VIP20
本课程属于：031-英伟达Mellanox高速网络 AI算力与GPU工程 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买
知脉学社
把知识变为收入

《Mellanox网卡链路不通排错资料包》

Mellanox网卡链路不通排错资料包：从物理层到协议层系统性排错方法

课程规模
图文体系
30个系统小节
总字数约 8.6 万字，配套3张动态热点交互图表、13张矢量图、23个表格
适宜人群
人群定位
有项目经验的工程师
调试优化人员
架构与性能提升需求人群
资料特色
内容特色
覆盖30个排错场景，从光模块到RDMA全链路
每个章节对应一个真实工程问题，附带排查命令与参数解读
包含交换机协同诊断与自动化脚本示例
学习收获
落地结果
形成Mellanox网卡链路排错的系统决策树
能独立定位物理层、链路层、协议层故障
掌握ethtool、mlxreg、ibstat等核心工具实战用法
阶段 01 · 第 01-05 节

基础认知篇

基础认知篇：建立故障场景与排错框架，从物理层到驱动层快速诊断

01
课程导论：Mellanox网卡链路故障场景与排错框架
  • 错误码定位
  • 执行步骤链
  • 建立系统化诊断思维
流程模板
02
物理层排查：光模块、线缆与端口指示灯诊断
  • 关键对象
  • 物理层排查
  • 错误码定位
执行清单
03
固件与配置：mlxconfig参数对链路协商的影响
  • 参数配置项
  • 关键对象
  • 操作清单
配置
04
驱动状态检查：核心模块加载与dmesg日志分析
  • 关键对象
  • 通过dmesg
  • 识别固件版本不匹配错
日志
05
链路层协商：使用ethtool查看与触发Auto-Negotiation
  • 使用ethtool查
  • 双工及自协商状态
  • 强制重协商
执行清单
阶段 02 · 第 06-10 节

核心机制篇

核心机制篇：深入MAC、IP、路由、MTU与流控协商，解决中间层问题

06
MAC地址与VLAN配置：ip link与bridge vlan show验证
  • link
  • 参数配置项
  • 排除二层隔离问题
配置
07
IP层连通性：ping与arping测试及ARP表异常排查
  • 错误码定位
  • 通过ping
  • 分析ARP缓存
执行清单
08
路由与网关：ip route与traceroute定位转发路径断裂
  • 执行步骤链
  • 使用ip
  • 识别路由黑洞
流程模板
09
MTU与巨型帧：ping -M do测试及交换机MTU一致性检查
  • 复盘清单
  • 带DF标志的ping
  • 参数配置项
配置
10
流控与PFC：ethtool -a查看流控协商及PFC死锁现象
  • ethtool
  • 复盘清单
  • 识别PFC死锁导致链
执行清单
阶段 03 · 第 11-15 节

工程实现篇

工程实现篇：FEC纠错、端口计数器、RDMA与RoCE PFC实战调试

11
FEC纠错码：mlxreg读取FEC统计与链路误码率关联
  • 统计与链路误码率关联
  • mlxreg工具读取
  • 判断链路质量劣化
执行清单
12
端口计数器：ethtool -S关键计数器解读与丢包定位
  • ethtool
  • CRC校验
  • 定位硬件或驱动丢包
执行清单
13
RDMA链路：ibstat与ibv_devinfo检查InfiniBand / RoCE状态
  • 复盘清单
  • 使用ibstat查看
  • 参数配置项
配置
14
RoCE PFC配置：dcb工具与交换机PFC参数协同验证
  • 参数配置项
  • 执行步骤链
  • 操作清单
配置
15
抓包分析：tcpdump与Wireshark过滤链路层控制帧
  • tcpdump
  • 捕获LLDP
  • 参数配置项
配置
阶段 04 · 第 16-20 节

调试验证篇

调试验证篇：交换机日志、光模块兼容性、固件升级与PCIe链路验证

16
交换机侧诊断：show interface与logging联动排查
  • show
  • 错误计数
  • 与网卡侧对比
日志
17
光模块兼容性：mlxlink读取模块信息与厂商锁定问题
  • 关键对象
  • 操作清单
  • 验收口径
执行清单
18
固件升级：mlxfwmanager与MFT工具刷写固件流程
  • 执行步骤链
  • 风险升级
  • 解决已知链路兼容性B
流程模板
19
PCIe链路：lspci与mst status检查网卡与主机连接
  • 复盘清单
  • 使用lspci
  • 关键对象
执行清单
20
中断与CPU亲和性： / proc / interrupts与irqbalance调优
  • proc
  • 分析中断分布不均导致
  • 调整irqbalan
执行清单
阶段 05 · 第 21-25 节

高级专题篇

高级专题篇：多网卡绑定、SR-IOV、容器网络与温度监控排错

21
多网卡绑定：teamd与bonding配置对链路状态的影响
  • 参数配置项
  • 复盘清单
  • 错误码定位
配置
22
虚拟化环境：SR-IOV VF链路状态与PF配置依赖
  • 参数配置项
  • 在KVM
  • 确认PF
配置
23
容器网络：Calico / Flannel与Mellanox网卡兼容性排查
  • Calico
  • 复盘清单
  • 定位overlay网
执行清单
24
日志聚合：syslog与核心事件跟踪链路抖动
  • syslog
  • 参数配置项
  • 分析链路反复up
配置
25
温度与功耗：mlxreg读取传感器数据预防热关断
  • mlxreg读取传感
  • mlxreg读取网卡
  • 预防过热导致链路自动
执行清单
阶段 06 · 第 26-30 节

项目收束篇

项目收束篇：环路检测、RDMA带宽验证、自动化巡检与端到端案例

26
环路检测：STP / RSTP与网卡端口角色冲突分析
  • 角色责任
  • 结合交换机STP状态
  • 排除环路阻塞
执行清单
27
抓包进阶：使用perftest与ib_write_bw验证RDMA带宽
  • 使用perftest
  • perftest工具
  • 性能取舍表
执行清单
28
自动化脚本：基于Python与mstcli批量巡检链路状态
  • 基于Python
  • 和ethtool
  • 批量收集并比对多台服
脚本
29
案例实战：数据中心跨机柜链路中断端到端排错
  • 数据中心跨机柜链路中
  • 错误码定位
  • 执行步骤链
案例
30
总结与知识图谱：构建Mellanox网卡链路排错决策树
  • 构建Mellanox
  • 汇总所有诊断点
  • 复盘清单
清单