4. 流量模型与基线建立
在 Nexus 数据中心里，性能优化和容量规划的第一步不是调参数，而是先搞清楚“流量长什么样”。如果不知道业务流量是东西向为主还是南北向为主，不知道正常水位在哪里，任何优化都只能靠猜。本节围绕三件事展开：流量类型如何区分、基线如何采集、异常如何判定。
一、东西向与南北向：两种流量模型
南北向流量（North-South）指数据中心与外部网络之间的流量，典型路径是：外部用户 → 边界路由器/防火墙 → Nexus 核心 → 服务器。它通常经过 Nexus 的边界端口、上行链路和核心层，特征是“进出数据中心”，流量方向明确、路径相对集中。
东西向流量（East-West）指数据中心内部服务器之间的流量，典型路径是：服务器 A → Leaf 交换机 → Spine 交换机 → Leaf 交换机 → 服务器 B。它不经过边界，特征是“内部横向流动”，在虚拟化、分布式存储、微服务架构中往往占据主导地位。以 Cisco Nexus 的典型 Spine-Leaf 架构为例，东西向流量会经过 Leaf 上行链路和 Spine 下行链路，这两类链路的利用率是容量规划的核心观察点。
区分两者的意义在于：南北向流量受边界设备和上行带宽约束，优化重点在边界链路和 NAT/防火墙策略；东西向流量受 Fabric 内部带宽和 Leaf-Spine 收敛比约束，优化重点在 Fabric 容量、ECMP 负载均衡和服务器接入带宽。如果误把东西向流量当成南北向来规划，就会出现“边界带宽充足但 Fabric 内部拥塞”的典型问题。
二、基线采集方法
基线（Baseline）是“正常状态下的量化画像”。没有基线，就无法判断当前是“正常波动”还是“异常劣化”。在 Nexus 环境中，基线采集应覆盖以下维度：
- 接口利用率：通过
show interface或show interface counters采集各物理口和 Port-Channel 的入/出速率、单播/组播/广播包速率、CRC 错误、丢弃计数。建议按 5 分钟粒度采集，连续观察 7 天以上，覆盖业务高峰和低谷。 - Fabric 内部链路：重点采集 Leaf 上行口和 Spine 下行口的利用率。若东西向流量为主，这些链路会最先出现高水位。
- 缓冲区与丢弃：通过
show queueing interface或show hardware qos statistics观察各队列的丢弃计数和缓冲区占用，判断是否存在微突发导致的丢包。 - 控制平面：采集 CPU 利用率、ARP/ND 表项数量、MAC 地址表数量、路由表条目数，作为控制平面基线。
- 延迟与抖动：通过 NX-OS 的 IP SLA 或流表（NetFlow/Flow Telemetry）采集关键路径的往返时延和抖动。
采集方式上，推荐使用 Cisco Nexus Dashboard Insights 或第三方监控工具（如 Prometheus + SNMP Exporter）做周期性轮询，同时开启 Streaming Telemetry 获取秒级粒度数据。对于微突发场景，SNMP 的分钟级轮询可能漏掉瞬时峰值，此时应依赖 Telemetry 或交换机本地的缓冲区统计。
三、性能异常判定标准
有了基线，异常判定就有了参照。以下判定标准可作为通用起点，实际阈值需结合业务容忍度调整：
| 观察维度 | 正常范围（示例） | 预警阈值 | 异常判定 |
|---|---|---|---|
| Leaf 上行口利用率 | 峰值 ≤ 50% | 持续 5 分钟 > 70% | 持续 5 分钟 > 85% 或出现丢弃 |
| Spine 下行口利用率 | 峰值 ≤ 60% | 持续 5 分钟 > 75% | 持续 5 分钟 > 90% |
| 接口丢弃率 | 0 | > 0.01% | > 0.1% 或持续增长 |
| CPU 利用率 | < 40% | 持续 5 分钟 > 60% | 持续 5 分钟 > 80% |
| ARP/ND 表项 | 低于规格 50% | 达到规格 70% | 达到规格 85% |
| 路径时延 | 基线 ± 20% | 基线 + 50% | 基线 + 100% 或持续抖动 |
判定时要注意区分“瞬时尖峰”和“持续劣化”。例如，备份窗口内 Leaf 上行口利用率冲到 80% 但 10 分钟后回落，属于计划内波动；若连续 30 分钟维持在 80% 以上且伴随丢弃计数增长，则属于需要干预的异常。另一个关键点是“相关性”：如果接口利用率上升的同时 CPU 和时延也同步上升，说明是真实拥塞；如果只有利用率上升而时延不变，可能是流量结构变化而非性能问题。
四、从基线到容量决策
基线建立后，容量规划就有了输入。一个实用的做法是：以基线峰值利用率为起点，结合业务增长率，推算未来 6～12 个月的链路需求。例如，某 Leaf 上行口当前峰值利用率为 45%，业务年增长率为 30%，则 12 个月后峰值约为 58.5%，仍在安全范围内；若当前峰值已达 65%，则 12 个月后约为 84.5%，接近预警线，需要提前规划链路扩容或流量调度。
同时，基线数据还能帮助识别“隐性瓶颈”。例如，某业务路径的端到端时延基线为 2ms，某天突然变为 5ms，但所有接口利用率都正常，此时应检查是否有微突发导致缓冲区排队，或是否有路由震荡导致路径切换。这类问题仅靠利用率指标无法发现，必须依赖时延和丢弃计数等基线数据。
总结来说，流量模型决定了“看哪里”，基线采集决定了“正常是什么样”，异常判定决定了“什么时候该动手”。三者构成一个闭环：先分类，再量化，最后设阈值。缺少任何一环，性能优化都会变成盲目调参。