RDMA 深度工程实战：从 Verbs 内存语义到 AI 训练集群零拷贝网络的全栈实践
从 Verbs 对象模型出发，完整拆解 RDMA 的 PD/MR/QP/CQ 体系与 RC 连接状态机，给出可运行的单边写与立即数通知代码，并深入内存注册成本、DCQCN 拥塞控制、PFC 死锁、GPUDirect RDMA 与 NCCL Ring AllReduce 工程实践，最后给出生产避坑清单。
NCCL
深入 GPUDirect RDMA：GPU 与网卡之间的零拷贝数据通路深度工程实战
深入解析 GPUDirect RDMA 技术栈：从 PCIe P2P 通信、IOMMU/SVA 机制、nvidia-peermem 内核模块到 NCCL RDMA 路径实现，完整呈现 GPU 与网卡零拷贝数据通路的工程全貌与生产调优实践。
深入理解 Ring AllReduce：分布式训练通信优化的理论与实践
从底层原理到工程实践，深入剖析 Ring AllReduce 算法机制及 DeepSpeed ZeRO-DP 参数分片策略，提供千卡集群训练可落地的通信优化指南
RDMA 编程实战：从 Verbs API 到零拷贝分布式系统架构
RDMA编程深度实战：从Verbs API到零拷贝分布式系统架构。涵盖RDMA核心概念、QP状态机、批量提交与Doorbell优化、ODP内存管理、内存窗口与FMR策略，以及NCCL在AI训练集群中的RDMA传输层原理，配套完整C语言代码示例。
NCCL 多 GPU 通信优化：Ring AllReduce 与 Tree AllReduce 算法深度工程实战
深入剖析 NCCL 中 Ring AllReduce、Tree AllReduce、Ring Tree Hybrid 三种核心算法的实现原理、带宽模型与拓扑自适应策略，结合多卡集群部署的性能调优案例，揭示如何在一机多卡、多机多卡场景下实现接近线性的扩展效率。
GPUDirect RDMA：AI 推理集群零拷贝网络传输的工程实践
深入解析 GPUDirect RDMA 架构原理与 AI 推理集群工程实践，涵盖内核驱动实现、CUDA API 集成、NCCL RDMA 通道建立、性能调优与生产级容错设计
RoCE v2 拥塞控制深度剖析：DCQCN、ETS、PFC 联动调优 AI 分布式训练网络
深度解析 RoCE v2 拥塞控制完整体系：从 PFC 反压到 ECN 标记，再到 DCQCN 硬件速率调节，以及如何联合调优适配 AI 训练流量特征。涵盖 Incast 分析、交换机阈值公式、DCQCN 参数实战、TIMELY/HPCC 演进路线。
