3. 链路冗余概念
3.1 什么是链路冗余
在 PCIe 系统中，链路冗余（Link Redundancy）是指为 Root Complex（RC）与 Endpoint（EP）之间的数据通路配置多条物理或逻辑链路，使得当主链路发生故障时，系统能够自动或手动切换到备用链路继续工作。冗余链路在正常状态下可以处于待命（Standby）或激活（Active）状态，其核心目标是消除单点故障（Single Point of Failure, SPOF）。
关键定义： 链路冗余 ≠ 多链路同时传输数据；冗余的本质是“备用替换”，而非“聚合带宽”。
PCIe 冗余实现方式： 常见方案包括双 RC 端口绑定、多根 I/O 虚拟化（MR-IOV）下的多路径、以及基于上游端口切换（Upstream Port Switch）的冗余拓扑。
3.2 冗余的必要性：高可用性与容错
在关键任务系统（如数据中心、自动驾驶、医疗设备、工业控制）中，PCIe 链路的单点故障可能导致整个 I/O 子系统瘫痪。链路冗余的必要性体现在以下两个核心维度：
| 维度 | 说明 | 典型场景 |
|---|---|---|
| 高可用性（High Availability, HA） | 系统在发生链路故障时仍能维持对外服务，切换时间通常要求在毫秒级，用户无感知。 | 金融交易服务器、电信基站、云存储节点 |
| 容错（Fault Tolerance, FT） | 系统不仅维持运行，还能在故障期间保证数据完整性和事务一致性，不丢包、不损坏。 | 飞行控制系统、核反应堆监控、手术机器人 |
注意： 高可用性侧重于“服务不中断”，容错侧重于“数据不损坏”。链路冗余通常优先保证 HA，FT 需要额外的事务复制和校验机制配合。
3.3 冗余与负载均衡的区别
链路冗余和负载均衡（Load Balancing）是两种不同的多链路使用策略，经常被混淆。下表从多个维度进行对比：
| 对比维度 | 链路冗余 | 负载均衡 |
|---|---|---|
| 核心目标 | 故障切换，保证可用性 | 流量分发，提升吞吐量 |
| 链路状态 | 主链路承载流量，备用链路待命（或低功耗训练） | 所有链路同时承载流量，无主备之分 |
| 故障影响 | 切换到备用链路，吞吐量可能不变或略有下降 | 故障链路退出，剩余链路分担流量，吞吐量下降 |
| 带宽利用率 | 备用链路不承载业务流量，利用率较低 | 所有链路满载，利用率高 |
| 典型 PCIe 实现 | 双 RC 端口 + 上游端口切换 | 多根 I/O 虚拟化（MR-IOV）或多 PCIe 域 |
| 适用场景 | 关键任务、不允许中断的系统 | 高性能计算、大数据吞吐场景 |
核心区别一句话： 冗余是为了“坏了还能用”，负载均衡是为了“更快地一起用”。两者可以共存，但设计目标和实现机制不同。
3.4 冗余与负载均衡的共存场景
在实际 PCIe 拓扑中，冗余和负载均衡并非完全互斥。例如，在双 RC 端口 + 多 EP 的系统中，可以同时配置：
- 主备冗余： 每个 EP 连接两个 RC 端口，一个为主，一个为备用。
- 负载均衡： 多个 EP 之间的流量通过 RC 端口进行分发，提升整体吞吐量。
设计建议： 在关键路径上优先使用冗余，在非关键路径上使用负载均衡。如果系统同时要求高可用和高吞吐，可以考虑 N+1 冗余（N 条链路负载均衡，1 条链路热备）。