高效排障指南：如何通过 INT 报文实现端到端的流量拥塞告警

纳秒级网络洞察：星融元 EasyRoCE-CMA 拥塞监控与告警工具深度解析

在 AI 智算与大规模云数据中心时代，网络的微秒级波动都可能对业务性能产生巨大影响。为了应对传统监控技术的局限性，星融元基于 INT（带内网络遥测） 技术推出了 EasyRoCE-CMA (Congestion Monitoring & Alert) 拥塞监控与告警工具 。该工具具备纳秒级的采集精度，能够直观呈现交换机端口队列级的拥塞与丢包状态，为网络快速调优提供精准决策支持 。

监控范式的革新：从“外部观测”到“数据自述”

传统的网络监控主要依赖 Pull（如 SNMP 轮询）或 Push（如 SNMP Trap/Syslog）模式。Pull 模式受限于轮询间隔，实时性差；Push 模式虽实时性稍强，但往往信息孤立。

INT 技术的引入彻底打破了这一瓶颈：

• 自述性：让网络数据包化身为“探针”，在转发路径中实时记录设备状态
• 纳秒级精度：由交换机底层硬件在数据平面直接采集，捕捉偶发的、传统手段难以发现的微突发 (Micro-burst) 问题
• 全路径可视化：动态插入设备 ID、队列时延、拥塞状态等元数据，实现端到端的路径透明化

  

核心机制：BDC 与 HDC 双重捕获

EasyRoCE-CMA 充分利用星融元交换机的硬件特性，通过两类关键信息识别网络异常：

BDC（缓冲区丢包捕获）

• 监控目标：专注于捕获因缓冲区溢出导致的丢包问题。
• 实现原理：当数据包因缓冲区不足被丢弃时，交换机会记录报文节点 ID、队列大小及 QP（Queue Pair）等信息，并截取原始报文前 150 字节发送至收集器。
• 应用价值：帮助工程师精准定位丢包位置，快速优化缓冲区配置。

HDC（高延迟捕获）

• 监控目标：专注于识别和分析网络中的高延迟节点 。
• 实现原理：当数据包时延超过用户设定的阈值时，交换机会在保证报文正常传输的同时，将携带时延元数据的 HDC 报文发送至远端收集器 。
• 应用价值：通过累计时延等关键字段，识别延迟发生的根本原因，辅助排障 。

EasyRoCE-CMA 工具概览与应用

EasyRoCE-CMA 运行在专用服务器上，通过交换机预留的独立 INT 接口（10G 通道）进行数据传输，确保网络遥测不占用生产流量带宽 。

模块架构

• 控制面：与 EasyRoCE-AID 对接，同步交换机基础信息，提供图形化的 HDC/BDC 配置界面 。
• 业务监控面：负责解析 HDC/BDC 报文，并将详细的流量运行数据导出至可视化平台（如 EasyRoCE-UG），同时为 EasyRoCE-RPA 提供参数优化支持 。

主要功能界面

• 首页全局通览：一屏掌握所有交换机的拥塞与丢包状态。若 5 分钟内收到异常报文，状态栏会变红预警 。

• 全局监控列表：支持查看最近 1000 条 HDC/BDC 报文详情，涵盖入/出接口、时延、关联业务 IP 及传输层协议等关键指标 。

  

• 设备/队列监控：可深入查看指定设备所有物理接口及 8 个优先级队列的实时状态，实现从整体到局部微观的层层下钻 。

EasyRoCE-CMA 以 INT 技术为核心，将网络监控的颗粒度细化到纳秒级，有效解决了智算中心网络“看不见、看不准”的问题 。通过对拥塞与丢包的实时捕获，它不仅是高效的排障工具，更是网络性能持续优化的有力助手。