慢网络诊断

功能说明

支持提供参数面网络连通性检测，实时进行网络监测和异常上报，辅助故障分析和定界定位，提前预警网络故障和亚健康风险信息，保障集群网络的长期稳定运行。

当前仅支持与ClusterD和NodeD集成进行在线部署，请参见《MindCluster 集群调度用户指南》的“安装 > 安装部署”章节完成ClusterD和NodeD部署。

慢网络算法：对节点之间的网络拨测数据进行分析、检测，并输出网络诊断结果。
慢网络调度：把控探测任务启停，上报故障结果，调度慢网络整体流程。

使用示例

配置共享存储。
ClusterD和NodeD通过共享存储进行交互，两者的共享存储根路径需要保持一致。共享目录的根路径属主为9000用户，与ClusterD运行用户一致。
1. 配置server。
2. 修改NodeD配置。
3. 修改ClusterD配置。
4. 执行kubectl get pods -o -wide -A命令出现如下示例，则表示已完成共享存储配置。

开启故障检测开关。

登录环境，进入NodeD解压目录。
执行以下命令创建名为pingmesh-config的ConfigMap文件。pingmesh-config.yaml为pingmesh配置文件，可从NodeD安装包中获取。
```
kubectl apply -f pingmesh-config.yaml
```
回显示例如下：
```
configmap/pingmesh-config created
```

执行以下命令编辑pingmesh-config文件，该文件中各参数的填写说明如下表所示。

kubectl edit cm -n cluster-system   pingmesh-config

表1 pingmesh-config文件参数说明
参数	取值	说明
app	pingmesh	ConfigMap其中一个label的key。
global	-	集群配置信息。
"1"	超节点ID	超节点ID为1的配置示例，用户可根据实际情况进行修改或新增。当配置了某个超节点后，NodeD会采用超节点的配置信息而忽略global配置信息。
activate	on：开启 off：关闭	是否启用pingmesh功能。
task_interval	[1~60]	pingmesh任务间隔时间，单位为秒。

查看检测结果

网络检测的pingmesh结果将写入文件<nodename>.log中，该文件中各字段的详细说明如下表所示。

表2 <nodename>.log文件参数说明
参数	取值范围	说明
uid	长度为64的字符串。	本次pingmesh任务的ID。
config	字符串	本次pingmesh任务的用户配置。
physicID	[0~15]	NPU卡物理ID。
taskID	节点内部的任务：0 节点间的任务：1	任务ID。
DestNum	[0~47]	本次pingmesh目标地址数量。
source_addr	ipv4网络地址。	源地址。
target_addr	ipv4网络地址。	目标地址。
suc_pkt_num	-	发送成功的包数量。
fail_pkt_num	-	发送失败的包数量。
max_time	正常情况：非负值 ping失败：-1	最长响应时间。
min_time	正常情况：非负值 ping失败：-1	最短响应时间。
avg_time	正常情况：非负值 ping失败：-1	平均响应时间。
tp95_time	正常情况：非负值 ping失败：-1	处于95%位置时的响应时间。
reply_stat_num	-	本次查询到的响应数量。
ping_total_num	-	本次任务累计的响应数量。

查看gRPC上报结果

慢网络诊断到故障，会通过gRPC上报至ClusterD的公共故障管理中心。

ConfigMap文件会显示相关信息，5秒钟之后自动清除。

已支持的慢网络故障

故障码	故障说明	故障级别
200001010	某节点中产生/恢复慢网络。	NotHandleFault：暂不处理故障。
200001011	超节点内的节点间产生/恢复慢网络。	NotHandleFault：暂不处理故障。
200001012	未收敛到卡。	NotHandleFault：暂不处理故障。

父主题： 在线故障诊断