Oracle Acceleron ajoute le RDMA en frontal et le basculement multiplaque pour l’IA

Oracle a annoncé de nouvelles capacités de réseau cloud Oracle Acceleron destinées aux charges de travail d’IA lors d’Oracle AI World, à Las Vegas, le 27 octobre 2026. Elles comprennent la connectivité RDMA en frontal, des options élargies de stockage par blocs NVMe, qui, selon Oracle, améliorent les performances jusqu’à 3 fois, ainsi qu’une bibliothèque de communications collectives pour ses réseaux multiplanaires.

Oracle Acceleron est la suite de technologies de réseau et d’infrastructure d’Oracle Cloud Infrastructure, conçue pour exécuter de manière fiable, sécurisée et à grande échelle des charges de travail d’IA exigeantes. Elle associe des fabrics réseau dédiés, des chemins de données plus directs et une carte réseau convergée, ainsi qu’un routage Zero Trust au niveau de l’hôte et des architectures multiplanaires qui renforcent la sécurité et la résilience. Les nouvelles capacités couvrent trois domaines : le déplacement des données pour l’IA, les communications distribuées de l’IA et l’infrastructure d’IA sécurisée pour les environnements mutualisés.

« Lorsque des milliers d’accélérateurs fonctionnent ensemble, un seul chemin encombré ou défaillant peut avoir des conséquences bien au-delà d’une connexion », a déclaré Pradeep Vincent, vice-président exécutif chargé du calcul et de l’infrastructure d’IA chez OCI, dans l’annonce d’Oracle. Vincent a indiqué que l’entreprise développe Acceleron pour réagir en redirigeant le trafic, en rétablissant le service après des défaillances et en aidant les clients à évoluer en toute sécurité.

RDMA en frontal et stockage NVMe

La première nouvelle capacité, Oracle Acceleron High-Performance Fabric, apporte la connectivité RDMA au calcul en frontal d’OCI. Selon Oracle, elle aide les clients à déployer des charges de travail d’inférence, de stockage et de calcul haute performance avec de meilleures performances. La deuxième capacité — l’élargissement des options de connexion au stockage par blocs NVMe pour les configurations Oracle Acceleron sur serveurs bare metal et machines virtuelles — améliore les performances jusqu’à 3 fois pour l’IA, les bases de données et les autres charges de travail gourmandes en données, selon l’annonce.

Dans un article technique publié sur le blogue OCI d’Oracle, les auteurs expliquent que le RDMA transfère directement les données entre les mémoires de différentes machines, avec une intervention minimale du processeur. En contournant une grande partie du traitement effectué par le système d’exploitation et les logiciels lors d’un transfert classique, il réduit la latence, maintient un débit élevé et laisse davantage de capacité processeur aux applications. Selon les auteurs, ces avantages ne se limitent pas aux communications entre GPU : ils s’étendent également à l’accès au stockage et aux transferts entre grappes. Le RDMA est toutefois très sensible à la congestion, à la latence et aux pertes de paquets sur un réseau partagé qui prend en charge des charges de travail mixtes.

Un problème d’équité tient au fait que le RDMA utilise généralement un contrôle de congestion fondé sur le débit, tandis que TCP repose sur un contrôle par fenêtre ; selon les profils de trafic, l’un des mécanismes peut en submerger l’autre. Pour préserver l’équité, indique l’article, les SmartNIC Oracle Acceleron utilisent des compartiments à jetons hiérarchiques afin de suivre la consommation de bande passante du trafic RDMA et non-RDMA : un compartiment parent représente la bande passante partagée et comporte des compartiments enfants pour chaque classe de trafic. À mesure que les jetons s’épuisent, la SmartNIC marque de façon probabiliste les paquets compatibles ECN ou abandonne ceux qui ne peuvent pas réagir, ce qui produit un signal de congestion progressif. Le mécanisme utilise toujours la bande passante disponible : chaque classe de trafic peut donc emprunter la bande passante inutilisée. Il traite également le problème des rafales de trafic convergent (incast), lorsque des connexions convergent vers une SmartNIC depuis un commutateur de haut de baie.

