Building Prometheus: How Backend Aggregation Enables Gigawatt-Scale AI Clusters

Building Prometheus: How Backend Aggregation Enables Gigawatt-Scale AI Clusters

摘要

Meta正在构建名为Prometheus的AI集群，采用后端聚合（BAG）技术连接多个数据中心，支持大规模GPU互联。BAG通过模块化硬件、高级路由和弹性拓扑，确保高性能和可靠性。BAG层采用分布式架构，优化了L2网络的连接，并通过EBGP路由实现负载均衡。其设计注重网络弹性，有效管理长距离电缆的缓冲需求，推动Meta全球AI网络的创新与扩展。