AWS RNG: Wie Zufallsgraphen die Cloud-Architektur revolutionieren

Was ist AWS RNG?

RNG (Resilient Network Graphs, oder auch Random Network Graph) ist eine flache Netzwerkarchitektur für Rechenzentren, die das traditionelle, mehrstufige Fat-Tree-Design (Clos-Topologie) durch einen quasi-zufälligen Graphen – konkret einen Expander-Graphen – ersetzt. Es handelt sich um den weltweit ersten produktiven Einsatz von zufallsgraphenbasierten Netzwerk-Fabrics in großem Maßstab .

Wie es funktioniert: Zufallsgraphen, Spraypoint und ShuffleBox

• Quasi-zufällige Expander-Graph-Topologie: Anstelle der streng hierarchischen, strukturierten Ebenen eines Fat-Tree werden die Router als Zufallsgraph verbunden. Dies schafft ein flaches Netzwerk, in dem jeder Router logisch nah an jedem anderen ist und eine hohe Pfadvielfalt direkt in der Verkabelung steckt .

• Spraypoint-Routing-Protokoll: Ein neuer, speziell für zufällige Expander-Graphen entwickelter, verteilter Routing-Algorithmus. Er nutzt die Expansionseigenschaften des Graphen, um eine große Anzahl (nahe dem Knotengrad) kantendisjunkter Pfade zwischen Endpunkten zu finden, die sich bei verschiedenen Paaren kaum überschneiden. Dies führt zu hohem Durchsatz und hoher Ausfallsicherheit ohne zentrale Steuerung. Das Protokoll läuft auf handelsüblicher Commodity-Hardware .

• ShuffleBox (passives optisches Gerät): Eine neuartige, rein passive optische Komponente, die intern Kabelenden „mischt“. Dies reduziert die Komplexität der Verkabelung auf ein Niveau, das mit dem von Fat-Trees vergleichbar ist. Entscheidend: Die ShuffleBox verbraucht keinen Strom .

Zusammen ermöglichen diese Innovationen eine einstufige, flache Fabric anstelle der mehrstufigen Clos-Hierarchie und reduzieren so drastisch die Anzahl der benötigten Router und Switch-Ebenen.

Leistungs-, Kosten- und Energieverbesserungen

Metrik	Verbesserung
Durchsatz	Bis zu 33 % mehr Durchsatz im Vergleich zu gleichwertigen Fat-Trees
Benötigte Router/Switches	Rund 69 % weniger Router (Hardware-Reduktion)
Kosteneinsparungen	9 % bis 45 % günstiger, je nach Umfang und Konfiguration
Stromverbrauch des Netzwerks	Rund 40 % Reduktion des Stromverbrauchs der Netzwerkhardware (größtenteils durch Wegfall aktiver Switch-Ebenen)
Verkabelungsaufwand	Vergleichbar mit Fat-Trees, dank der ShuffleBox

AWS schätzt, dass die Einsparungen durch diese Architektur in die Milliarden Dollar gehen könnten – Hochrechnungen zufolge kumuliert bis zu 200 Milliarden Dollar bis 2026 .

Zeitplan und Geografie der Einführung

• Ende 2024: Erster Produktionseinsatz in Dublin, Irland .
• 2025: Ausweitung auf weitere europäische Standorte, darunter Spanien und Deutschland .
• Bis April 2026: RNG wird zum Standard-Rechenzentrumsnetzwerk für die meisten AWS-Workloads weltweit. Das Forschungspapier stellt fest: „RNG ist jetzt das Standard-Rechenzentrumsnetzwerk für die meisten Workloads bei Amazon“ .

Die Einführung ist ein schrittweises, transparentes Infrastruktur-Upgrade – keine gleichzeitige Komplettumstellung aller Regionen. Die Architektur ist jedoch jetzt der Standard für neue und umgerüstete AWS-Rechenzentrumsbauten.

Warum keine Kundenanpassungen nötig sind

RNG ist eine Änderung auf physikalischer und Routing-Ebene, die für Kunden vollkommen transparent abläuft. Sie operiert unterhalb der Virtualisierungsebene – EC2-Instanzen, VPCs, Load Balancer und alle bestehenden AWS-Dienste sehen dasselbe logische Netzwerkschnittstellenbild. Es gibt keine Änderungen an Kunden-APIs, Instanztypen, Sicherheitsgruppen, Netzwerkkonfigurationen oder Anwendungscode . AWS hat den Übergang innerhalb der eigenen Infrastruktur vollzogen und macht es so zu einem Upgrade nach dem Motto: „Sie werden es nicht einmal bemerken, aber alles ist einfach schneller und günstiger geworden.“

Wettbewerbsimplikationen für Cloud-Infrastruktur und KI-Workloads

• Kostenvorteil: Eine 9–45%ige Netzwerkkostenreduktion auf AWS-Skalierungsniveau schafft einen strukturellen Preispuffer. AWS kann Wettbewerber entweder preislich unterbieten, höhere Margen einstreichen oder die Einsparungen in Compute-/KI-Kapazität reinvestieren .

• KI/ML-Workload-Beschleunigung: KI-Training (z. B. GPU-/TPU-Cluster mit vielen Knoten) ist bekanntermaßen bandbreitenhungrig und empfindlich gegenüber Netzwerkengpässen. Die 33%ige Durchsatzverbesserung und die größere Pfadvielfalt kommen direkt dem verteilten Training, Modellparallelismus und der Inferenz in großem Maßstab zugute – sie verkürzen Job-Abschlusszeiten und verbessern die GPU-Auslastung .

• Energieeffizienz: 40 % weniger Netzwerkstromverbrauch sind signifikant für Hyperscaler im Wettlauf um Nachhaltigkeitsziele und die Bewältigung steigender Energiekosten, insbesondere da KI-Cluster enorme Mengen Strom ziehen .

• Zuverlässigkeit und Ausfallsicherheit: Zufällige Expander-Graphen bieten inhärent viele disjunkte Pfade und verbessern so die Fehlertoleranz gegenüber Switch- oder Link-Ausfällen, ohne dass überdimensionierte Redundanzstufen vorgehalten werden müssen .

• Druck auf Wettbewerber: Google, Microsoft Azure und andere Cloud-Anbieter setzen meist noch auf Clos-/Fat-Tree-Varianten. Der von AWS demonstrierte Produktiveinsatz von Zufallsgraph-Netzwerken legt die Messlatte höher – Konkurrenten müssen möglicherweise in ähnliche Abflachungsansätze investieren oder höhere Netzwerkkosten in Kauf nehmen.

• Akademischer und industrieller Meilenstein: Das Forschungspapier repräsentiert das erste Mal, dass auf Zufallsgraphen/Expander basierende Netzwerke im Hyperscale-Produktivbetrieb gebaut und betrieben wurden, und macht damit eine jahrzehntealte theoretische Idee zur Realität .