隨著高性能計算和分布式存儲的快速發(fā)展，基于RoCEv2的RDMA網(wǎng)絡(luò)技術(shù)已在人工智能訓(xùn)練與推理、NVMe-oF存儲、高性能數(shù)據(jù)庫等場景中實現(xiàn)規(guī)模化部署。然而，在享受其低延遲、高吞吐優(yōu)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(yè)務(wù)側(cè)難以透視其在網(wǎng)絡(luò)中的真實路徑與狀態(tài)，一旦出現(xiàn)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(dāng)前，盡管RDMA在協(xié)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(biāo)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(tài)與網(wǎng)絡(luò)路徑關(guān)聯(lián)。常見的交換機(jī)觀測手段，如端口計數(shù)器、PFC/ECN統(tǒng)計、抓包鏡像等，或只能反映局部端口狀態(tài)，或需處理海量數(shù)據(jù)且依賴人工分析，難以直接對應(yīng)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(xiàn)網(wǎng)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(wǎng)絡(luò)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(guān)鍵信息，構(gòu)建RDMA會話的生命周期，并關(guān)聯(lián)到具體交換設(shè)備與端口，最終實現(xiàn)跨設(shè)備的路徑還原。

CM協(xié)議（Communication Management Protocol，通信管理協(xié)議），在本文語境下指的是一種建立于 Infiniband/RoCE 協(xié)議基礎(chǔ)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(xié)議通過報文的多次往返來建立連接，類似于 TCP 協(xié)議的握手，同時也規(guī)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(xié)同

• RFT（RDMA Flow Table）：以容器形式部署于每臺交換機(jī)，負(fù)責(zé)捕獲CM報文、解析會話狀態(tài)、維護(hù)流表，并通過4791端口對外提供數(shù)據(jù)。
• RPT（RDMA Path Table）：運行于獨立控制器，匯聚全網(wǎng)流表信息，進(jìn)行實時路徑計算與可視化呈現(xiàn)，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(jī)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(jī)的RFT狀態(tài)并控制啟停；

RST 工具首頁可看到當(dāng)前組網(wǎng)內(nèi)的所有業(yè)務(wù)交換機(jī)的列表和功能指示開關(guān)，直觀查看和修改交換機(jī)上 RFT 容器的啟用和停止?fàn)顟B(tài)。

• 查看單設(shè)備的RDMA流表與會話追蹤；

全局視角查看RDMA會話的完整轉(zhuǎn)發(fā)路徑。

當(dāng)全網(wǎng)設(shè)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(jìn)入 RDMA 流量路徑表信息頁，由此看到全網(wǎng)的 RMDA 通信會話的轉(zhuǎn)發(fā)路徑。

不止于可視：RST的運維價值與行業(yè)意義

RST工具的推出，標(biāo)志著RDMA網(wǎng)絡(luò)運維從“盲調(diào)”走向“可視”，從“被動響應(yīng)”轉(zhuǎn)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(wǎng)絡(luò)性能優(yōu)化、容量規(guī)劃、拓?fù)湔{(diào)優(yōu)等提供了數(shù)據(jù)支撐。
未來，隨著AI與存儲網(wǎng)絡(luò)進(jìn)一步向RDMA化演進(jìn)，具備會話感知能力的網(wǎng)絡(luò)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(dāng)前運維中的實際難題，也為構(gòu)建下一代可觀測、可診斷、可自愈的高性能網(wǎng)絡(luò)奠定了基礎(chǔ)。