网络排障

【背景】 我负责一条跨机房 gRPC 长连接链路：A 机房（10.10.x.0/24，3 台业务机，Linux 5.15）→ 运营商专线（双上联，ToR 是 Cisco N9K，25G 光模块）→ B 机房（10.20.x.0/24）。业务

结论先行：跨机房 / 高 RTT 场景下「链路明明是 10G、实测却只跑到 5~6G、丢包 0、CPU 不高、换 BBR 也没用」，十有八九不是网络问题，而是 TCP 接收窗口（rwnd）小于带宽延迟积（BDP）——吞吐被 "窗口 / RT

背景 我负责一个 25G 骨干互联（Cisco N9K + 华为 CE6800 混跑，光模块是旭创 SFP28 25G-LR），一年里换了 3 个光模块，其中 2 个都是「先毛刺 1~3 周 → 彻底 down」的形态，没一个是直接断的。业

«结论先行：ECMP 不是「负载均衡」，而是「按 5 元组把流映射到固定成员链路」——它均衡的是流的数量，不是流量。只要流量模型里出现少数几条占比过高的「大象流」，ECMP 组内就会出现单链路打满、其余链路空转的极化现象。这类故障 "pin

【背景】 5 年网络工程经验，最近接手一个数据中心 ToR 集群（Cisco N9K 为主，约 60 台）。发现 3 个不同机房的 ToR 端口持续出现 CRC errors / input errors，速率大约每小时 2000~8000

【背景】 我负责一个数据中心出口：两台核心（Cisco N9K，IOS-XR）做 eBGP 双活，下行 4 条 100G 上联走 ECMP（等价多路径，哈希键默认含五元组 + VLAN）。业务是对象存储网关，流量特征很"肥"：少数几条大对象

«结论先行：K8s 上有一类故障长得很像「服务挂了」，其实服务、Pod、Service 全活，只是节点的内核连接跟踪表（conntrack）满了——新连接被内核直接丢弃，已建连的长连接还能跑。它的特点是按节点分布、只影响新建连接、"kube