隨著高性能計算和分布式存儲的快速發展，基于RoCEv2的RDMA網絡技術已在人工智能訓練與推理、NVMe-oF存儲、高性能數據庫等場景中實現規模化部署。然而，在享受其低延遲、高吞吐優勢的同時，運維人員卻面臨著一個普遍難題：RDMA通信層如同一個“黑盒”，業務側難以透視其在網絡中的真實路徑與狀態，一旦出現性能下降、擁塞或時延抖動等問題，故障定位往往耗時費力、成本高昂。

RDMA運維之痛：從“看不見”到“難定位”

當前，盡管RDMA在協議棧層面具備源/目的IP、QP（Queue Pair）、通信ID（CID）等多個維度的信息標識，但運維工具往往只能獲取到離散的IP與QPN信息，無法將會話狀態與網絡路徑關聯。常見的交換機觀測手段，如端口計數器、PFC/ECN統計、抓包鏡像等，或只能反映局部端口狀態，或需處理海量數據且依賴人工分析，難以直接對應到具體的RDMA連接。而基于INT或Telemetry的硬件方案又面臨芯片支持、現網改造等諸多門檻。

在此背景下，可視化和會話級追蹤成為RDMA網絡運維的迫切需求。

RST工具鏈：以CM報文為線索，還原RDMA通信全貌

EasyRoCE Toolkit中的RST（RDMA Session Tracer），正是為解決上述痛點而生。該工具通過無侵入、輕量化的方式，聚焦于RDMA建連階段的控制面報文——CM（Communication Management）報文，從中提取QPN、CID等關鍵信息，構建RDMA會話的生命周期，并關聯到具體交換設備與端口，最終實現跨設備的路徑還原。

CM協議（Communication Management Protocol，通信管理協議），在本文語境下指的是一種建立于 Infiniband/RoCE 協議基礎之上的建鏈方式，它有一套專屬的報文格式、交互流程和用戶接口。
CM 協議通過報文的多次往返來建立連接，類似于 TCP 協議的握手，同時也規定了斷鏈的方式。
【參考：Savir，https://zhuanlan.zhihu.com/p/494826608】

核心組成：RFT + RPT 雙模塊協同

• RFT（RDMA Flow Table）：以容器形式部署于每臺交換機，負責捕獲CM報文、解析會話狀態、維護流表，并通過4791端口對外提供數據。
• RPT（RDMA Path Table）：運行于獨立控制器，匯聚全網流表信息，進行實時路徑計算與可視化呈現，最終通過Grafana界面向用戶開放。

部署與使用：一鍵可視，開箱即用

用戶可通過EasyRoCE-AID自動獲取交換機信息，分別安裝 RST 下的子模塊（RFT和FPT）后，即可在Grafana面板中：

• 查看所有交換機的RFT狀態并控制啟停；

RST 工具首頁可看到當前組網內的所有業務交換機的列表和功能指示開關，直觀查看和修改交換機上 RFT 容器的啟用和停止狀態。

• 查看單設備的RDMA流表與會話追蹤；

全局視角查看RDMA會話的完整轉發路徑。

當全網設備都開啟 RFT 功能，點擊 RST 工具首頁左上角的流量路徑按鈕，即可進入 RDMA 流量路徑表信息頁，由此看到全網的 RMDA 通信會話的轉發路徑。

不止于可視：RST的運維價值與行業意義

RST工具的推出，標志著RDMA網絡運維從“盲調”走向“可視”，從“被動響應”轉向“主動洞察”。它不僅降低了故障定位的時間與人力成本，也為網絡性能優化、容量規劃、拓撲調優等提供了數據支撐。
未來，隨著AI與存儲網絡進一步向RDMA化演進，具備會話感知能力的網絡可視化工具有望成為智能運維體系的核心組件。星融元通過RST工具鏈，不僅解決了當前運維中的實際難題，也為構建下一代可觀測、可診斷、可自愈的高性能網絡奠定了基礎。