Chapter 1 - 7. Introduction to Congestion in Storage Networks

2024-03-30 09:28

本文主要是介绍Chapter 1 - 7. Introduction to Congestion in Storage Networks,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

Important Details About RDMA-capable Protocols

Note the following points about RDMA-capable protocols: 请注意有关支持 RDMA 的协议的以下几点:

1. Although FCoE and RoCE use lossless Ethernet, their networks are different. For RoCE, the network need not be aware of the contents of the Ethernet frame. Likewise, for RoCEv2 the network need not be aware of the content of the UDP/IP packet. In contrast, FCoE networks must be aware of the content of the Ethernet frame for enforcing Fibre Channel zoning and providing exchange-based load-balancing because the exchanges are carried within the Fibre Channel frames, which are prepended with FCoE headers. But the focus of this book is on network congestion and the PFC still works the same for FCoE, RoCE, and RoCEv2 networks. Therefore, their congestion management is similar, which is covered together in Chapter 7. 虽然 FCoE RoCE 都使用无损以太网,但它们的网络是不同的。对于 RoCE,网络不需要知道以太网帧的内容。同样,对于 RoCEv2,网络也不需要知道 UDP/IP 数据包的内容。相比之下,FCoE 网络必须了解以太网帧的内容,以执行光纤通道分区并提供基于交换的负载平衡,因为交换是在光纤通道帧中进行的,而光纤通道帧前有 FCoE 标头。但本书的重点是网络拥塞,PFC FCoERoCE RoCEv2 网络的作用仍然相同。因此,它们的拥塞管理是相似的,将在第 7 章中一并介绍。

2. Despite iWARP being an RDMA-capable protocol, its congestion management is the same as a TCP network, which may be simultaneously used for many other storage protocols, such as iSCSI, NVMe/TCP, NFS, and SMB. Chapter 8 explains congestion management in TCP Storage Networks. 尽管 iWARP 是一个支持 RDMA 的协议,但其拥塞管理与 TCP 网络相同,可同时用于许多其他存储协议,如 iSCSINVMe/TCPNFS SMB。第 8 章介绍了 TCP 存储网络中的拥塞管理。

3. There are no dedicated headers for RoCE and RoCEv2. These are just the names. In contrast, iWARP has a dedicated header. RoCE RoCEv2 没有专用的标头。它们只是名称而已。相比之下,iWARP 有一个专用报头。

4. RDMA verbs have a different mechanism to move data. For reading data, SCSI and NVMe use read commands, whereas RDMA uses the RDMA_WRITE verb in the reverse direction. Likewise, for writing data, SCSI and NVMe use the write command, whereas RDMA uses the RDMA_READ verb in the reverse direction. The SCSI and NVMe I/O Operations are explained in Chapter 5, and RoCEv2 I/O operations are explained in Chapter 7. Despite these differences, for the scope of this book, there is no need to be confused about these details. Ultimately, the applications define the traffic profile on the network regardless of the type of storage protocol and transport protocol. RDMA 动词有不同的数据移动机制。对于读取数据,SCSI NVMe 使用读取命令,而 RDMA 则反向使用

这篇关于Chapter 1 - 7. Introduction to Congestion in Storage Networks的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/861108

相关文章

Chapter 13 普通组件的注册使用

欢迎大家订阅【Vue2+Vue3】入门到实践 专栏,开启你的 Vue 学习之旅! 文章目录 前言一、组件创建二、局部注册三、全局注册 前言 在 Vue.js 中,组件是构建应用程序的基本单元。本章详细讲解了注册和使用 Vue 的普通组件的两种方式:局部注册和全局注册。 本篇文章参考黑马程序员 一、组件创建 ①定义 Vue 组件是一种具有特定功能的 Vue 实

Chapter 10 Stability and Frequency Compensation

Chapter 10 Stability and Frequency Compensation Chapter 8介绍了负反馈, 这一章介绍稳定性, 如果设计不好, 负反馈系统是要发生震荡的. 首先我们学习理解稳定判断标准和条件, 然后学习频率补偿, 介绍适用于不同运放的补偿方式, 同时介绍不同补偿对两级运放slew rate的影响, 最后介绍Nyquist’s判断标准 10.1 Gener

MongoDB学习—(1)安装时出现The default storage engine 'wiredTiger' is not available问题解决

MongoDB是NoSql类型的一种基于分布式文件存储的数据库,其存储方式与关系型数据库不同。其详细解释可见于[百科]。安装文件可从官网下载,官网:http://mongodb.org 我将下载的解压文件放到D盘的mongodb文件夹下,

A Comprehensive Survey on Graph Neural Networks笔记

一、摘要-Abstract 1、传统的深度学习模型主要处理欧几里得数据(如图像、文本),而图神经网络的出现和发展是为了有效处理和学习非欧几里得域(即图结构数据)的信息。 2、将GNN划分为四类:recurrent GNNs(RecGNN), convolutional GNNs,(GCN), graph autoencoders(GAE), and spatial–temporal GNNs(S

AI基础 L1 Introduction to Artificial Intelligence

什么是AI Chinese Room Thought Experiment 关于“强人工智能”的观点,即认为只要一个系统在行为上表现得像有意识,那么它就真的具有理解能力。  实验内容如下: 假设有一个不懂中文的英语说话者被关在一个房间里。房间里有一本用英文写的中文使用手册,可以指导他如何处理中文符号。当外面的中文母语者通过一个小窗口传递给房间里的人一些用中文写的问题时,房间里的人能够依

Complex Networks Package for MatLab

http://www.levmuchnik.net/Content/Networks/ComplexNetworksPackage.html 翻译: 复杂网络的MATLAB工具包提供了一个高效、可扩展的框架,用于在MATLAB上的网络研究。 可以帮助描述经验网络的成千上万的节点,生成人工网络,运行鲁棒性实验,测试网络在不同的攻击下的可靠性,模拟任意复杂的传染病的传

Convolutional Neural Networks for Sentence Classification论文解读

基本信息 作者Yoon Kimdoi发表时间2014期刊EMNLP网址https://doi.org/10.48550/arXiv.1408.5882 研究背景 1. What’s known 既往研究已证实 CV领域著名的CNN。 2. What’s new 创新点 将CNN应用于NLP,打破了传统NLP任务主要依赖循环神经网络(RNN)及其变体的局面。 用预训练的词向量(如word2v

浏览器百科:网页存储篇-Session storage应用实例(九)

1.引言 在前面的文章中,我们详细介绍了如何在 Chrome 浏览器中打开并使用 Session storage 窗格,进行数据的查看、编辑和管理。作为网页存储技术的重要组成部分,sessionStorage在提升用户体验和数据管理能力方面发挥了重要作用。在本篇《浏览器百科:网页存储篇-Session storage应用实例(九)》中,我们将深入探讨sessionStorage的实际应用场景,通

【机器学习】生成对抗网络(Generative Adversarial Networks, GANs)详解

🌈个人主页: 鑫宝Code 🔥热门专栏: 闲话杂谈| 炫酷HTML | JavaScript基础 ​💫个人格言: "如无必要,勿增实体" 文章目录 生成对抗网络(Generative Adversarial Networks, GANs)详解GANs的基本原理GANs的训练过程GANs的发展历程GANs在实际任务中的应用小结 生成对