HPE Slingshot und die Rückkehr zu Ethernet für KI
Mit Slingshot demonstriert HPE, dass Hochleistungsnetzwerke für KI- und HPC-Cluster nicht zwingend auf proprietäre Interconnects angewiesen sind.
Ein wesentlicher Teil der Leistungsfähigkeit moderner Rechenzentren entscheidet sich in der Vernetzung. Während China eigene Wege geht, positioniert HPE mit Slingshot eine Technologie, die in einigen der modernsten Supercomputer (darunter Schwergewichte wie El Capitan, Frontier und Aurora) eingesetzt wird, und zugleich eine Ethernet-basierte Alternative zu Nvidias InfiniBand-Ökosystem im Enterprise-Sektor bietet.
Im High-End-Computing hat sich abseits des Mainstream-Fokus ein leistungsstarker Interconnect etabliert. HPE Slingshot ist zur zentralen Netzwerktechnologie mehrerer führender Supercomputer geworden und kommt unter anderem in HPE-Cray-basierten Exascale-Systemen wie El Capitan, Frontier und Aurora zum Einsatz.
HPE hat damit ein Hochgeschwindigkeitsnetzwerk geschaffen, das speziell für High-Performance Computing (HPC), KI-Workloads und datenintensive Anwendungen entwickelt wurde.
Ein kurzer Ausflug in die Historie
Wer den Namen "Cray" hört, erinnert sich vielleicht an "CrayLink" – doch HPE Slingshot ist mit CrayLink weder verwandt noch basiert es darauf. Dass beide Namen gelegentlich im selben Zusammenhang auftauchen, liegt an einer verschlungenen Unternehmensgeschichte.
Die Tech-Seifenoper um "Cray": 1996 übernahm der Unix-Pionier SGI (Silicon Graphics) Cray Research. Die damals von SGI genutzte Systemverbindung wurde zeitweise unter dem Namen "CrayLink" vermarktet und später als "NUMAlink" weitergeführt. Im Jahr 2000 wurde Cray wieder verkauft. HPE übernahm zunächst SGI im Jahr 2016 und anschließend Cray im Jahr 2019. Heute liegen die historischen Linien beider Unternehmen bei HPE, technologisch bleiben CrayLink beziehungsweise NUMAlink und Slingshot jedoch klar getrennte Entwicklungen.
Technologisch trennt die beiden Systeme eine deutliche Kluft. CrayLink beziehungsweise NUMAlink diente als Interconnect für Shared-Memory-Systeme auf ccNUMA-Basis. Es sorgte dafür, dass mehrere Prozessoren auf Hardware-Ebene gemeinsamen Speicher nutzen konnten und sich das System nach außen wie eine große Maschine verhielt. Slingshot hingegen ist eine Hochgeschwindigkeitsverbindung für eigenständige Server-Knoten. Wenn CrayLink das Nervensystem innerhalb eines einzelnen, großen Organismus ist, dann ist Slingshot das Hochgeschwindigkeitsnetz, das viele solcher Organismen miteinander verbindet.
Der Stammbaum von Slingshot ist das Ergebnis einer langen Entwicklung klassischer Cray-HPC-Netzwerke: von proprietären 3D-Torus-Netzwerken wie SeaStar (2004) und Gemini (2010) über Aries (2012), das die Dragonfly-Topologie einführte, bis hin zu Slingshot (2019), das HPC-optimierte Routing- und Staukontrollmechanismen mit Ethernet-Kompatibilität verband.
Was ist so besonders an Slingshot
Der Kern von Slingshot besteht aus speziell entwickelten Switch-Chips (Rosetta ASIC) und Netzwerkkarten (Cassini ASIC). Die erste Generation arbeitet mit 200 Gbit/s pro Port; mit Slingshot 400 adressiert HPE die 400-Gbit/s-Klasse.