Pour gérer la congestion à l’intérieur du fabric, OCI utilise un contrôle de congestion fondé sur le délai à sens unique dans les SmartNIC Acceleron. Comme l’expliquent les auteurs, mesurer le délai sur le chemin aller évite le faux signal de congestion qu’une mesure aller-retour peut produire lorsque seul le chemin retour est encombré. Lorsqu’un flux présente un délai élevé, la SmartNIC teste trois chemins de remplacement et y déplace le flux si elle en trouve un meilleur ; sinon, elle signale la congestion en marquant les paquets ECN ou en les abandonnant. Le RDMA en frontal d’OCI prend en charge tous les types de paires de files d’attente et les verbes RDMA, ce qui permet aux clients d’exécuter leurs applications existantes sans modification.

Communications collectives et basculement multiplanaire

Les capacités de communication distribuée présentées dans l’annonce sont Oracle Collective Communications Library, ou OCCL, et Transparent Front-End Multiplanar Networking. Selon Oracle, OCCL contribue à maintenir l’exécution des charges de travail d’IA distribuées en cas de défaillance des chemins réseau, en répartissant le trafic collectif sur le réseau dorsal OCI Multiplanar Network, en le dirigeant vers les chemins les plus performants et en rétablissant le service en cas de défaillance de liaisons, de ports ou de cartes réseau. Transparent Front-End Multiplanar Networking apporte le réseau multiplanaire aux réseaux en frontal, avec une sélection transparente des chemins et un basculement intégrés, ainsi qu’un contrôle transparent de la congestion pour le trafic RDMA en frontal.

L’article de blogue présente le problème sous l’angle de l’entraînement : les tâches synchronisées avancent à la vitesse de la liaison la plus lente de la chaîne. Un seul chemin encombré ou défaillant peut donc ralentir l’ensemble de la charge de travail. Par ailleurs, l’acheminement multipath standard à coût égal (ECMP) attribue les flux aux chemins sans tenir compte de leur taille, ce qui entraîne une utilisation inégale des liaisons. Les fabrics multiplanaires ont également nécessité des cartes réseau multiports dotées de fonctionnalités spécialisées, une solution qui n’est pas toujours réalisable, écrivent les auteurs. OCI a conçu OCCL pour supprimer cette contrainte dans les charges de travail générales d’IA et d’apprentissage automatique.

OCCL est un module d’extension pour les bibliothèques de communication collective couramment utilisées, que les infrastructures d’IA emploient pour coordonner les échanges de données entre GPU. Selon l’article, il répartit le trafic entre plusieurs paires de files d’attente, envoie davantage de trafic sur celles qui offrent un débit supérieur et dirige activement le trafic vers des voies moins encombrées. Il met ainsi en œuvre un équilibrage de charge tenant compte de la congestion, au niveau des messages et des blocs de données, par l’intermédiaire de l’interface standard de module d’extension réseau CCL. Il répartit dynamiquement les messages de communication collective entre des paires de files d’attente Reliable Connection standard en fonction de la congestion et de l’état observés. Il prend également en charge le basculement au niveau des ports et des cartes réseau, en réorientant la communication collective après la défaillance d’une liaison ou d’une carte réseau, afin que l’entraînement distribué se poursuive sans redémarrage du travail.

En transférant les fonctions de basculement, de reprise et d’équilibrage de charge tenant compte de la congestion vers la couche CCL, on les dissocie du matériel et des micrologiciels réseau. Cette approche fonctionne sur les réseaux à un ou plusieurs plans, ont écrit les auteurs, ajoutant que les clients n’ont pas besoin de contrôleurs de routage complexes pour sélectionner les voies ou détecter leurs changements. L’article, daté du 27 octobre 2026, a été rédigé par Jag Brar, vice-président et ingénieur émérite chargé des opérations réseau d’OCI ; Vincent ; et Joy Ganguly, architecte chez OCI.