21 12 月, 2025
背景
之前一直在用群辉的synology photo，只能说还不错，但说不上优秀。因为查找照片不是很好找，不支持AI，外加最近为了让老婆也能直接自行使用otp，把home下面的photos挪到了根目录下，也就变成了共享照片。这个操作之前没操作过，我是直接用命令cp的，导致我之前编辑的人脸数据，以及相册数据都没了……要从1TB的照片和视频中重新把之前的相册聚起来，基本不太可能。所以就想看看是否有支持AI功能的个人相册，让我轻松找到想找的照片，因此才有了这篇文章。
经过查找，immich不错，比较符合我的要求，正好我还有一台老电脑没有卖，直接利旧了~ 我本想是安装黑群晖的，但经过对比后，果断直接linux + immich + gpu硬件加速了；这样除了把照片慢慢挪过去外，其他的一些非重要数据可以也都挪到老电脑上，老电脑直接装一个smb就可以满足我了，等群辉以后有更好的解决方案，到时再看是否回去。
磁盘规划
推荐分离系统盘和数据盘：
| 盘 | 格式 | 挂载点 | 用途 |
| NVMe 256G | LVM/ext4 | / | 系统 + Docker + Immich 数据库/缓存 |
| 4T 机械盘 | ext4 | /mnt/photos | 照片/视频存储 |
| 1T 机械盘 | ext4 | /mnt/backup | 备份或扩展存储 |
29 6 月, 2024
之前看完论文就完事了，过了一段时间后，很多细节就会忘记，需要重新看一遍……之前的兄弟习惯很好，看完会总结，忘记就看总结。所以趁着最近阿里发布的最新论文，我也总结下，为了以后复习用。
这篇论文写的很好，讲了很多阿里HPN的基础设施及架构细节，虽然不是全部，但也包含了大部分的内容，很难得。去堆叠部分我没写进去，这个在国内互联网已经很熟了，但目前看国外的互联网以及OCP上，还在讨论如何简化堆叠的双上联问题。论文也提到微软在2023年通过SmartNIC（w/ FPGA）来实现双活。
论文原文：
拓扑
DCN+拓扑
按照论文的说法，HPN是针对之前阿里DCN+架构进行优化演进而来的，DCN+是传统的3层CLOS架构（根据去年阿里发布灵骏的相关文章，架构应该不是这样的，应该更偏向HPN，架构从实践中演进~ ？）：
完整阅读
14 6 月, 2024
背景
之前一直看到有人谈论用Chatgpt编程序，设计产品，做游戏，反正很神就是了。在我使用过程中，并没有感觉那么神，也许是提示字给的不标准吧。最近正好有个机会，需要搞一个All2all的测试脚本，可自动化提供大规模All2All的测试任务。因此就测试了下GPT的能力。
目前用的是最新版本GPT4o（自行花了20美金），整体使用下来，GPT确实可以协助编程，只是沟通起来比较费劲和费时间……如果真正要搞一个项目，就不太现实了。估计还要再迭代几轮吧。即使是最牛的GPT4o，在沟通交互中，仍然会有以下问题：
- 强调过的内容，可能要重复说3-4遍，GPT才真的听进去了，但过了几轮后可能就又忘记了，比如”不着急出优化代码，先讨论问题“；
- 为了提升效率，对于一些小优化，其实可以提供代码片段，但GPT有时候提供的片段跟代码本身没有强联系；
- 为了排障，在脚本中增加了一些提示信息（增加执行log）。后面随着不断迭代优化，就会发现有些功能消失了。这种现象很明显，很可能会遇到之前解决过的问题再次出现……
完整阅读
6 4 月, 2024
作为一个网工，每次查看Nvidia NVSwitch/NVLink的转发性能，都需要做两件事：1. NVLink和Serdes之间的映射关系；2. 把性能指标从存储的双向转发视角转换成单向转发，着实麻烦。再加上不同世代的GPU与NVLink/NVSwitch互联方案又有些不同，所以本篇就从网工的视角梳理下NVS3和NVS4以及后续NVS与不同世代GPU互联时的能力及方案，方便日后查阅。
NVS Compare
首先看下NVS不同版本间的参数对比：
| NVS Ver | NVS3 | NVS4 | NVS5 | NVS6 |
| 对应GPU | H100 | B200 | Rubin(R200) | Rubin Ultra |
| Transistors | 25.1B / TSMC 4N | ~50B / TSMC 4NP | TBD | TBD |
| Die Size | 294mm2 | ~800mm2 | TBD | TBD |
| Pacakage | 50mm x 50mm (2645 balls) | TBD | TBD | TBD |
| NVLlink Ver | NVLink4 | NVLINK5 | NVLINK6 | NVLINK7 |
| SerDes | 112Gbps/PAM4 | 224Gbps/PAM4 | 224Gbps/PAM4 | |
| Per NVLink | 200Gbps(2 x 112Gbps) | 400Gbps(2 x 224Gbps) | 400Gbps(1 x 448Gbps BiDirectional SerDes) | |
| Total NVLinks | 64 | 72 | 72（只用了36） | |
| Throughput | 12.8Tbps | 28.8Tbps | 28.8Tbps | |
| NVLinks/GPU | 18 x 200 = 3.6Tbps
(3.6 x 2) / 8 = 900GB | 18 x 400 = 7.2Tbps
(7.2 x 2) / 8 = 1.8TB | 36 x 400(1 x 448Gbps BiDirectional SerDes) = 14.4Tbps
(14.4 x 2) / 8 = 3.6TB | |
29 2 月, 2024
Check attribute is standard or Customize ?
