- ケーシー
- 2023 年 9 月 25 日
- 午前6:59
ファイバーモール
午前6時59分に回答済み
いくつかの Arista 100G トランシーバとケーブルをブレークアウト モードで使用できます。これは、それらを 25 つの XNUMXG チャネルに分割できることを意味します。 これらには次のものが含まれます。
- QSFP-100G-SR4: 100GBASE-SR4 QSFP 光トランシーバー、パラレル OM70 で最大 3m、または OM100 マルチモード ファイバーで最大 4m
- QSFP-100G-XSR4: 100GBASE-XSR4 QSFP 光トランシーバー、パラレル OM150 で最大 3 m、または OM300 マルチモード ファイバーで最大 4 m
- QSFP-100G-PSM4: 100GBASE-PSM4 40G/100G デュアルスピード QSFP 光トランシーバー、パラレル SMF で最大 500m
- QSFP-100G-PLRL4: 100GBASE-PLRL4 40G/100G デュアルスピード QSFP 光トランシーバー、パラレル SMF 経由で最大 2km
- CAB-QQ-100G-xM：100GBASE-CR4 QSFP - QSFP Twinax 銅線ケーブル、0.5m ～ 5m
- CAB-Q-4S-100G-xM：100GBASE-CR4 QSFP から 4 x 25GbE SFP Twinax 銅線ケーブル、1m ～ 5m
- AOC-QQ-100G-xM: 100GbE QSFP - QSFP アクティブ光ケーブル、1m ～ 30m
- AOC-Q-4S-100G-xM: Arista AOC-Q-4S-100G-xM 互換 QSFP28 ～ 4x25G SFP28 ブレークアウト アクティブ光ケーブル、3m ～ 30m
これらのトランシーバーとケーブルは、次の表に示すように、ブレークアウト モードで使用する場合、関連する業界標準と相互運用できます。
人々も尋ねる
関連記事
800G SR8 および 400G SR4 光トランシーバー モジュールの互換性および相互接続テスト レポート
バージョン変更ログ ライター V0 サンプル テスト Cassie テスト目的 テスト対象：800G OSFP SR8/400G OSFP SR4/400G Q112 SR4。 対応するテストを実施することにより、テストパラメータは関連する業界標準を満たし、テストモジュールは通常、Nvidia (Mellanox) MQM9790 スイッチ、Nvidia (Mellanox) ConnectX-7 ネットワーク カード、および Nvidia (Mellanox) BlueField-3 に使用でき、のための基礎
スパインリーフ型と従来の3層アーキテクチャ：包括的な比較と分析
はじめに データセンターネットワークの進化 過去数十年にわたり、データセンターネットワークは、単純なローカルエリアネットワークから複雑な分散システムへと大きな変革を遂げてきました。1990年代には、データセンターは主に基本的なレイヤー2スイッチングネットワークに依存しており、サーバーはハブやローエンドのスイッチを介して相互接続されていました。
AMD: AI液体冷却市場の未来を切り拓く
急速に進化するAIインフラ環境において、AMDは特に液体冷却技術においてゲームチェンジャーとして台頭しています。データセンターがパフォーマンスと効率性の限界を押し広げる中、AMDの最新の技術革新は新たなベンチマークを確立しています。光通信製品とソリューションの専門プロバイダーであるFiberMallは、費用対効果の高いソリューションを提供することに尽力しています。
光モジュールの進化：データセンターの未来とその先を支える
人工知能（AI）、クラウドコンピューティング、ビッグデータが支配する時代において、高性能データ伝送の需要はかつてないほど高まっています。このデジタル革命の心臓部であるデータセンターは、膨大な量のデータをかつてない速度で処理・転送する役割を担っています。その核心は、
OSFP 光モジュールの熱構造はどのように設計されていますか?
400G OSFP以上の超高速光モジュールの消費電力は大幅に増加しており、熱管理が重要な課題となっています。OSFPパッケージタイプの光モジュールの場合、プロトコルはヒートシンクフィンのインピーダンス範囲を明示的に規定しています。具体的には、冷却ガスの風圧が
AIコンピューティングクラスター：未来を動かす
近年、人工知能（AI）の世界的な台頭は社会全体で広く注目を集めています。AIをめぐる議論でよく取り上げられるのは、コンピューティングクラスターの概念です。これは、アルゴリズムとデータと並んでAIの3つの基盤となる要素の一つです。これらのコンピューティングクラスターは、計算処理の主要なソースとして機能します。
データセンタースイッチ：現状と将来の動向
人工知能（AI）の発達によりデータ量とモデルの複雑さが指数関数的に増大する中、分散コンピューティングは相互接続されたノードを活用して学習プロセスを加速させます。データセンタースイッチは、特に競争の激しいワークロードの処理においてテールレイテンシが極めて重要な大規模データセンターにおいて、ノード間でタイムリーなメッセージ配信を確保する上で極めて重要な役割を果たします。