3. 链路训练概述
PCIe链路训练是链路从“物理连接存在”走向“可稳定传输TLP/DLLP”的必经过程。它发生在链路两端设备的物理层，由LTSSM（Link Training and Status State Machine，链路训练与状态机）统一驱动。排查链路训练故障时，如果只盯着“Link Up失败”这一结果，往往无从下手；真正有效的方法是理解链路训练要解决什么问题、分成哪些阶段、每个阶段由哪些LTSSM状态承载、以及哪些关键事件会推动状态迁移。
一、链路训练的目的与阶段划分
从工程视角看，链路训练不是单一动作，而是一条由多个阶段串联而成的收敛过程。典型阶段可划分为：检测阶段、轮询阶段、配置阶段、恢复阶段和正常工作阶段。检测阶段确认对端是否存在；轮询阶段完成位锁定、符号锁定并交换TS1/TS2有序集；配置阶段协商链路号、通道号、链路宽度和速率；恢复阶段用于速率切换、宽度变更、错误恢复和重新建立位/符号锁定；正常工作阶段则进入L0，开始传输DLLP和TLP。
需要特别注意的是，链路训练并非总是“一次成功、线性前进”。在速率切换、电源管理退出、热插拔或误码升高时，链路会从L0退回Recovery，重新执行部分训练流程。因此，LTSSM本质上是一个带循环和回退的状态机，而不是单向流水线。
二、LTSSM整体流程与关键状态
LTSSM包含多个顶层状态，常见且与排障最相关的是：Detect、Polling、Configuration、Recovery、L0、L1、L2、Disabled、Loopback、Hot Reset。其中Detect到Configuration是初次训练的主路径，Recovery是运行中重新收敛的核心路径，L0是正常工作态。
- Detect：检测接收端是否存在有效终端匹配，判断对端设备是否插入或上电。
- Polling：通过发送TS1/TS2有序集，完成位锁定、符号锁定，并确认双方支持PCIe协议。
- Configuration：交换TS1/TS2，协商Link Number、Lane Number、链路宽度，并完成通道间去偏斜。
- Recovery：用于速率变更、宽度变更、退出低功耗、错误恢复；可细分为Recovery.RcvrLock、Recovery.RcvrCfg、Recovery.Speed等子状态。
- L0：链路正常工作，TLP/DLLP可正常传输。
- L1/L2：低功耗状态，L2伴随主电源关闭，需通过Beacon或WAKE#唤醒。
关键事件包括：Receiver Detection成功、Bit Lock/Symbol Lock达成、TS1/TS2交换完成、Link Number与Lane Number协商一致、去偏斜完成、速率协商一致、进入L0。任何一个事件失败，都会导致状态机停留在当前状态或回退到Recovery。
三、典型场景：从Detect到L0的排障思路
假设一台服务器插入PCIe加速卡后，系统日志显示链路未训练成功。第一步应确认LTSSM停留在哪个状态。如果停留在Detect，说明接收端未检测到有效终端，重点检查卡是否插稳、供电是否正常、参考时钟是否到达、PERST#释放时序是否正确。如果进入Polling后反复失败，重点检查参考时钟频率与扩频、通道极性反转、发送端与接收端通道映射是否一致。如果进入Configuration后无法完成，重点检查Lane Reversal、Link Number分配、宽度协商是否被上游端口限制。如果进入Recovery后反复循环，则更多指向信号完整性、均衡参数、插损或串扰问题。
# 典型排查命令示例（以Linux lspci为例）
lspci -vvv -s 01:00.0 | grep -i "LnkSta\|LnkCap\|LnkCtl"
# 关注输出中的：
# LnkCap: Port #0, Speed 16GT/s, Width x16
# LnkSta: Speed 16GT/s, Width x16, TrErr- Train- SlotClk+ ...
# 若 LnkSta 显示 Width x8 或 Speed 8GT/s，说明训练降宽或降速
四、误区与复盘要点
常见误区二：只关注Configuration而忽略Recovery。很多间歇性掉链问题发生在L0之后的Recovery循环，必须统计Recovery触发次数和原因。
常见误区三：忽略参考时钟与复位时序。Detect和Polling阶段的失败，大量源于时钟未稳定、PERST#释放过早或电源未建立。
复盘时建议建立一张“状态—事件—检查项”对照表，把LTSSM状态、关键事件、典型故障现象和排查动作一一对应。这样在后续章节中分析具体故障时，就能快速定位到是检测、锁定、配置、恢复还是工作态问题，而不是盲目更换设备或反复重启。
| LTSSM状态 | 关键事件 | 典型故障现象 | 优先检查项 |
|---|---|---|---|
| Detect | Receiver Detection成功 | 链路完全无反应 | 插稳、供电、参考时钟、PERST# |
| Polling | Bit/Symbol Lock达成 | 反复Polling、无法进入Configuration | 时钟频率、极性反转、通道映射 |
| Configuration | TS1/TS2交换、宽度协商 | Link Up但降宽 | Lane Reversal、Link Number、上游限制 |
| Recovery | 速率/宽度重协商 | 间歇掉链、速率回退 | 信号完整性、均衡、误码率 |
| L0 | 进入正常工作态 | Link Up后传输异常 | DLLP/TLP、电源噪声、热问题 |
理解LTSSM的整体流程与关键事件，是后续分析具体链路训练故障的基础。只有把“状态停留位置”和“未完成的关键事件”对应起来，才能把排障从经验猜测转变为可验证的工程判断。