重传与丢包的成因层次
应用层看到的现象是通信超时与重试，但原因可能在更下层。物理层问题最常见：接头氧化、压接不良、线缆受干扰或超过允许长度，表现为端口错误计数增长。链路层问题包括双工与速率协商不一致、环路引发的广播风暴，后者会让整片网络的通信质量同时下降。网络层与传输层的带宽拥塞、突发流量与队列溢出，会造成丢弃与重传。设备侧问题同样不可忽略：控制器或网关的处理能力被占满时，表现为响应变慢与超时，与网络故障的现象非常接近。定位的关键是分层验证，而不是直接怀疑应用。
基本信息
| 常见成因 | 线缆与接头问题、光模块老化、双工或速率协商不一致、环路与广播风暴、带宽拥塞与突发、设备资源不足 |
|---|---|
| 观测手段 | 交换机端口计数器（错误、丢弃、协商状态）、抓包重传与重复确认统计、设备资源占用 |
| 排查顺序 | 先物理与链路，再网络与传输，最后设备与应用 |
| 基线要求 | 先掌握端口错误计数与正常流量水平的常态值，才能判断变化 |
| 拓扑对照 | 把异常时间点与拓扑变更、环网收敛、生成树事件对照 |
| 缓解方向 | 更换劣质线缆与接头、统一双工与速率、消除环路、限制广播域、优化突发流量 |
排查步骤
- 确认影响范围：是单条链路、单台设备还是整片区域，范围决定排查起点
- 查端口计数：看错误、丢弃与协商状态是否异常增长，优先排查增长最快的端口
- 查链路与拓扑：确认是否存在环路、冗余协议是否发生切换，核对变更记录
- 查带宽与突发：对比峰值与端口容量，关注瞬时突发而不是只看平均值
- 查抓包重传：确认重传比例、重复确认与零窗口现象出现的时间与对端
- 查设备资源：控制器、网关与上位机的处理器与连接数是否接近上限
- 确认与验证：修复后持续观察一段时间，确认计数不再增长且应用层恢复正常
现象与验证方法
| 现象 | 可能原因 | 验证方法 |
|---|---|---|
| 端口错误计数增长 | 线缆、接头或模块问题 | 更换线缆与端口后观察计数是否停止增长 |
| 大范围通信同时变慢 | 环路或广播风暴 | 查拓扑与端口广播流量、确认冗余协议状态 |
| 特定方向重传多 | 拥塞或对端处理能力不足 | 比对两端资源占用与流量峰值 |
| 通信周期性抖动 | 冗余收敛或生成树事件 | 对照协议日志与异常时间点 |
| 设备响应慢但不丢包 | 设备资源占用高 | 查看处理器与连接数，核对任务负载 |
环网协议收敛与冗余切换会造成短时丢包，这在设计上属于正常行为，取决于切换时间与生产设备的容忍度。排查时要把这类事件与真实故障分开：前者通常有明确的时间点与协议日志，后者则是持续或随机出现。