东西向流量，说白了就是**数据中心机房"内部"服务器之间互相传送的数据**——它们不出大门，只在楼里串门。与之相对的是南北向流量：从用户进出机房的数据，走的是大门。过去机房忙在大门，如今AI大模型一来，楼里邻居之间的"串门"暴涨成洪流——这就是2026年通信圈反复念叨"东西向流量"的原因：它已经不是课本名词，而是智算中心建设的核心账本。 ## 目录 1. 东西向流量是什么？ 2. 为什么最近这么火？ 3. 一张图看懂 4. 和我有什么关系？ 5. 一分钟总结 6. 延伸阅读与参考来源 ## 第一节：东西向流量是什么？ 数据中心（Data Center，成千上万台服务器集中存放的大房子）里的网络流量，工程师按"方向"分成两类： - **南北向流量（North-South）**：进出数据中心的流量。你刷视频、发请求，数据从外面进来、结果从里面出去——走的是"大门"。 - **东西向流量（East-West）**：数据中心内部服务器之间的流量。Web服务器查数据库、虚拟机之间同步状态、GPU之间对答案——都在"楼里"串门，不出大门。 一句话记住：**进门出门是南北，楼里串门是东西。** **名字怎么来的？** 来自网络架构图的画图惯例：画数据中心拓扑图时，习惯把外部世界（互联网、用户）画在图的上方和下方——上北下南；把一排排服务器横向画在图的中间——左西右东。于是"竖着走"的流量叫南北向，"横着走"的流量叫东西向。和地理方位毫无关系，纯粹是画图坐标系里"横竖"的区别。 **生活化类比**：把数据中心想象成一个大型小区。你网购收快递，是小区门口的事，南北向；邻居之间借酱油、物业挨家送通知，是楼道里的事，东西向。老式小区门口车水马龙、楼道冷冷清清；如今楼里开了个大食堂（AI集群），几千个邻居端菜传碗忙个不停，**楼道反而成了最挤的地方**——这正是过去十年机房发生的事。 **它解决什么问题？** 严格说，"东西向流量"不是一项技术，而是一个**视角**。把流量按方向分类后，才能对症下药： | 对比项 | 南北向流量 | 东西向流量 | |---|---|---| | 走哪条路 | 互联网出口、边界防火墙 | 机房内部交换机 | | 典型内容 | 用户请求、网页、API调用 | 数据库查询、微服务互调、GPU同步 | | 瓶颈在哪 | 出口带宽、防火墙吞吐 | 内部交换矩阵、时延、丢包 | | 安全防线 | 守大门（防火墙） | 守楼道（内部分区与隔离） | 大门堵了修大门，楼道堵了拓宽楼道——不分方向，就没法做设计。这就是这个词存在的全部意义。 ## 第二节：为什么最近这么火？ 这个词其实诞生快二十年了，老词翻红，靠的是三个新燃料，一个比一个猛。 **原因一：AI大模型把"串门"变成了洪流。** 训练大模型不是一张GPU（AI的发动机芯片）能干的活，而是几千甚至上万张卡一起干。它们每算一小步就要互相"对答案"：每张卡把自己算出的梯度（可以理解为"各自做题的心得"）汇总平均，再领回更新后的参数继续做题。这个动作叫 all-reduce（全归约，集体对答案），训练全程每一步都来一次，而且全部走机房内部网络——教科书式的东西向流量。行业里有个经典症状：GPU明明满载运转、机房电表狂转，有效算力却很低——八成是"对答案"的通道被堵了，卡都在干等同伴。 NVIDIA在官方参考架构文档里干脆把话说死：GB300 NVL72这类AI集群里，计算节点之间的流量就叫"East/West（计算网络）流量"，专门用于多机AI训练和高性能计算集合通信。行业博客FD-IX在2026年5月的文章里描述得更直白：传统企业机房的网络是"偶尔抖一下"的突发流量，而GPU集群一旦开始同步，**内部链路会长时间满负荷**，一个机柜能持续吐出T比特级流量；机架里塞满100G/400G光模块，800G正在成为常态。 **原因二：微服务让服务器越来越"话痨"。** 维基百科在"东西向流量"词条里指出：虚拟化、私有云、超融合架构的普及持续推高东西向流量。以前一台物理机自己包办所有功能；现在流行微服务（把一个大软件拆成许多小零件，各跑各的服务器），零件之间不停互相调用，连防火墙、负载均衡都变成了软件在虚拟机之间传来传去。你点一次外卖，背后可能是机房里几十台服务器之间的一百多次"串门"。楼里的说话声，早就在悄悄变多。 **原因三：安全圈被"横向移动"打疼了。** 传统机房安全像老式小区：大门有保安（边界防火墙），楼里随便走。黑客只要骗过一次大门，就能在楼里"串门"摸到值钱数据——这叫横向移动（Lateral Movement，攻入一台机器后向内网其他机器扩散）。东西向流量不受控，等于楼道没有摄像头。于是零信任（不默认信任任何人，楼里楼外都查证件）和微隔离（给每台机器单独上锁，本栏目上一讲刚聊过）近年大火——它们的直接目标，就是管住东西向流量。 **一个常被引用的数字**：业界估算，现代数据中心七成以上流量已是东西向（常被追溯到分析机构Gartner的早期研究，属于量级参考而非精确统计）。也就是说，机房里大部分"声音"根本不走大门。 **顺带澄清一个误会**：这个词和"东数西算"里的"东西"不是一回事——东数西算说的是把东部的数据送到西部去算，讲国家算力布局；东西向流量讲机房内部的流量方向。俩词都爱用方位词，纯属巧合。 **更深一层**：为了伺候东西向流量，机房网络形态整个被改写。老的"三层架构"（接入—汇聚—核心，像单位层层汇报）让服务器横向说话要绕远路；新的叶脊架构（Spine-Leaf，每台接入交换机直连所有核心交换机，条条大路通罗马，任意两台服务器之间最多三次交换机转发）成了标配。