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”。
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”。
国际光通信论坛