有时候,需要关注下网络的是否丢包,特别是高带宽情况下测试系统的性能的时候, 这次我们在测试很小的流量的情况下,用ifconfig命令查看发现丢包:
watch ifconfig eno2
[root@localhost ~]# ifconfig eno2
eno2: flags=4419<UP,BROADCAST,RUNNING,PROMISC,MULTICAST> mtu 1500
ether 78:ac:44:0f:16:00 txqueuelen 1000 (Ethernet)
RX packets 1445302589 bytes 255819232376 (238.2 GiB)
RX errors 0 dropped 43330140683 overruns 0 frame 0
TX packets 0 bytes 0 (0.0 B)
TX errors 0 dropped 0 overruns 0 carrier 0 collisions 0
dropped 数据在一直增加.
二 分析2.1 实际网卡速率既然没有错误,那么看看网卡的支持的速率多大,是否可以满足现有的要求:
[root@localhost ~]# ethtool eno2 | egrep 'Speed|Duplex'
Speed: 10000Mb/s
Duplex: Full
10Gbps大于测试的速率,这个原因排除.
2.2 ethtool 分析具体丢包原因通过ethtool -S来查看丢包原因:
[root@localhost ~]# ethtool -S eno2|grep drop
rx_dropped: 1996379212
tx_dropped: 0
port.rx_dropped: 0
port.tx_dropped_link_down: 0
[root@localhost ~]# ethtool -S eno2|grep error
rx_errors: 0
tx_errors: 0
rx_length_errors: 0
rx_crc_errors: 0
port.tx_errors: 0
port.rx_crc_errors: 0
port.rx_length_errors: 0
发现除了丢包数据,并没有明显的错误.
####2.2.1 rx_missed_errors此原因是ring-buffer不够了,可能原因来的速率确实很大,超出了预期,如果是临时的大流量,可以通过增加rx的ring-buffer大小来解决,这里面的ring-buffer大小是指存的帧的数量,而不是字节数.
# ethtool -g eno2
Ring parameters for eno2:
Pre-set maximums:
RX: 4096
RX Mini: 0
RX Jumbo: 0
TX: 4096
Current hardware settings:
RX: 1024
RX Mini: 0
RX Jumbo: 0
TX: 512
这玩意增大,说明数据包还没到ring buffer就被物理网卡丢弃了,可能原因是中断不均衡造成的. 如果没有做线程绑定cpu的设置,就要看下是否开启了中断均衡:
service irqbalance status
如果指定了处理网络包的线程绑定了具体的CPU,则需要将系统自带的中断均衡程序关闭:
service irqbalance stop
注意,处理网络包的线程绑定cpu后, 可以达到的目的是网络包的中断是这个线程处理,而且后续也是 这个线程再进一步分析包,好处是缓存可以重用,不用因为切换不同线程导致缓存失效的问题. 特别是NUMA架构,要将网卡归属NUMA节点的CPU绑定给线程,查看办法:
lscpu
...
NUMA node0 CPU(s): 0,2,4,6,8,10,12,14,16,18,20,22,24,26,28,30,32,34,36,38
NUMA node1 CPU(s): 1,3,5,7,9,11,13,15,17,19,21,23,25,27,29,31,33,35,37,39
...
网卡归属的NUMA节点查看:
[root@localhost ~]# cat /sys/class/net/eno2/device/numa_node
0
我们就可以把NUMA节点0上的CPU绑定给线程,用于处理eno2网卡的数据包。
如何把网卡的队列的中断处理绑定到特定的cpu上，虽然可以手工设置，但是比较麻烦，网上有个脚本：set_irq_affinity ，通过这个脚本可以方便地设置：
set_irq_affinity 0,2,4,6,8,10,12,14,16,18,20,22,24,26,28,30,32,34,36,38 eno2
即用0,2,4,6,8,10,12,14,16,18,20,22,24,26,28,30,32,34,36,38 这些cpu来处理eno2网卡的中断。 我们可以将eno2的网卡队列改成了20，这样刚好可以一一对应，更改办法：
ethtool -L eno2 combined 20
负载均衡相关设置：
ethtool -K eno2 rxhash on
ethtool -K eno2 ntuple on
for proto in tcp4 udp4 ah4 esp4 sctp4 tcp6 udp6 ah6 esp6 sctp6
do
ethtool -N eno2 rx-flow-hash ${proto} sd
done
为了让一个流所属的双向包都均衡到同一个网卡队列中，需要设置对称哈希算法的key，设置方法如下：
ethtool -X eno2 hkey 6D:5A:6D:5A:6D:5A:6D:5A:6D:5A:6D:5A:6D:5A:6D:5A:6D:5A:6D:5A:6D:5A:6D:5A:6D:5A:6D:5A:6D:5A:6D:5A:6D:5A:6D:5A:6D:5A:6D:5A:6D:5A:6D:5A:6D:5A:6D:5A:6D:5A:6D:5A equal 20
这里面直观看是丢包数，其实不仅仅是丢包数，比较坑。 The RT and RHEL7 kernels contains code that updates the rx_dropped counter for other non-error conditions.
The softnet backlog full
Bad VLAN tags
Packets received with unknown or unregistered protocols
IPv6 frames when the server is configured only for ipv4
具体可以参考：
[https://access.redhat.com/solutions/657483](https://access.redhat.com/solutions/657483)
如果想看实际网卡上是否有丢包，可以通过ethtool -S eno2|grep error,想看下重传率，可以通过 netstat -s 查看：
奇怪的是，同样的包回放，如果不处理，只收包就不丢包，这样上面的原因就说不过去了，继续排查。
三 程序排查3.1 首先是磁盘io排查因为程序有大量写文件操作，所以看看是不是磁盘的IO满了造成的丢包。
iostat -x 1 10
磁盘IO并未达到瓶颈。
yum install iotop
iotop -oP
也未看到特别大的磁盘IO，排除这个问题。
3.2 CPU线程是绑定cpu的方式，而且整体来说占用很均衡，说明不存在cpu不均衡导致中断处理不过来造成的丢包问题。
top -Hp pid
查看关键线程的cpu占用情况，比较均衡，无瓶颈。
3.3 内存查看
yum install numactl
#查看内存占用
numastat -m
没发现什么异常，内存占用很均衡。
3.4 排查中断通过以下命令看下，软中断在各个cpu上是否均衡，如果不均衡按照overrun的办法均衡下。
watch cat /proc/softirqs
目前该排查的都排查了，包括驱动程序，已经按照安装了最新的驱动程序，仍然存在丢包问题。 由于是采用netmap库抓包，所以下一步要进行源码或驱动排查。 如果不是网卡丢包，而是正常的网络丢包，可以参考下安装下dropwatch排查
#yum install dropwatch
#dropwatch -l kas
>start
具体可以参考下面第一个链接：
[https://vcpu.me/categories/](https://vcpu.me/categories/)
[https://blog.huoding.com/2020/04/27/814](https://blog.huoding.com/2020/04/27/814)
