1. 课程导入与工程全景
在数据中心与AI集群中，网络已经从“连接资源”演变为“算力的一部分”。当链路速率从100G迈向400G/800G，端口密度、SerDes速率、光模块数量与交换层级同步上升，网络故障的定位难度呈指数级增长。传统依赖SNMP轮询、Syslog告警和人工抓包的方式，往往在问题已经影响业务之后才给出模糊线索。Marvell高速网络遥测与健康诊断，正是为应对这一挑战而构建的一套从芯片级数据采集到端到端健康判断的工程方法体系。
一、定位：从“事后告警”到“实时可观测”
本课程讨论的对象不是单一软件工具，而是围绕Marvell交换芯片、PHY/SerDes、光模块与配套SDK/API形成的一整套遥测与诊断能力。它的核心定位可以概括为三点：
- 芯片内建遥测：在Teralynx、Prestera等交换芯片内部，通过计数器、直方图、采样引擎和事件触发器，持续输出端口级、队列级、流级甚至包级的运行数据。
- 带内与带外结合：INT（In-band Network Telemetry）、gNMI/gRPC、sFlow/IPFIX、PTP时间戳等机制，把原本分散在设备各处的状态汇聚为可关联的时间序列。
- 健康诊断闭环：从“采集—关联—基线—异常检测—根因定位—修复验证”形成闭环，而不是停留在“看到曲线”的层面。
换句话说，遥测解决“看得见”，健康诊断解决“看得懂、判得准、修得快”。两者结合，才构成工程上可交付的能力。
二、核心价值：为什么值得系统学习
在800G时代，链路预算、FEC纠错、SerDes均衡和光模块温漂都会直接影响误码与丢包。若没有细粒度遥测，工程师只能看到“端口down”或“丢包率上升”，却无法判断是光模块劣化、SerDes均衡失效、队列拥塞还是路由震荡。Marvell遥测体系的价值体现在：
- 提前预警：通过Pre-FEC BER、RS-FEC corrected codewords、光功率、温度等趋势，在链路真正失效前发现劣化。
- 精准定位：结合INT逐跳数据与时间戳，把时延抖动、丢包点定位到具体设备、端口甚至队列。
- 降低MTTR：用统一的数据模型和诊断路径替代“逐台登录、逐条命令”的排查方式。
- 支撑自动化：遥测数据可直接接入AIOps平台，驱动自愈、流量调度和容量规划。
三、典型部署场景
Marvell遥测与诊断能力通常出现在以下几类场景中，不同场景对数据粒度和实时性的要求差异明显：
| 场景 | 关键对象 | 主要遥测手段 | 诊断目标 |
|---|---|---|---|
| AI训练集群 Spine-Leaf | 400G/800G交换端口、RDMA队列 | INT、队列深度直方图、PFC/ECN计数 | 拥塞点、PFC风暴、尾时延 |
| DCI长距互联 | 相干光模块、FEC层 | Pre-FEC BER、光功率、OSNR | 链路劣化趋势与阈值告警 |
| 园区/企业核心 | 25G/100G接入与汇聚 | sFlow、gNMI、端口计数器 | 环路、广播风暴、异常流量 |
| 白盒与SONiC环境 | SAI/SDK、gNMI订阅 | 流表统计、采样、事件通知 | 转发面异常与配置漂移 |
这些场景的共同点是：链路速率高、故障窗口短、人工介入成本高。因此，遥测数据必须“采得全、传得稳、算得快、看得懂”。
四、工程全景：从信号到决策的分层结构
为了把课程后续章节串成一条主线，这里先给出整体工程全景。下图从物理信号层出发，经过芯片遥测、数据汇聚、健康分析，最终到达运维决策，展示各层的关键对象与数据流向。
这张全景图的关键在于“逐层收敛”：物理层给出信号质量，芯片层给出细粒度计数，汇聚层完成时间对齐与标签关联，分析层把数据变成判断，决策层把判断变成动作。后续章节会依次深入每一层，但始终围绕这条主线。
五、学习路径建议
本课程共30章，建议按“先建立数据视角，再掌握诊断方法，最后落地工程实践”的顺序推进：
- 基础认知（第1–5章）：理解遥测与诊断的定位、Marvell芯片架构、关键指标与数据模型。
- 采集与传输（第6–12章）：掌握gNMI、INT、sFlow、PTP等采集机制，以及数据汇聚与时间对齐方法。
- 健康诊断方法（第13–20章）：学习基线建模、异常检测、根因定位、故障树与关联分析。
- 工程实践与案例（第21–27章）：围绕AI集群、DCI、白盒等场景，完成从数据到结论的完整闭环。
- 进阶与自动化（第28–30章）：遥测数据接入AIOps、自愈策略与容量规划。
最后需要强调：遥测与健康诊断不是“装一个工具”就能解决的问题，它需要工程师同时理解信号层、芯片层、协议层和运维层。本课程的目标，是让你在面对一条800G链路时，能够从Pre-FEC BER的微小抬升出发，沿着数据流一路追到具体队列和具体设备，并给出可验证的修复动作。这正是Marvell高速网络遥测与健康诊断工程的核心价值所在。