11. 延伸阅读
11.1 经典书籍
| 书名 | 作者 | 推荐理由 |
|---|---|---|
| 《TCP/IP Illustrated, Volume 1》 | W. Richard Stevens | TCP/IP 协议细节圣经，配合抓包看效果最佳。 |
| 《Computer Networking: A Top-Down Approach》 | Kurose & Ross | 适合快速建立网络全局视角。 |
| 《The Datacenter as a Computer》 | Luiz André Barroso 等 | 数据中心网络与计算融合的经典。 |
| 《Programming Kubernetes》 | 多位作者 | 深入理解 CNI、Service、NetworkPolicy。 |
| 《Linux Kernel Networking》 | Rami Rosen | 内核网络实现，适合想读源码的同学。 |
11.2 关键 RFC 与标准
- RFC 793 / RFC 9293 — TCP
- RFC 768 — UDP
- RFC 791 / RFC 8200 — IPv4 / IPv6
- RFC 3168 — ECN
- RFC 7348 — VXLAN
- IEEE 802.1Qbb — PFC
- IEEE 802.3df-2024 — 400G/800G 以太网（802.3dj 推进 1.6T）
- InfiniBand Architecture Specification
- RDMA Consortium Verbs Specification
- UltraEthernet Consortium 规范 — 截至 2026-10 已发布 1.1 版
- UALink Consortium 规范 — 200G 1.0、Common 2.0、Manageability 1.0 等
- CXL Consortium 规范 — CXL 4.0（2025-11 发布）
11.3 官方文档
- Linux Networking Documentation
- NVIDIA NCCL Documentation
- NVIDIA RDMA/RoCE Configuration Guide
- Cilium Documentation
- Kubernetes Networking Concepts
- Istio / Envoy Documentation
11.4 论文与工业界分享
| 主题 | 推荐材料 |
|---|---|
| Google 数据中心网络 | Jupiter Rising、NSDI'24 双路径恢复论文、Apollo OCS（SIGCOMM 2022）、Falcon 相关演讲 |
| Meta AI 网络 | SIGCOMM 2024《RDMA over Ethernet for Distributed Training at Meta Scale》（24k GPU RoCE vs IB 双集群）、Meta 关于 RoCE 与 InfiniBand 双织物网络的博客 |
| 以太网反超 InfiniBand | Dell'Oro / Broadcom 2025 年市场分析、UEC 1.1 规范 |
| 开放 Scale-Up 互连 | UALink 1.0/2.0 规范、NVLink Fusion（Computex 2025）、AMD Helios / MI400 机柜架构 |
| 内存互连 | CXL 4.0 规范（SC25）、CXL 内存池化白皮书 |
| OpenAI 训练集群 | 关于 Infiniband 大规模集群的演讲与采访 |
| 拥塞控制 | DCTCP (SIGCOMM 2010)、BBR (ACM Queue 2016)、DCQCN (SIGCOMM 2015)、HPCC (SIGCOMM 2019) |
| 集合通信 | Bandwidth-Optimal All-reduce Algorithms、NCCL 论文、in-network aggregation（SHARP / UALink INC） |
| 可编程网络 | P4、SmartNIC、INT/IOAM 带内遥测 |
11.5 本手册相关主题
- Linux 系统与性能调优：网络协议栈、NAPI、RPS/RFS/XPS、XDP/DPDK。
- 容器运行时：网络 namespace、veth、bridge、CNI 调用链。
- Kubernetes：Service、kube-proxy、CoreDNS、Ingress/Gateway API。
- CNI / CSI 深度：CNI 接口、NetworkPolicy 数据面、Flannel/Calico/Cilium/Multus/SR-IOV、CSI 存储网络。
- AI 集群网络：scale-up/scale-out fabric、Rail-optimized 拓扑、集合通信流量工程（本主题的 AI 专用深化）。
- vLLM：分布式推理中的 NCCL 与网络。
- TensorRT-LLM：多机 TP/PP 的网络拓扑。
- Triton Inference Server：gRPC/HTTP 入口网络。
- LLM Gateway：负载均衡、路由、限流。
- AI SRE：网络监控、SLO、故障演练。
- 案例研究：Meta：RoCE 与 InfiniBand 双织物。
- 案例研究：Google：OCS、3D-torus、Falcon。
- 案例研究：OpenAI：大规模训练 InfiniBand 网络。
11.6 社区与会议
- ACM SIGCOMM / NSDI / EuroSys：网络与系统顶会。
- OCP Summit / OFC：AI 数据中心网络、光互联最新动向的第一发布渠道。
- NVIDIA GTC：NCCL、RDMA、NVLink、Spectrum-X/Quantum-X 最佳实践。
- KubeCon + CloudNativeCon：Cilium、eBPF、Gateway API。
- Linux Plumbers Conference：内核网络、eBPF、RDMA。
11.7 一句话收尾
计算机网络不是“连上线就行”，而是 AI Infra 的性能底座和稳定性底座。理解它，是做出可扩展、可运维、可排障的 AI 系统的关键一步。