para eliminar esa limitación en las cargas de trabajo generales de IA y aprendizaje automático.
OCCL es un complemento para bibliotecas de comunicación colectiva de uso común, que los marcos de IA utilizan para coordinar el intercambio de datos entre GPU. Según la publicación, distribuye el tráfico entre varios pares de colas, envía más tráfico por los pares de colas que ofrecen un mayor rendimiento y lo desvía activamente hacia las rutas menos congestionadas. De este modo, implementa un balanceo de carga con reconocimiento de la congestión, tanto a nivel de mensaje como de fragmento, a través de la interfaz estándar de complementos de red de CCL. Asigna dinámicamente mensajes de comunicación colectiva entre pares de colas estándar de Reliable Connection en función de la congestión y el estado observados, y admite la conmutación por error a nivel de puerto y de NIC. Si falla un enlace o una NIC, redirige la comunicación colectiva para que el entrenamiento distribuido continúe sin tener que reiniciar el trabajo.
Trasladar la conmutación por error, la recuperación y el balanceo de carga con reconocimiento de la congestión a la capa CCL desvincula esas funciones del hardware y el firmware de red y permite utilizarlas tanto en redes de un solo plano como en redes multiplanares, escribieron los autores. Añadieron que los clientes no necesitan controladores de enrutamiento complejos para seleccionar rutas ni detectar cambios en ellas. La publicación, fechada el 27 de octubre de 2026, fue escrita por Jag Brar, vicepresidente e ingeniero distinguido de OCI Networking Ops; Vincent; y Joy Ganguly, arquitecto de OCI.