Besonders relevant ist die Ethernet-Basis: Während klassische Supercomputer-Netzwerke häufig proprietär waren, kombiniert Slingshot HPC-spezifische Funktionen mit Ethernet-Kompatibilität. Betreiber können Hochleistungsspeicher, IP-Anwendungen und bestehende Netzwerkinfrastrukturen direkter in HPC- und KI-Cluster einbinden, ohne dafür zwingend separate Gateway-Knoten vorsehen zu müssen.
Warum ist das wichtig?
Die Bedeutung von Slingshot stützt sich auf drei technologische Eigenschaften:
- Natives Ethernet (nahtlose Integration): Die Grenze zwischen HPC-Umgebungen und der übrigen IT-Infrastruktur wird durchlässiger. Daten müssen weniger häufig über gesonderte Übersetzungsschichten oder Gateway-Knoten geführt werden.
- Staukontrolle (Congestion Control): Wenn in einem KI-Cluster viele Knoten gleichzeitig kommunizieren, können Engpässe die Laufzeiten stark verzerren. Slingshots Hardware-Staukontrolle erkennt Überlastsituationen, gibt Rückmeldung an beteiligte Komponenten und begrenzt die Einspeiserate der Verursacher, bis sich der Stau auflöst. Ergänzend kann adaptives Routing Lasten dynamisch verteilen. Das reduziert Verzögerungsspitzen und stabilisiert die Latenz unter Last.
- HPC-Optimierung: Wissenschaftliche und technische Kommunikationsmuster, etwa über MPI (Message Passing Interface), werden auf ein Netzwerk zugeschnitten, das niedrige Latenzen, hohe Bandbreite und skalierbare Topologien unterstützt.
Für wen ist das wichtig
Die Zielgruppe teilt sich in zwei investitionsstarke Segmente:
- Forschungseinrichtungen & staatliche Labore: Sie benötigen solche Netzwerke für sehr große Berechnungen – von Klimasimulationen über astrophysikalische Modelle bis hin zu Analysen im Umfeld nuklearer Sicherheit.
- Großunternehmen & Cloud-Anbieter: Sie trainieren stark skalierende KI-Modelle und benötigen stabile Netzwerke, die den Datenaustausch zwischen Beschleunigern, CPUs, Speicher und Storage auch unter hoher Last zuverlässig abwickeln.
Was bedeutet das global für Enterprises?
Für Konzerne und Rechenzentrumsbetreiber eröffnet Slingshot eine weitere Option neben etablierten Interconnect-Ansätzen. Sehr hohe HPC- und KI-Leistung ist auch auf Basis einer Ethernet-kompatiblen Architektur möglich ist.
Zwar spielt NVIDIA InfiniBand, einschließlich der Quantum-Plattform, in kommerziellen KI-Trainingsclustern weiterhin eine wichtige Rolle und ist eng mit NVIDIAs GPU- und Software-Ökosystem verknüpft.
Für Unternehmen kann Slingshot allerdings die Flexibilität erhöhen, KI-Cluster enger mit vorhandener IT- und Storage-Infrastruktur zu verbinden und Abhängigkeiten von einzelnen Ökosystemen strategisch zu prüfen.
Was bedeutet das für die Zukunft des KI-Computing?
Slingshot verweist auf eine Entwicklung, in der die Effizienz künftiger Rechenzentren nicht allein vom einzelnen Prozessor oder Beschleuniger abhängt, sondern zunehmend von der Qualität der Vernetzung.
HPE bringt Erfahrungen aus Slingshot in die Standardisierungsarbeit rund um das Ultra Ethernet Consortium (UEC) ein. Ziel solcher Initiativen ist es, Ethernet für KI- und HPC-Workloads leistungsfähiger, skalierbarer und besser vorhersehbar zu machen.
Die Skalierung großer KI-Modelle könnte damit stärker auf offenen und interoperablen Netzwerkstandards aufsetzen – ohne jedoch zunächst proprietäre Ansätze vollständig zu ersetzen.