上一篇 下一篇 分享链接 返回 返回顶部

什么叫丢包

发布人: 发布时间: 阅读量:49

什么叫丢包

丢包是少数能同时由链路、设备、策略、代码四方造成的问题。正因为它通用,也最容易被拿来当结论:一句"机房丢包",就把排查停在了最省事的地方。

定义:发出去了,没到

丢包率是发出与到达的差,按百分比算。它和延迟不是一回事,延迟是慢,丢包是缺。缺了要重传,重传把延迟推高,所以严重的丢包看起来也像延迟问题。

业内说丢包,默认指链路丢包。实际至少分四种:链路误码、队列溢出、策略丢弃、网卡或者驱动丢。四种的处置路径完全不同,判断错了,换机房也白换。

四种丢包怎么分开

链路误码多见于长距离、老旧光缆、劣质光模块。特征是随机、双向、跟流量大小无关,凌晨没人访问照样丢。这种只能报修,调参数没用。

队列溢出是拥塞。流量一上来就丢,流量下去就好,晚高峰最明显。特征是单向、和峰值同步,业务越忙越糟。

策略丢弃是人为的。ACL、黑洞路由、清洗、限速都会丢包,特征是选择性:只丢某个源、某个端口、某种包长。这类丢包有规律可循,也最容易验证。

网卡和驱动丢包看计数器。ethtool -S eth0 | grep -i drop,rx_dropped 在涨而链路没跑满,多半是缓冲区不够、中断绑核不对,或者多队列没开。

ping 有损不等于业务有损

ICMP 的优先级最低,很多设备对 ping 单独限速。mtr 里某一跳显示丢三成、最后一跳零丢包,那是路由器在保护自己的控制面,不代表链路坏了。

真正要看形态:从某一跳开始,丢包率一直延续到末端,延迟同步抬升。这种才是链路问题。只看最后一跳的平均值,会漏掉"某一段拥塞、后面又恢复"的情况。

业务侧的证据在 TCP 层。ss -ti state established 里 retrans 持续增长,说明在丢;rtt 均值不高而方差大,是抖动。两个指标一起看,比 ping 准,因为它走的是真实端口和真实路径。

五条命令,从粗到细

ping -n 100 目标IP(Windows)或者 ping -c 100 目标IP(Linux),看丢包百分比和最大延迟。一百个包才够看出趋势,十个包只能看个热闹。

mtr -rwc 100 目标IP 看逐跳,跑两次,一次白天一次晚高峰。加 -z 能显示每一跳的 ASN,判断问题落在哪个运营商。

要坐实就抓包:tcpdump -i eth0 -nn -w /tmp/loss.pcap 'tcp port 443',抓三百个包,再用 tshark -r /tmp/loss.pcap -Y "tcp.analysis.retransmission" | wc -l 数重传。重传数除以总包数,就是业务视角的丢包率。

内核侧的累计值也能对:nstat -az TcpRetransSegs,隔五分钟读两次,差值持续变大就是真在丢。netstat -s | grep -i retrans 是同一个数的另一种看法。

还有一种伪装成丢包的问题:MTU 不一致。ping -M do -s 1472 目标IP,大包不通、小包通,是链路上有设备把 MTU 压小了,跟丢包没关系。

重传是丢包的账单

丢一个包,TCP 有两条路:等超时重传,或者靠三个重复确认快速重传。前者按 RTO 退避,几百毫秒起步,失败一次翻一倍;后者快,但要求后续的包还能到。

用户感知到的不是"丢了一个包",是"点了没反应,过一会儿才出来"。一次支付流程要来回十几个包,任何一个卡在超时重传上,整笔交易就慢了两秒。百分之一的丢包能毁掉一次下单,说的就是这件事。

所以判断影响,看重传率比看丢包率更贴近业务。重传率到百分之一,体感开始出现卡顿;到百分之五,基本可以按链路质量处理。这两个数是经验值,不同业务敏感度差别很大。

哪一段丢的,决定谁来修

把路径切成四段:本机到网关、网关到运营商接入、运营商到机房入口、机房入口到服务器。每段各跑一轮 ping 和 mtr,哪一段开始出现持续丢包,责任就在那一段之后。

这个办法笨,但省时间。多数答案落在第三段,也就是运营商互联或者机房出口,这一段你自己改不了,能做的只是把证据整理好,让对方去查。

四段都干净、业务还是丢,就别在网络上耗了,去看应用日志、连接池、数据库慢查询。我有一次查了两天链路,最后是连接池配了 8 个,排队排到超时。

小包丢和大包丢不是一回事

小包丢,多半是策略或者 pps 限制。清洗设备对小包特别敏感,每秒几十万个小包,正常业务根本打不出来,规则一撞就全丢。

大包丢,常见于 MTU 和分片。路径上有一台设备把 MTU 压到 1400,超过这个长度的包要么被分片要么被丢,表现出来就是网页能开、上传失败。

固定长度的包丢,往网卡、队列、驱动方向看。用 ping -s 1400 和 ping -s 64 各跑一百次,两组结果的丢包率不一样,基本能定性。

丢包率多少才算事

百分之一以内,网页基本无感,下载会慢一点。百分之三到五,交互类应用开始明显卡顿。百分之十以上,语音和游戏基本不能用。

这些是体感区间,不是标准。同一丢包率对直播和文件传输的影响差很多,前者怕的是抖动,后者能靠重传扛过去。看业务类型再定阈值,别拿一个数套所有场景。

我不太接受"丢包正常"这种说法。要么给出丢包发生在哪一段,要么给出补偿或者换线方案,两样都没有,就是没查。

对采购的影响

问三件事:测试 IP 能不能给、SLA 里有没有丢包率条款、丢包发生在哪一段算谁的责任。

多数服务商的 SLA 只写可用性,不写丢包率。这不是疏漏,是留了余地。能用 mtr 证明丢在机房出口的,谈判空间比丢在运营商互联段大得多;后者通常只能等扩容。

线路选择上,跨网访问的丢包靠多线解决,国际回程的丢包靠 CN2 一类的优质回程解决。这两笔钱买的是路由,不是带宽,报价单上往往看不出来,得问回程走哪家。

已经上高防的业务多问一句:清洗回注那一段会不会丢。回注通道拥塞时,业务表现和被攻击时几乎一样,面板上却干干净净。

价格对照

官网公开报价里,宿迁 100G 三线 BGP 方案 199 元起,150G 档 299 元起,400G 移动全网通 299 元起;镇江 BGP 549 元起,温州 BGP 999 元起。

面向海外回国的链路,香港 CN2 云服务器 36 元起;美国节点 28 元起,页面标注的回程线路分 CN2、9929、4837 几种,差价主要就在这里。同样写"能访问",丢包率能差一个量级。

一句判断

丢包不可怕,怕的是拿一张 ping 截图就下结论。丢在哪一跳、丢多少、什么时段丢,三个信息缺一个,判断都是猜。

我更愿意相信连续二十四小时的 mtr 记录,而不是一份压测报告。你那边报的丢包,是全天均匀分布,还是只在晚八点之后出现?答案不同,要花的钱也不一样。

目录结构
全文