资源介绍
《Topology Design for Large-Scale Interconnection Networks: A Modern Approach》是一本聚焦大型计算机网络体系结构的专业著作，由上海科技大学的邵子宇与邓逸诚合著，2026年由约翰·威利父子公司出版。它要回答的问题十分具体：当数据中心、高性能计算系统和人工智能集群不断扩大时，服务器与交换设备应当如何连接，才能同时获得较高的通信效率、较低的成本、良好的可扩展性与容错能力？全书并未停留在罗列某一种经典拓扑，而是尝试建立一套从数学原理到工程设计的统一方法，引导读者理解不同网络结构为什么有效、瓶颈在哪里，以及面对新需求时应如何进行选择和组合。第一章从互连网络设计的动机和总体框架入手，梳理既有研究与典型结构，随后交代阅读本书所需的数学基础，包括图论中的节点度、路径、直径与连通性，扩展图的谱性质和拉马努金图，以及组合设计中的区组设计、平衡不完全区组设计、成对平衡设计、分组除法设计及其相互关系。这些内容并非孤立的理论铺垫，而是为后文构造拓扑、比较指标和建立设计原则提供工具。全书的核心是第二章提出的统一拓扑设计框架：先对网络节点进行分类，再识别组件及其接口、组件之间的互连方式，并给出一套可复用的设计流程和“解耦”思路，使复杂网络能够被拆分成较易处理的局部问题。第三章把这一框架用于审视胖树、Aspen Tree、AB Fat-Tree、Subway、HyperX、Dragonfly、DCell、BCube等已有拓扑，既比较其历史演进，也揭示交换机中心、树形、HyperX式和服务器中心结构各自的设计取舍。第四章进一步归纳出通用的拓扑设计模式，交代模式命名、参数关系与取值约束，并围绕可扩展性、成本、延迟、吞吐和容错等指标展开比较，还给出选择模式、确定参数时可供实际参考的指导原则。全书最后把讨论推向AI集群，包括单一域系统、兼顾纵向扩展与横向扩展的双域系统、统一拓扑方案以及3D环面等方向，使传统网络设计方法与当前人工智能基础设施的发展需求联系起来。对于希望系统掌握数据中心互连结构的计算机体系结构、并行计算、网络工程和系统研究领域的读者，这本书尤其有价值；它也适合正在从事AI集群、HPC系统或高性能交换机网络设计的工程师，作为建立设计语言、分析模型和评估指标的工具书。阅读时需要具备一定的计算机网络和离散数学基础，但作者将抽象理论与经典拓扑案例结合起来的写法，也使本书不只适合作为研究参考书，也可以帮助读者更直观地理解大规模网络从“看起来像一棵树”走向模块化、可扩展和高性能通信系统时背后的设计逻辑。