再配上RDMA（远程直接内存访问，绕过CPU把数据直接写进对方内存——像快递不走前台登记、直送仓库货架）和"无损网络"（本栏目写过），AI时代机房网络的整个技术栈，都是围着东西向流量打转的。 ## 第三节：一张图看懂 **图1：普通业务机房——串门发生在楼里** ```mermaid flowchart TD U[你的手机] -->|南北向：进门| FW[边界防火墙] subgraph DC[数据中心机房] FW --> W1[Web服务器A] FW --> W2[Web服务器B] W1 <-->|东西向：查缓存| R[(缓存)] W2 <-->|东西向：查缓存| R W1 -->|东西向：写订单| DB[(数据库)] W2 -->|东西向：写订单| DB end ``` 你的请求只"进门"一次（南北向），进门后Web服务器、缓存、数据库之间的多次互查互写（东西向），全在楼里完成，外界毫无感知。 **图2：AI训练机房——上万张卡同步"对答案"** ```mermaid flowchart TD G1[GPU 1号] -->|交梯度| SW[计算网络交换机] G2[GPU 2号] -->|交梯度| SW G3[GPU 3号] -->|交梯度| SW SW -->|发回新参数| G1 SW -->|发回新参数| G2 SW -->|发回新参数| G3 ``` 每一轮训练都要这样循环成千上万次，参与对答案的GPU多达上万张——东西向流量就是这么被"洪流化"的。 ## 第四节：和我有什么关系？ **如果你是普通人：** - 你每次刷视频、问AI，背后都是一次"进门"（南北向）加机房里一大串"串门"（东西向）。AI回答快不快，八成取决于楼里串门顺不顺，而不是你家宽带快不快。 - 看懂这个词，就能看懂"智算中心""算力网络"一类新闻为什么总在讲交换机和光模块——它们都是在给"串门"修路。 - 用云服务时，账单里常有"内网流量/跨可用区流量"一项——那就是东西向流量的价格。架构师优化的一个重要目标，就是少花这笔钱。 **如果你是从业者：** - 传统数通工程师（守出口、跑路由协议）的技能正在向数据中心网络迁移：叶脊架构、RDMA/RoCE、无损以太网、AI组网，是当前最热的转型方向。 - 智算中心大建设期，懂"东西向"的网络工程师比懂"南北向"的更稀缺——训练集群的网络调优直接决定GPU利用率，而GPU利用率就是老板的真金白银。 - 开发者也躲不开：微服务拆得越细，东西向流量越多，服务部署在哪个机房、哪个可用区，直接影响性能和成本。 **如果你是投资者：** - "东西向流量爆发"是理解一批产业链公司的逻辑起点：高速光模块、数据中心交换机、DPU（服务器的网络管家芯片）、无损网络方案商，卖的都是"楼道扩建"服务。 - 但注意：概念热不等于人人都赚钱，技术迭代快（800G迈向1.6T）、竞争格局变化也快。本栏目只讲技术逻辑，不构成投资建议。 ## 第五节：一分钟总结 1. 东西向流量＝数据中心内部服务器之间的流量；南北向流量＝进出数据中心的流量。进门出门是南北，楼里串门是东西。 2. 名字来自画图习惯：上北下南画外部世界，左西右东画服务器，与地理方位无关。 3. 分类是因为两类流量的路径、瓶颈、安全策略完全不同，分清方向才能对症下药。 4. AI大模型训练让上万张GPU高频"对答案"，东西向流量从配角变主角，机房网络因此被整体重写。 5. 今后看到叶脊架构、RDMA、无损网络、微隔离，它们全是围着东西向流量打转的词。 ## 延伸阅读 - **南北向流量**：与本文相对的"另一半"，传统防火墙为什么只守它？ - **RDMA**：让GPU串门不排队的关键技术，AI组网的幕后功臣。 - **叶脊架构（Spine-Leaf）**：专为东西向流量设计的新式机房路网。 ## 参考来源 1. [East–west traffic - Wikipedia](https://en.wikipedia.org/wiki/East%E2%80%93west_traffic) — 东西向流量的标准定义，及虚拟化、超融合推高东西向流量的论述 2. [NVIDIA GB300 NVL72 AI Factory 参考架构（系统硬件与组件）](https://docs.nvidia.com/enterprise-reference-architectures/nvl72-ai-factory/latest/components.html) — NVIDIA官方将集群内计算节点间流量明确归类为"East/West（计算网络）流量"，用于多机AI训练与集合通信 3. [How AI Traffic Affects the Data Center（FD-IX.AI，2026-05）](https://blog.fd-ix.ai/how-ai-traffic-affects-the-data-center/) — GPU集群内部链路长时间满负荷、100G/400G光模块密集部署、800G渐成常态的行业观察 4. [What Is East-West Traffic in GPU Training Clusters（OneSource Cloud，2026-09）](https://www.onesourcecloud.net/cms/east-west-traffic-gpu-training-clusters.html) — GPU集群中东西向与南北向的精确边界，及"GPU忙而无效"的卡间通信瓶颈分析 --- > 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 > 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。