上周在客户现场调一个分布式训练任务，明明用的是100G RoCE网卡，但实际训练速度只有理论值的30%。客户指着监控面板问：“带宽不是跑满了吗，为什么还是这么慢？”——这个问题太经典了，今天我们就来拆解网络性能的四个核心指标。

从一次实际调试说起

当时监控显示网络带宽利用率确实接近90%，看起来网络很“忙”。但用perf抓了几个热点函数，发现大量时间卡在recv()系统调用上。用ethtool -S看网卡统计，发现outbound_pause_frames计数一直在涨。这里第一个坑就出现了：高带宽利用率不等于高效传输，可能是拥塞导致的报文重传和流控。

后来在交换机上打了镜像抓包，发现大量TCP重传和Dup-ACK。问题根源是某个计算节点的PCIe链路有降速，导致出向流量突发，把交换机的出口缓冲区打满了。这就是典型的“带宽看起来够用，但延迟和拥塞拖垮了整体吞吐”。

四个指标的真正含义

带宽是管道直径，单位Gbps。但很多人忽略了这个值是理论峰值。实际能用到多少，取决于协议开销、MTU大小、网卡DMA效率。比如100G RoCE，扣除各种头部开销，应用层能拿到的大概在94Gbps左右。用iperf3 -c测带宽时记得加-P 4开多流，单流经常跑不满。

延迟是报文从发到收的时间，单位微秒或毫秒。它分几个层次：网卡硬件延迟（微秒级）、内核协议栈处理延迟（几十微秒）、应用层RTT（毫秒级）。AI训练里All-Reduce操作对延迟极其敏感，因为要等所有节点同步。有一次我们把内核的net.core.busy_poll打开，延迟直接从800us降到300us。

吞吐量才是应用实际感受到的“速度”，单位通常是MB/s。它受带宽和延迟共同制约。有个粗略估算公式：吞吐量 ≤ 窗口大小 / RTT。窗口受内核参数net.core.rmem_max和net.ipv4.tcp_rmem限制。遇到过有人把容器里的rmem_max设成默认值，而宿主机调得很大，结果吞吐量只有宿主机的十分之一。

拥塞是动态现象，不是静态指标。它发生时通常伴随三个现象：延迟抖动增大、吞吐量下降、重传增多。现代数据中心网络用ECN（显式拥塞通知）和DCQCN（RoCE的拥塞控制）来缓解。但调试时最直观的还是看ifconfig里的dropped和overruns计数。

几个实操命令

看延迟用ping -A（打印时间戳），或者用hping3 -S -p 443 -i u100微调间隔。更精细的可以用tcpdump -ni eth0 -w file.pcap抓包后Wireshark看IO Graph。

测吞吐推荐用iperf3 -c server -t 30 -b 0（零表示不限速），同时客户端开watch -n 1 'ethtool -S eth0 | grep bytes'看实际物理层流量。

拥塞检测最直接的是ethtool -S | grep -E "(pause|discard|buffer)"，或者ss -ti看TCP的srtt和cwnd变化。遇到RoCE网卡可以看mlx5_fs_dump的统计（Mellanox卡）。

参数调优片段

调优不是无脑加大缓冲区，这里踩过坑。曾经把net.ipv4.tcp_rmem的max设到1GB，结果内存被吃光触发OOM。现在我的习惯配置：

# 内核参数（/etc/sysctl.conf）
net.core.rmem_default = 256M
net.core.wmem_default = 256M
net.core.rmem_max = 512M
net.core.wmem_max = 512M
# 这里别设太大，留点给应用
net.ipv4.tcp_rmem = 4096 87380 512M
net.ipv4.tcp_wmem = 4096 65536 512M
# 开启ECN和快速打开
net.ipv4.tcp_ecn = 1
net.ipv4.tcp_fastopen = 3

RoCE网卡还要调priority_flow_control和congestion_control，不同厂商命令不同。有个经验：先跑nvidia-smi netq -t看健康度（N卡），或者mlnx_qos -i eth0看配置（Mellanox）。

个人经验建议

带宽就像高速公路的车道数，延迟是红绿灯等待时间，吞吐是实际通过的车流量。调优时别只盯着一个指标。我习惯的排查顺序是：先看吞吐是否达标，不达标查延迟和丢包，延迟高查中断绑定和NUMA亲和性，丢包查缓冲区和流控。

实际项目中，超过一半的“网络性能问题”最终定位不在网络本身。比如那次PCIe降速，还有一次是内存带宽瓶颈导致网卡DMA饿死。所以硬件一致性很重要：确保网卡插在CPU直连的PCIe槽，用lspci -vvv看链路速度是不是预期值。

最后留个思考题：为什么有些AI集群用400G网络反而比100G训练速度提升不到2倍？因为瓶颈可能卡在All-Reduce的同步开销，或者GPU的NVLink带宽。网络只是管道，真正要优化的是端到端的数据流。

下次我们聊如何用eBPF动态跟踪网络栈延迟分布。