问题是这样的，我们需要确认一个ECMP的attribute是否是标准的Sonic Sai。具体步骤如下：
root@Franks-MacBook-Pro Documents # git clone -b v1.11 https://github.com/opencomputeproject/SAI
root@Franks-MacBook-Pro Documents # cd SAI
root@Franks-MacBook-Pro SAI # cd inc
root@Franks-MacBook-Pro inc # grep -rn 'SAI_SWITCH_ATTR_ECMP'
./saiswitch.h:185: * @brief Attribute data for #SAI_SWITCH_ATTR_ECMP_DEFAULT_HASH_ALGORITHM
./saiswitch.h:697: SAI_SWITCH_ATTR_ECMP_MEMBERS,
./saiswitch.h:1226: SAI_SWITCH_ATTR_ECMP_HASH,
./saiswitch.h:1433: SAI_SWITCH_ATTR_ECMP_DEFAULT_HASH_ALGORITHM,
./saiswitch.h:1442: SAI_SWITCH_ATTR_ECMP_DEFAULT_HASH_SEED,
./saiswitch.h:1454: SAI_SWITCH_ATTR_ECMP_DEFAULT_HASH_OFFSET,
./saiswitch.h:1468: SAI_SWITCH_ATTR_ECMP_DEFAULT_SYMMETRIC_HASH,
./saiswitch.h:1479: SAI_SWITCH_ATTR_ECMP_HASH_IPV4,
./saiswitch.h:1490: SAI_SWITCH_ATTR_ECMP_HASH_IPV4_IN_IPV4,
./saiswitch.h:1501: SAI_SWITCH_ATTR_ECMP_HASH_IPV6,
./saiswitch.h:2771: * @brief Number of ECMP Members configured. SAI_SWITCH_ATTR_ECMP_MEMBER_COUNT takes precedence over SAI_KEY_NUM_ECMP_GROUPS string. Default value is same as SAI_SWITCH_ATTR_ECMP_MEMBERS.
./saiswitch.h:2777: SAI_SWITCH_ATTR_ECMP_MEMBER_COUNT,
How to check SAI Attribute meaning
可以通过这个link进行社区SAI Attributes的检索以及确认其含义：https://sonic.software/sai/globals_s.html；
How to check SAI Attribute
梳理过SAI Attribute：社区+自定义
如果梳理过自己需要的SAI Attribute，这里包含自定义和社区SAI。对于社区部分的SAI，按社区开发就好。对于自定义的部分，需要梳理需求文档，让厂商根据需求文档进行开发。
没有梳理过SAI Attribute
此时两个步骤，其一是使用sairec文件来确认使用的sai attributes，但这里有局限性，最好从现网使用的设备上获取sairec文件，这样被调用的attributes都会被记录在sairec文件中（如果某些特性在这台设备上没有启用，那么sairec文件中也是没有记录的），可以直接从下面路径中获取：
root@sonic:/var/log/swss# ls
sairedis.rec sairedis.rec.2.gz sairedis.rec.5.gz sairedis.rec.8.gz
sairedis.rec.1 sairedis.rec.3.gz sairedis.rec.6.gz sairedis.rec.9.gz
sairedis.rec.10.gz sairedis.rec.4.gz sairedis.rec.7.gz swss.rec
其次，可以从下面目录中找到对应的sai头文件，然后与社区的头文件进行对比，可以统计出哪些是自定义sai：
xxxx@Franks-MacBook-Pro SAI % ls -l
total 248
-rw-r--r-- 1 root staff 106691 2 28 2024 Doxyfile
-rw-r--r-- 1 root staff 2700 2 28 2024 LICENSE.txt
-rw-r--r-- 1 root staff 1785 2 28 2024 Makefile
-rw-r--r-- 1 root staff 463 2 28 2024 README.md
-rw-r--r-- 1 root staff 731 2 28 2024 azure-pipelines.yml
drwxr-xr-x 9 root staff 288 2 28 2024 bm
drwxr-xr-x 3 root staff 96 2 28 2024 data
drwxr-xr-x 14 root staff 448 2 28 2024 debian
drwxr-xr-x 80 root staff 2560 2 28 2024 doc
drwxr-xr-x 6 root staff 192 2 28 2024 experimental
drwxr-xr-x 3 root staff 96 2 28 2024 flexsai
drwxr-xr-x 54 root staff 1728 2 28 2024 inc
drwxr-xr-x 35 root staff 1120 2 28 2024 meta
drwxr-xr-x 41 root staff 1312 2 28 2024 ptf
drwxr-xr-x 10 root staff 320 2 28 2024 test