浅析GPU通信技术（下）-GPUDirect RDMA
目录
浅析GPU通信技术（上）-GPUDirect P2P
浅析GPU通信技术（中）-NVLink
浅析GPU通信技术（下）-GPUDirect RDMA
1. 背景
前两篇文章我们介绍的GPUDirect P2P和NVLink技术可以大大提升GPU服务器单机的GPU通信性...
浅析GPU通信技术（上）-GPUDirect P2P
1. 背景
GPU在高性能计算和深度学习加速中扮演着非常重要的角色， GPU的强大的并行计算能力，大大提升了运算性能。随着运算数据量的不断攀升，GPU间需要大量的交换数据，GPU通信性能成为了非常重要的指标。
构建Tensorflow RDMA的Docker镜像
RDMA是一个远程通讯技术，它通过Kernel bypass等方式降低数据传输中的延迟和CPU消耗。
在分布式训练中，由于多个Worker之间或者Worker和Paramater Server 之间需要大量传输模型变量。当GPU到达一定数量后，受制于网络带宽以及TCP协议的延迟，通讯往往会成为计算性能的瓶颈，而在分布式训练中使用RDMA技术能够非常明显地提高训练速度。
#### Tenso
利用glusterfs构建网站分布集群存储
利用glusterfs构建网站分布集群存储
一、前言
GlusterFS是一个开源的分布式集群文件系统，于2011年被红帽收购。它具有高扩展性、高性能、高可用性、可横向扩展（scale-out）的弹性特点，借助tcp/ip或infiniBand RDMA（remote direct memory access）网络将物理分布的存储资源聚集一起，使用单一全局命名空间来管理数据，无元数据服务器设计使glusterfs没有单点故障隐患（通过有的弹性Hash算法），详细介绍请查看官网：www.gluster.org 。
