- 캐서린
홍길동
오전 2시 57분에 답변됨
UFM Telemetry는 로컬 또는 클라우드 데이터베이스의 추가 분석을 위해 네트워크 검증 도구를 제공하고, 네트워크 성능 및 상태를 모니터링하고, 실시간 네트워크 원격 측정 정보, 애플리케이션 로드 사용량 및 시스템 구성을 캡처 및 전송할 수 있는 기본 계층입니다.
UFM Enterprise는 UFM Telemetry 위에 향상된 네트워크 모니터링 및 관리 기능을 추가하는 중간 계층입니다. 자동 네트워크 검색 및 구성, 트래픽 모니터링, 정체 감지는 물론 주류 작업 스케줄러, 클라우드 및 클러스터 관리자(예: Slurm 및 Platform LSF)와의 통합도 수행할 수 있습니다.
UFM Cyber-AI는 UFM Telemetry 및 UFM Enterprise 위에 예방적 유지 관리 및 네트워크 보안 기능을 추가하는 최상위 계층입니다. 딥 러닝 알고리즘을 사용하여 데이터 센터의 "하트비트", 작동 모드, 상태, 사용량 및 워크로드 네트워크 특성을 학습합니다. 향상된 원격 측정 정보 데이터베이스를 구축하고 이벤트 간의 상관 관계를 발견할 수 있습니다. 성능 저하, 사용량 및 구성 변경을 감지하고 비정상적인 시스템 및 애플리케이션 동작과 잠재적인 시스템 오류에 대한 경고를 제공할 수 있습니다.
사람들은 또한 묻는다.
관련 기사
800G SR8 및 400G SR4 광 트랜시버 모듈 호환성 및 상호 연결 테스트 보고서
버전 변경 로그 작성기 V0 샘플 테스트 Cassie 테스트 목적 테스트 대상: 800G OSFP SR8/400G OSFP SR4/400G Q112 SR4. 해당 테스트를 수행함으로써 테스트 매개변수는 관련 산업 표준을 충족합니다.
지능형 컴퓨팅 센터 네트워크 설계에서 코어 포트 비율 분석
GPU 클러스터 네트워크 설계의 두 가지 핵심 원칙: 코어 포트 정의 지능형 컴퓨팅 센터를 위한 일반적인 스파인-리프(CLOS) 네트워크 아키텍처에서: 일관된 액세스-코어 포트 비율
NVIDIA GB200 NVL72: 랙 규모 AI 컴퓨팅의 새로운 기준을 제시합니다
대규모 언어 모델(LLM)과 전문가 혼합 모델(MoE) 아키텍처의 폭발적인 성장은 컴퓨팅 인프라의 기본 논리를 근본적으로 바꾸고 있습니다. 모델 매개변수가 수조 개를 넘어서면서 기존 클러스터는 한계에 직면하고 있습니다.
800G 스위치 심층 분석 보고서: 아키텍처 진화, 시장 현황 및 미래 전망
서론: AI 시대의 네트워크 인프라 재구축 - 클라우드 컴퓨팅에서 AI 팩토리로의 패러다임 전환. 전 세계 데이터 센터 네트워크는 지난 10년 동안 가장 심오한 변화를 겪고 있습니다.
