如何实现开源开放生态下的RDMA网络监控？

在当今AI、大模型飞速发展的时代，RDMA（Remote Direct Memory Access，远程直接内存访问）网络技术凭借其低延迟、高吞吐量的特性，在数据中心、高性能计算等领域得到了广泛应用。然而，许多企业在尝试对 RDMA 网络进行监控时，却常常遭遇闭源监控工具的限制。本文将为您揭示如何突破这些限制，实现对 RDMA 网络的高效监控。

为什么需要强化RDMA网络监控？

这里需要提到SNMP网络管理技术（Simple Network Management Protocol，简单网络管理协议），它由三部分组成：SNMP管理器（NMS）、SNMP代理（Agent）和管理信息库（MIB）。SNMP管理器通过SNMP协议与网络设备上的SNMP代理通信，获取设备的运行状态和性能数据，从而实现对网络的监控和管理。

SNMP监控的应用场景其实相对广泛，比如监控路由器、交换机、防火墙等网络设备的接口流量、CPU利用率、内存使用情况、服务器硬件的硬盘空间、电源状态等，但SNMP监控也存在轮询机制导致的数据收集实时性较弱、可扩展性弱、配置管理繁琐等问题。

随着业务的发展和网络规模的扩大，RDMA网络的复杂性增加，如果仍然用传统的SNMP监控，可谓是费力不讨好。所以一个能够快速部署的高性能监控方案必不可少。从数据安全和隐私保护的角度讲，强化RDMA网络监控也可以确保数据传输的安全性，防止未经授权的访问和数据泄露，满足合规性要求。

开源监控工具有哪些？

在开源生态中，中小企业可以共享大厂开源的技术成果，其可靠性高、支持自定义、成本低成为越来越多的企业选择开放网络架构的原因，这也说明网络的开源与开放将是未来的趋势，那目前有哪些开源的监控工具呢？

Nagios：是一款广泛使用的开源网络监控工具，其高度可定制，拥有强大的插件生态系统、强大的社区支持和定期更新，高级通知选项，可及时提醒用户关键问题。

Zabbix：是一款企业级开源网络监控工具，以其可扩展性和性能而闻名，高级数据收集和可视化功能。强大的社区支持和详尽的文档。

Prometheus：Prometheus是一款现代开源监控解决方案，专为系统指标和性能监控提供广泛洞察。它最初由SoundCloud开发，因其云原生方法而受到欢迎。强大的时间序列数据存储和查询能力（PromQL）。支持微服务架构，易于集成。

......

不同的开源工具有不同的优势和亮点，如何选择更具性价比的方案呢？

由于云原生架构的模块化和松耦合特性，使其具备灵活性、敏捷性、成本效益等多重优势，无论是对开发团队还是对业务方来讲，都是极具效率与性价比的方案。经过几年的发展，云原生这个概念已经得到了社区、企业和市场的广泛认可。从当前比较热门的云原生技术、容器来看，云原生已经在众多行业和领域，有了许多落地的案例，包括高科技、金融、制造、零售、教育、政府等。

虽然Nagios和Zabbix可以通过插件和配置来支持云原生环境，但它们的适配性确实不如Prometheus。Prometheus在云原生环境中的表现更为出色，特别是在容器监控、服务发现和大规模集群监控方面。

企业自行部署Prometheus实现监控可行吗？答案是可行，但是需要运维人员自行配置和部署，过程复杂，对运维人员的技术要求也比较高。

星融元基于在开放网络领域深耕多年的积累，敏锐地识别到了企业面临RDMA网络监控的痛点，即需要简捷高效的网络运维。

星融元如何实现更高效的RDMA网络监控？

全场景硬件产品支持

RDMA（Remote Direct Memory Access，远程直接内存访问）是一种高性能网络通信技术，允许用户级应用程序直接读取和写入远程内存，而无需经过CPU进行多次内存复制。这种技术显著降低了延迟和CPU开销，提高了数据传输的效率。并且。RDMA技术对网络丢包非常敏感，因此，为了充分发挥RDMA的性能，需要构建一个无丢包的网络环境，即无损网络，通过PFC（优先级流量控制）和ECN（显式拥塞通知）等技术，确保网络在高负载情况下仍能保持低延迟和高吞吐量。

区别于传统厂家多等级License权限管理方式，星融元CX-N数据中心交换机所有应用场景License权限一致，全系列标配RoCEv2能力，提供PFC、ECN等一系列面向生产环境的增强网络特性。

25G-800G丰富的产品规格，灵活支持单一SKU或混合速率规格组网方案，规模可从边缘推理扩展到万卡集群；

400ns-560ns超低端到端时延，媲美IB网络；

兼容UEC规范，面向未来业务拓展、技术升级可进行平滑切换；

......

EasyRoCE Toolkit免费开放

面向AI、智算等场景，星融元依托开源开放的网络架构，推出EasyRoCE Toolkit。从前期规划实施到日常运维监控， EasyRoCE Toolkit 简化了各环节的复杂度并改善了操作体验，可以说是开箱即用，且具备二次开发和集成空间。该工具集对星融元签约用户完全开放，并常态化更新，无额外收费。

EasyRoCE Toolkit功能展示：

高精度监控工具（Real-time Traffic Reporter, RTR）

EasyRoCE Toolkit下的高精度监控工具（Real-time Traffic Reporter, RTR）解决的便是高精度数据源的呈现问题。该工具将监控面板的设计、采集器的对接等配置工作打包到一个json文件里，用户将其导入UG平台后即可生成详尽的毫秒级监控数。

链路地图（Link Map, LM）

实时呈现所有链路的负载情况, 动态监控整网运行状态

光模块地图（Transceiver Map, TM）

动态监控所有光模块的运行状态(up/down)，快速定位故障点

拓扑呈现（Topology Generator, TG）

从逻辑到物理映射，自动呈现拓扑，帮助运维人员快速、精准定位异常

图形化面板（Device Panel, DP）

以交换机的实际面板布局为基础，图形化展示设备的运行状态,通过颜色变化（橙色或红色）显著标记设备异常点

参考来源：

https://blog.csdn.net/ITmoster/article/details/131246358

https://www.baidu.com/link?url=p3tUy2J_k4Z1DjPb_Q2LRSn588mPtLndydxc571GcaXFY87LIlBCmWI_KBC5EloWqh1a0B_DCi5Op6wvLkS5ky98NOYnAG6mDr8FqGoe6hfARlU_Sj59QT1wXiTX2vgxHhT6hbv1mgK0puFAq6Tvy8beuFVC6SARsm8tMqKkPb_&wd=&eqid=a24252bd004b9ca70000000667c040bf

https://www.nagios.org/

https://www.zabbix.com/cn

https://prometheus.ac.cn/docs/prometheus/latest/getting_started/

https://solutionsreview.com/network-monitoring/the-13-best-open-source-network-monitoring-tools/

https://blog.csdn.net/qq_29917503/article/details/130340284

https://asterfusion.com/easyroce/

审核编辑 黄宇