2. 网络层丢包：路由器/交换机缓存溢出、MTU分片与重组失败、路由环路与黑洞路由
网络层丢包，说白了就是数据包在IP层就被“干掉”了。你应用层发出去的数据，到了这一层可能连个响儿都没有。我排查过很多UDP丢包案例，最后发现根因都在网络层。这一节，咱们就聊聊最常见的三个“杀手”。
核心观点：网络层丢包通常不是应用代码的问题，而是设备或链路配置的问题。排查时，先看设备计数器，再看路径MTU，最后查路由表。
2.1 路由器/交换机缓存溢出
先问个问题：你见过路由器“撑死”吗？
路由器转发数据包，靠的是内部缓存（Buffer）。当瞬间流量超过转发能力时，数据包就得排队。如果队列满了，新来的包就直接被丢弃。这就是缓存溢出。
我个人习惯把缓存溢出分成两类：
- 微突发（Microburst）：毫秒级的流量尖峰。你监控平均带宽只有50%，但实际某几毫秒内可能冲到200%。交换机来不及处理，直接丢包。
- 持续拥塞：链路长期跑满，比如出口带宽只有100M，但业务流量持续120M。这种丢包是持续的，很好发现。
我在项目中遇到过最典型的场景：视频监控平台，UDP流从摄像头到NVR。偶尔画面卡顿，但ping不丢包。后来我登录核心交换机，敲了 show interface counters errors，发现出方向有大量 output drops。嗯，就是缓存溢出了。
排查技巧：大多数厂商的交换机都支持查看丢包计数器。Cisco用 show interface <interface> | include drops，华为用 display interface <interface> | include error。重点关注 output drops 和 buffer failures。
怎么解决？
- 升级链路带宽：最直接，但花钱。
- 调整队列调度：给UDP业务配置优先级队列（PQ），保证关键流量优先转发。
- 启用流量整形：在入方向做限速，避免微突发。
- 增大缓存：部分交换机支持调整Buffer大小，但治标不治本。
2.2 MTU分片与重组失败
MTU（最大传输单元）是网络层的“门框”。以太网标准MTU是1500字节。如果你的UDP报文超过这个值，IP层就会分片。
分片本身不是问题，问题出在重组上。UDP不像TCP那样有自动重传机制。一旦某个分片在传输中丢失，接收端就无法重组完整报文，整个UDP包就废了。
我曾经排查过一个跨公网的UDP传输问题：两个数据中心之间同步日志，偶尔丢包率高达5%。检查链路、设备都没问题。最后我用 ping -M do -s 1472 测试路径MTU，发现中间某段链路的MTU只有1400。UDP报文超过1400字节时，中间路由器尝试分片，但分片被防火墙拦截了。
避坑指南：很多防火墙默认会丢弃IP分片包，认为这是安全风险。如果你的UDP应用需要传输大报文，要么在应用层控制报文大小（建议<1400字节），要么在防火墙上放行分片包。
排查MTU问题的标准步骤：
| 步骤 | 命令/操作 | 说明 |
|---|---|---|
| 1 | ping -M do -s 1472 <目标IP> |
测试路径MTU是否支持1500字节（Linux） |
| 2 | tcpdump -i any 'icmp[0]==3 and icmp[1]==4' |
抓取“需要分片但DF标志置位”的ICMP消息 |
| 3 | ip route get <目标IP> |
查看路由缓存中的PMTU值 |
如果发现路径MTU小于1500，你有两个选择：
- 应用层调整：把UDP发送缓冲区大小设为
MTU - IP头(20) - UDP头(8) = 1472字节以内。 - 网络层调整：在路由器上强制设置接口MTU，或者启用PMTUD（路径MTU发现）。但PMTUD依赖ICMP消息，很多网络会屏蔽ICMP，导致失效。
2.3 路由环路与黑洞路由
路由环路，就是数据包在路由器之间来回转圈，直到TTL归零被丢弃。黑洞路由，则是路由表指向了一个不存在的下一跳，数据包进去就没了。
这两种情况都会导致UDP丢包，而且丢得很“干净”——应用层完全收不到任何反馈。
我记得有一次帮客户排查VoIP通话质量问题。通话时断时续，但网络监控显示链路正常。我登录核心路由器，查看路由表，发现去往VoIP服务器网段有两条等价路由（ECMP）。其中一条下一跳指向了一台已经下线的旧路由器。这就是典型的黑洞路由。
关键点：黑洞路由通常发生在网络变更之后。比如某台设备被移除，但路由表中指向它的静态路由没有删除。或者动态路由协议收敛慢，导致临时黑洞。
排查路由环路和黑洞路由的方法：
- 查看路由表：
show ip route <目标网段>，确认下一跳是否可达。 - 跟踪路由：
traceroute或mtr，看数据包路径是否出现重复跳数。 - 检查TTL：如果
traceroute显示TTL在某个节点突然归零，说明那里发生了环路。 - 查看CPU：路由环路会导致路由器CPU飙升，因为数据包被反复处理。
怎么修复？
- 静态路由：删除或修正指向错误下一跳的静态路由。
- 动态路由：检查OSPF/BGP邻居状态，确保路由收敛正常。可以启用
loopguard或route-map过滤异常路由。 - 黑洞路由预防：在边界路由器上配置
null0路由，把无法到达的流量引向黑洞，避免环路。但这需要配合精确的静态路由使用。
2.4 知识体系总览
下面这张图，我把网络层丢包的三个原因、排查方法和修复手段串起来了。你排查时，可以按这个思路走。
嗯，网络层丢包排查，说白了就是“望闻问切”。望——看计数器；闻——抓包分析；问——问网络变更历史；切——traceroute摸脉。把这套流程走一遍，大部分问题都能定位到。