Deployment & Acceptance
部署与验收
覆盖驱动与固件、PFC/ECN/DCQCN、RDMA、NCCL、链路测试、性能基线和故障排查，强调部署条件和验收证据。
栏目文章
驱动固件、拥塞控制、RDMA、NCCL、链路测试与故障排查
常见问题
围绕训练、推理、服务器形态与边缘部署，补充常见选型判断。
GPU、网卡和交换机固件是否应该全部升级到最新版？
不应只以最新为目标。应选择经过服务器和业务验证的兼容基线，明确依赖、升级原因、回滚路径，并先在同配置节点完成回归。
RoCE 网络开启 PFC 后是否就能保证无丢包和稳定性能？
不能。还需要一致的优先级映射、ECN、主机拥塞控制、缓冲、MTU、路由和容量设计，并通过多对一和混合流量验证暂停不会扩散。
交换机和网卡端口都是 Up，为什么 NCCL 性能仍可能很低？
端口 Up 不覆盖 PCIe 降速、NUMA 跨越、误码、RDMA 接口选择、拥塞热点、容器映射和 GPU/NIC 绑定，需要按物理、RDMA、并发和 NCCL 分层检查。