mtr 显示丢包 12% | 重复 ACK 究竟卡在哪一段

视频站用户报卡顿,集中在两个省。运维先跑 mtr,第七跳到源站这段丢包 12%,看着像中间链路的问题,但换一台机器测又是 0。

先抓包,别先下结论。在服务端和一台受影响客户端同时抓,过滤只看同一路五元组,各抓三十秒。服务端这边发出的序号是连续的,重传计数只有 3 次。

客户端这边满屏 dup aCk,同一个确认号连着出现四五次,dupack 后面的包序号直接跳过去一段。服务端没重传,客户端却在喊缺包,丢的地方只能是中间。

再看 ss -ti 里的 retrans 字段,服务端 0.1%,客户端侧统计到 6.8%。差值说明丢包发生在客户端到接入交换机之间,不是骨干。

让机房查那台接入交换机的端口计数,一个千兆口 CRC 错误涨到每分钟 1200,光模块在告警边缘。换模块之后重测,dup ack 归零,mtr 的 12% 也跟着消失。

这里有个容易走偏的地方。mtr 的丢包率是 ICMP 的,很多设备对 ICMP 限速,显示的丢包和 TCP 实际丢包根本不是一回事。只看 mtr 会误判到骨干网,白折腾两家运营商。

另一个误导项是 dup ack 的个数。三个重复 ACK 触发快速重传,这是正常机制,快重传之后序号能接上就不用管。真正要看的是同一个确认号反复出现又始终没有对应数据,那才是这一段丢了。

抓包文件别只存不分析。用 tshark 统计一次,tcp.analysis.duplicate_ack 的数量除以总包数,超过 2% 就该查链路,低于 0.5% 通常是客户端自己的应用层重试。

tcpdump -i eth0 -s 96 -w dup.pcap \
  'host 203.0.113.20 and tcp[tcpflags] & tcp-ack != 0'
ss -tin dst 203.0.113.20 | grep -o 'retrans:[0-9/]*'

以后遇到类似投诉,先两端同时抓三十秒,比丢包率更可靠的是重传率,两边差多少,丢包就在那段之间。

您可以还会对下面的文章感兴趣: