#2楼2026-10-31 01:14
自答:先说一个容易踩的坑:镜像抓包看不到错包,不代表链路没丢包。镜像口本身有采样、带宽和队列限制,入口队列尾丢、芯片内部丢弃、PFC 反压造成的丢包,很多在镜像口是看不到的。所以“抓包干净”只能排除一部分问题,不能作为“光层没问题”的证据。
第一,先看端口与芯片计数器,不要只看抓包。把光口的收发光功率、FEC 纠前误码、CRC、超长帧、队列丢弃、PFC 帧数逐项读出来。收光正常但 FEC 纠前误码偏高,说明光层有损伤但还没到断链程度;队列丢弃在涨而 CRC 不涨,问题更可能在交换芯片的缓冲与调度,而不是光纤。把丢包时段的计数器增量与业务抖动时间对齐,增量对得上的那一项就是主因。
第二,分清丢在入口还是出口。入口丢包常与突发流量、端口缓冲、PFC 配置有关,出口丢包常与队列调度、MTU、限速有关。做法是把同一条流在入口和出口分别做计数:入口计数涨、出口计数不涨,丢在芯片内部;两端计数都涨但业务仍丢,再查对端接收与上层重传。只在一端抓包,很容易把出口问题误判为光层问题。
第三,查光层要用光层手段。光口 UP 只说明链路协商通了,不说明误码余量够。换一根已知良好的跳线、清洁端面、复测收发光功率与 FEC 误码,是最快的光层排除法。短距链路收光过高也会导致误码,收光贴近过载门限时要按规格加衰减,不要只看“有光就行”。
第四,查突发与流控。工业现场常见的不是持续丢包,而是突发丢包:环网倒换、组播突发、PFC 风暴都会在几十毫秒内打满队列。把端口的突发统计、PFC 帧、队列水位在丢包时段拉出来看,持续丢包与突发丢包的处理方向完全不同,前者查配置与容量,后者查突发源与流控。
讨论:你们定位“UP 但丢包”时,是先看计数器还是先抓包?有没有抓包干净、最后在芯片队列计数器上找到证据的案例?