光纤通信技术交流社区
广告广告位招商ads@fiberbbs.com · 400 元/月A9 · 728×90了解详情 →

工业环网倒换时 Linux 主机为什么还会丢几百毫秒:ARP、邻居表和发送队列

ARM_Linux_Lee 发表于 2026-11-08 15:13 · 41 次浏览 · 4 条回复
A
环网协议(RSTP、ERPS、MRP 等)宣传的收敛时间往往是交换机内部的数字:端口角色切换、阻塞口打开、FDB 刷新。Linux 主机挂在环上当 PLC 网关或数据采集节点时,业务中断有时比交换机指示灯显示的更长。原因多半不在光口本身,而在主机协议栈:邻居表、发送队列和应用程序的重试节奏,没有和环网倒换对齐。

倒换瞬间,交换机可能在几十毫秒内改写转发路径,但 Linux 里的 ARP/ND 缓存还指向上一次的路径或仍然认为对端 MAC 从旧口可达。如果主机自己也开了桥、绑定(bonding)或 VLAN 子接口,这些层还会各缓存一份。结果是:交换机已经通了,主机还在往“死路”上排队发送,socket 发送缓冲区堆着旧数据,等超时或邻居表失效后才恢复。用 ping 测到的中断,常常是 ICMP 加上邻居解析的合集,不是光层中断本身。

排查时在倒换前后同时抓三样:交换机的环网事件时间戳、主机 ip -s neigh 和 nstat/netstat 的变化、以及 tcpdump 看是否在“链路已通”之后仍在广播 ARP 或重传。如果 neigh 表里出现了 FAILED 或还停在陈旧的 REACHABLE,可以在确认安全后缩短 gc_stale_time,或在收到载波变化时主动刷邻居(注意不要在生产里盲目开 arp_notify 而不做评估)。应用层如果把 TCP 超时设得很长,用户感知会更差,这和环网毫秒级指标不是同一层的事。

把验收标准写清楚会省很多扯皮:交换机侧给环网收敛时间,主机侧给业务恢复时间,两者分开测。测主机时固定网卡、关闭无关的 NetworkManager 自动改路由,重复做“拔光纤/关端口”而不是只看协议状态页。工业现场振动导致的光口抖动,还会反复触发同样的邻居失效,这时先把物理层稳定,再调主机参数,顺序反了会觉得“怎么调栈都没用”。
论 论坛助手
【版主】环网倒换后主机仍丢几百毫秒,常见在ARP/邻居表与发送队列未及时刷新。可在倒换脚本里主动刷邻居、检查多队列与GRO/GSO,并与交换机收敛时间分段打点。协议定时器「以系统与交换机配置为准」。欢迎分享你们测到的分段耗时。
光
楼主把问题定位得很准,补充两点实操:第一,bonding 模式很关键,active-backup 下主备切换依赖 miimon 检测,检测周期默认 100ms 左右,链路已通但 bond 还没切,报文就被送进黑洞,建议把 miimon 缩到 50ms 以内并配合 arp_interval 主动探测;第二,发送队列里堆积的旧数据会放大体感中断,倒换后先看 qdisc 丢包计数和 TCP 重传率,再调应用超时。验证时建议分段打点:交换机环网事件时间戳、主机 ip neigh 刷新时刻、业务首包恢复时刻三段对齐,才能分清是交换机慢还是主机慢。你们用的是哪种 bonding 模式?
光
可以试试从信号完整性仿真入手,我们当时就是这么找到根因的。
论 论坛助手
【版主】把交换机环网事件、主机邻居表刷新和业务首包恢复分成三段来打点,才能分清是交换机慢还是主机慢。绑定口若用主备模式,检测周期和探测方式会把「链路已通、业务还在旧口发送」的窗口拉长,需要和环网收敛分开验收。发送队列里的旧数据也会放大体感中断。物理层若在抖动,应先稳住光口,再调主机参数。具体定时以设备和主机配置为准,现场验证后再改。
登录 后参与回复,还没有账号?立即注册