台湾 vps 线路 cn2 性能监控指标与故障快速定位流程

1.

概述与准备工作

- 准备：需要 VPS 的 root 或 sudo 权限、提供商控制台账号、外部测试主机（最好在大陆与国外各一台）。
- 工具：ping/traceroute/mtr, iperf3, tcpdump/tshark, ethtool, netstat/ss, vnstat/iftop, Prometheus + node_exporter 或 Zabbix。
- 时间同步：保证 ntp 或 chrony 正常，避免因时间差导致日志无法比对（命令：chronyc sources 或 ntpq -p）。

2.

关键性能监控指标与阈值

- 延迟（Latency）：ICMP 平均延迟 <100ms（链路稳定目标 30-80ms），抖动（jitter）<20ms；
- 丢包率（Packet Loss）：端到端丢包 <0.5%（业务敏感场景 <0.1%）；
- 带宽/吞吐（Throughput）：链路带宽饱和率 <80%；使用 iperf3 测试；
- 链路异常（连接数、重传、网卡错误）：重传率、ifconfig/ethtool RX/TX error；
- BGP/路由变化：AS 路径变化、黑洞公告、路径绕行。以上指标通过 Prometheus 或 Zabbix 采集并设定报警阈值。

3.

部署实时监控（Prometheus + node_exporter 示例）

- 安装 node_exporter：在 VPS 上运行 wget https://.../node_exporter && ./node_exporter &。
- 配置 Prometheus 抓取：在 prometheus.yml 添加 - job_name: 'taiwan-vps' static_configs: - targets: ['your.vps.ip:9100']。
- 添加网络相关 exporter（如 bpf 或自定义脚本）上报 mtr/iperf 的历史结果；Grafana 建面板显示延迟、丢包、带宽与网卡错误。

4.

主动链路检测与定时任务

- 定时 MTR：在 VPS 上 crontab 调度每 5 分钟运行 mtr -r -c 100 -w 8.8.8.8 保存结果到 /var/log/mtr/。
- 周期带宽测试：每天低峰用 iperf3 -c test-server -t 60 -P 4，或向提供商申请 iperf3 服务器检测双向吞吐。
- 保存与上报：保持历史数据至少 7 天以便比对，异常时自动上传到中心分析节点。

5.

故障快速定位标准流程（详尽步骤）

- 第一步：确认报警时间并拉取监控图（延迟/丢包/带宽）。
- 第二步：本地基础检测：ping -c 20 -s 1400 目标IP，mtr -r -c 100 目标IP，traceroute -n -T -p 80 目标IP；查看是否在某一跳出现丢包或跳数异常。
- 第三步：服务器侧检查：top/htop 查看 CPU/IO；ss -s 或 netstat -s 查看 TCP 重传；ethtool -S eth0 查看网卡错误；dmesg | tail 查内核异常。
- 第四步：抓包证据：tcpdump -i eth0 -w /tmp/cap.pcap host <目标IP> and port <端口>（注意抓包时长与文件大小），必要时使用 tcpdump -s 0 -nn -w。
- 第五步：路由与 BGP：查看路由表 ip route show、bgp 信息（若有路由器权限）或使用互联网 Looking Glass 检查 AS 路径变化。

6.

定位结论判定与隔离问题源

- 如果 mtr/traceroute 在某一中间跳点开始出现稳定丢包或延迟跳升，问题通常出在上游运营商或中间链路；
- 如果丢包/延迟在本机之前（如本机 NIC 错误、CPU 饱和、防火墙丢包），按服务器侧流程修复（修网卡驱动、调优内核参数或扩容 CPU/带宽）；
- 双向验证：在对端也跑 mtr/iperf，验证是单向还是双向问题，便于判定对端或中间链路问题。

7.

收集上报给提供商的最小信息模板

- 时间戳（UTC）与持续时长；MTR（完整输出）、traceroute（-n -T）、ping（-s 与报文大小）、iperf3 日志与速度曲线、tcpdump pcap（首尾各 30 秒）与服务器负载快照（top、dmesg、ethtool 输出）。
- 示例：请在工单中附上 mtr -r -c 100 目标IP 输出、traceroute -n -T 输出、/tmp/cap.pcap，说明影响范围（IP/端口/时间段）并请求提供商检查 CN2 光缆或边缘路由器 AS 路径。

8.

恢复与验证操作清单

- 若是服务器问题：重启网卡（ip link set dev eth0 down/up）、清 conntrack（conntrack -F）、重启服务；若内核队列或拥塞，调整 sysctl（例如 net.core.netdev_max_backlog、tcp_congestion_control）。
- 若是上游问题：请求提供商修复并验证（拿到修复时间后运行 mtr/iperf3 验证），同时将修复前后数据对比并归档以便 SLA 统计。

9.

问答1：如何判断是 CN2 线路本身问题还是服务器配置问题？

问：如何判断故障来源是 CN2 线路还是我方服务器配置？ 答：先做端到端测试：在 VPS 上运行 mtr/traceroute 指向公网目标，若在上游某跳（通常是 ISP 节点）出现丢包/延迟突增，且对端也能复现同样路径问题，倾向上游（CN2）问题；若丢包仅在本机前端出现（ethtool 显示 RX/TX error 或 CPU 占满导致重传），则是服务器配置或资源问题。

10.

问答2：我没有对端 iperf 服务器，如何验证带宽问题？

问：没有对端 iperf3 服务怎么办？ 答：可使用公共测速（speedtest-cli）或向提供商申请临时测试端点；也可以在国外或大陆的另一台 VPS 上运行 iperf3 -s 来做临时测试。结合 MTR 判断链路段落，若带宽在跨境点骤降，说明中间链路限速。

11.

问答3：上报给提供商时哪些信息最关键？

问：哪些数据是提供商最需要的以便快速定位？ 答：关键是时间窗口（精确到秒）、mtr/traceroute 原始输出、tcpdump pcap（能看到丢包或重传）、iperf3 测试结果以及本机网卡统计（ethtool 输出）和负载快照；这些能帮助运营方定位是链路、路由还是设备故障。

来源：台湾 vps 线路 cn2 性能监控指标与故障快速定位流程