8月9日，国际网络通信顶会 SIGCOMM 昨日落下帷幕，阿里云 7 篇论文入选本次 SIGCOMM，其中 AI 网络调度成果论文斩获 SIGCOMM 2024 优胜奖。据了解，获奖论文介绍了阿里云自研的集合通信优化调度器 Crux，可提升高达 14.8% 的 GPU 计算利用率。
阿里云获 SIGCOMM 2024优胜奖
ACM SIGCOMM是计算机网络通信领域历史最悠久、最权威的顶级学术会议，至今已有 50 多年的历史。SIGCOMM 对论文质量要求极高，成果也被学术界和业界视为网络通信领域未来发展的风向标，现在耳熟能详的各种协议、技术几乎都发表在SIGCOMM上。2024年度的SIGCOMM仅录用62篇论文,录取率不到 17%，为近五年最低。
AI 网络是今年最热门的领域之一。阿里云网络研发团队从实际业务环境的深度学习任务出发，发现任务之间存在通信竞争，是 GPU 集群的训练效率不高的基础性原因。对此，团队从学术理论层面突破，证明了 GPU 利用率问题与基于任务优先级的通信调度问题是近似的，进而创新设计了集合通信优化调度器 Crux，实现更高效的选路和优先级分配机制，提升了 GPU 计算利用率。
阿里云自研集合通信优化调度器 Crux，提升 GPU 计算利用率
实验结果表明，在 96卡GPU测试环境中，Crux可以提高GPU计算利用率8.3％至14.8％。在基于大规模生产跟踪仿真中，与Sincronia、TACCL和CASSINI等已有方案相比，Crux可以将 GPU 计算利用率最多提高 23％。据了解，Crux 已被集成到阿里云自研通信库，实现规模化使用。
SIGCOMM 2024 优胜奖（Honorable Mentions，也即最佳论文候选），是对论文成果的业务创新价值和行业影响力的综合评价。SIGCOMM 评审专家认为 Crux 解决了多租环境深度学习中的一个基础性问题，通过理论创新和实践分析设计了一套高效的解决方案，因此授予 Crux 成果论文SIGCOMM优胜奖。
从2019年以来，阿里云有20余篇成果论文先后发表在SIGCOMM上，为国内机构之首。今年，阿里云有7篇论文入选SIGCOMM。除上述介绍的 Crux 论文外，今年关于智算集群网络架构 HPN 7.0 的成果论文，成为SIGCOMM在AI智算集群网络架构领域的首篇论文。HPN 7.0 创新性地设计了“双上联+多轨+双平面”的新型数据中心网络架构，可实现单层千卡、两层万卡 GPU 的高性能和高稳定互联。
阿里云网络研发团队与大会程序委员会主席合影
据了解，阿里巴巴曾在 2022 年获评AMiner全球十大网络研究机构，是榜单中唯一的中国科技企业。阿里云在网络技术领域创新成果不断，业界首个提出了端网融合的可预期网络技术体系，并在全球率先大规模实践RDMA低延时网络、AI 智算集群网络架构 HPN 7.0 等先进技术，为下一代 AI 基础设施的设计提供了新范式。
