- Catherine
- August 28, 2023
- 2 h 57
Jean Dupont
Répondu à 2h57
La télémétrie UFM est la couche de base, qui peut fournir des outils de validation du réseau, surveiller les performances et l'état du réseau, capturer et transmettre des informations de télémétrie du réseau en temps réel, l'utilisation de la charge des applications et la configuration du système, pour une analyse plus approfondie dans des bases de données locales ou cloud.
UFM Enterprise est la couche intermédiaire, qui ajoute des fonctions améliorées de surveillance et de gestion du réseau en plus de la télémétrie UFM. Il peut effectuer une découverte et une configuration automatiques du réseau, une surveillance du trafic et une détection des encombrements, ainsi qu'une intégration avec les planificateurs de tâches traditionnels et les gestionnaires de cloud et de cluster (tels que Slurm et Platform LSF).
UFM Cyber-AI est la couche la plus élevée, qui ajoute des fonctions de maintenance préventive et de sécurité du réseau en plus d'UFM Telemetry et d'UFM Enterprise. Il utilise des algorithmes d'apprentissage profond pour connaître le « battement de cœur », les modes de fonctionnement, l'état, l'utilisation et les caractéristiques du réseau de charge de travail du centre de données. Il peut créer une base de données d'informations de télémétrie améliorée et découvrir des corrélations entre les événements. Il peut détecter la dégradation des performances, l'utilisation et les modifications de configuration, et fournir des alertes en cas de comportement anormal du système et des applications et de pannes potentielles du système.
Les gens demandent aussi
Commutateurs de centre de données : paysage actuel et tendances futures
Alors que l'intelligence artificielle (IA) entraîne une croissance exponentielle des volumes de données et de la complexité des modèles, le calcul distribué exploite les nœuds interconnectés pour accélérer les processus d'apprentissage. Les commutateurs de centres de données jouent un rôle essentiel.
Articles Relatifs
Rapport de test de compatibilité et d'interconnexion des modules émetteurs-récepteurs optiques 800G SR8 et 400G SR4
Version Change Log Writer V0 Exemple de test Cassie Objectif du test Objets de test : 800G OSFP SR8/400G OSFP SR4/400G Q112 SR4. En effectuant les tests correspondants, les paramètres de test répondent aux normes industrielles pertinentes,
Architecture Spine-Leaf vs. Architecture traditionnelle à trois niveaux : comparaison et analyse complètes
Introduction Évolution des réseaux de centres de données Au cours des dernières décennies, les réseaux de centres de données ont subi une transformation massive, passant de simples réseaux locaux à des systèmes distribués complexes.
AMD : pionnier de l'avenir des marchés du refroidissement liquide pour l'IA
Dans le paysage en constante évolution des infrastructures d'IA, AMD s'impose comme un acteur majeur, notamment dans le domaine des technologies de refroidissement liquide. Alors que les centres de données repoussent les limites de la performance et de l'efficacité, AMD
L'évolution des modules optiques : propulser l'avenir des centres de données et au-delà
À l'ère de l'intelligence artificielle (IA), du cloud computing et du big data, la demande de transmission de données haute performance n'a jamais été aussi forte. Les centres de données, cœur battant de cette révolution
Comment la structure thermique des modules optiques OSFP est-elle conçue ?
La consommation énergétique des modules optiques ultra-rapides OSFP 400G et plus a considérablement augmenté, ce qui fait de la gestion thermique un défi majeur. Pour les modules optiques de type boîtier OSFP, le protocole
Clusters de calcul d'IA : propulser l'avenir
Ces dernières années, l'essor mondial de l'intelligence artificielle (IA) a suscité un vif intérêt au sein de la société. Un sujet de discussion récurrent autour de l'IA est le concept de clusters de calcul, l'un des
Commutateurs de centre de données : paysage actuel et tendances futures
Alors que l'intelligence artificielle (IA) entraîne une croissance exponentielle des volumes de données et de la complexité des modèles, le calcul distribué exploite les nœuds interconnectés pour accélérer les processus d'apprentissage. Les commutateurs de centres de données jouent un rôle essentiel.