对 Elastic Network Adapter (ENA) 进行问题排查 - Amazon Elastic Compute Cloud
对连接问题进行故障排除保持活动机制注册表读取超时统计数据syslog 中的驱动程序错误日志次优配置通知
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅 中国的 Amazon Web Services 服务入门 (PDF)。

对 Elastic Network Adapter (ENA) 进行问题排查

Elastic Network Adapter (ENA) 旨在改进操作系统运行状况和降低因意外硬件行为或故障而导致长期中断的几率。ENA 架构保持设备或驱动程序故障对系统尽可能透明。本主题提供了关于 ENA 的故障排除信息。

如果您不能连接到实例，请先从对连接问题进行故障排除部分开始。

如果您在迁移到第六代实例类型后遇到性能下降，请参阅 Amazon 知识中心的文章：What do I need to do before migrating my EC2 instance to a sixth generation instance to make sure that I get maximum network performance?（在将 EC2 实例迁移到第六代实例之前，我需要采取哪些措施来确保自己获得最大的网络性能？）。

如果您能连接到实例，则可以使用本主题后面部分中涵盖的故障检测和恢复机制收集诊断信息。

对连接问题进行故障排除

如果您在启用增强联网时丢失连接，则 ena 模块可能与您的实例当前运行的内核不兼容。如果您为特定内核版本安装该模块（不使用 dkms，或使用配置错误的 dkms.conf 文件），然后更新您的实例内核，则会发生这种情况。如果在启动时加载的实例内核未正确安装 ena 模块，则您的实例将无法识别网络适配器，并且您的实例将变得无法访问。

如果您为 PV 实例或 AMI 启用增强联网，这也会使您的实例无法访问。

如果在启用 ENA 增强联网后您的实例变得无法访问，可以为您的实例禁用 enaSupport 属性，这将回退到库存网络适配器。

禁用 ENA 增强联网 (EBS 支持的实例)

  1. 使用 Amazon EC2 控制台或以下任一命令从您的本地计算机停止实例：stop-instances (Amazon CLI)、Stop-EC2Instance (Amazon Tools for Windows PowerShell)。如果您的实例由 Amazon OpsWorks 管理，则应在 Amazon OpsWorks 控制台中停止该实例，以便使实例状态保持同步。

    重要

    如果您使用的是实例存储支持的实例，则不能停止实例，而应继续禁用 ENA 增强联网 (实例存储支持的实例)。

  2. 从本地计算机中，使用以下命令禁用增强联网属性。

  3. 使用 Amazon EC2 控制台或以下任一命令从您的本地计算机启动实例：start-instances (Amazon CLI)、Start-EC2Instance (Amazon Tools for Windows PowerShell)。如果您的实例由 Amazon OpsWorks 管理，则应在 Amazon OpsWorks 控制台中启动该实例，以便使实例状态保持同步。

  4. (可选) 连接到您的实例，并按照ena中的步骤尝试重新安装具有当前内核版本的 在 Linux 实例上启用 Elastic Network Adapter (ENA) 增强联网 模块。

禁用 ENA 增强联网 (实例存储支持的实例)

如果您的实例是实例存储支持的实例，则创建新的 AMI，如创建由实例存储支持的 Linux AMI 中所述。在注册 AMI 时，请确保禁用增强联网 enaSupport 属性。

  • register-image (Amazon CLI)

    $ aws ec2 register-image --no-ena-support ...

  • Register-EC2Image (Amazon Tools for Windows PowerShell)

    C:\> Register-EC2Image -EnaSupport $false ...

保持活动机制

ENA 设备按固定速度 (通常每秒一次) 发布保持活动事件。ENA 驱动程序实施一种监视机制，用于检查是否存在这些保持活动消息。如果存在一条或多条消息，则重新启动监视，否则此驱动程序将认为设备出现故障，然后执行以下操作：

  • 将当前统计数据转储到 syslog

  • 重置 ENA 设备

  • 重置 ENA 驱动程序状态

上述重置过程可能会在短时间内导致一些流量丢失 (TCP 连接应该能恢复)，但应该不会影响到用户。

例如，如果 ENA 设备在加载无法恢复的配置后进入未知状态，ENA 设备也可能会间接请求设备重置过程，而不发送保持活动通知。

下面是重置过程示例：

[18509.800135] ena 0000:00:07.0 eth1: Keep alive watchdog timeout. // The watchdog process initiates a reset
[18509.815244] ena 0000:00:07.0 eth1: Trigger reset is on		
[18509.825589] ena 0000:00:07.0 eth1: tx_timeout: 0 // The driver logs the current statistics
[18509.834253] ena 0000:00:07.0 eth1: io_suspend: 0
[18509.842674] ena 0000:00:07.0 eth1: io_resume: 0
[18509.850275] ena 0000:00:07.0 eth1: wd_expired: 1
[18509.857855] ena 0000:00:07.0 eth1: interface_up: 1
[18509.865415] ena 0000:00:07.0 eth1: interface_down: 0
[18509.873468] ena 0000:00:07.0 eth1: admin_q_pause: 0
[18509.881075] ena 0000:00:07.0 eth1: queue_0_tx_cnt: 0
[18509.888629] ena 0000:00:07.0 eth1: queue_0_tx_bytes: 0
[18509.895286] ena 0000:00:07.0 eth1: queue_0_tx_queue_stop: 0
.......
........
[18511.280972] ena 0000:00:07.0 eth1: free uncompleted tx skb qid 3 idx 0x7 // At the end of the down process, the driver discards incomplete packets.
[18511.420112] [ENA_COM: ena_com_validate_version] ena device version: 0.10 //The driver begins its up process
[18511.420119] [ENA_COM: ena_com_validate_version] ena controller version: 0.0.1 implementation version 1
[18511.420127] [ENA_COM: ena_com_admin_init] ena_defs : Version:[b9692e8] Build date [Wed Apr  6 09:54:21 IDT 2016]
[18512.252108] ena 0000:00:07.0: Device watchdog is Enabled
[18512.674877] ena 0000:00:07.0: irq 46 for MSI/MSI-X
[18512.674933] ena 0000:00:07.0: irq 47 for MSI/MSI-X
[18512.674990] ena 0000:00:07.0: irq 48 for MSI/MSI-X
[18512.675037] ena 0000:00:07.0: irq 49 for MSI/MSI-X
[18512.675085] ena 0000:00:07.0: irq 50 for MSI/MSI-X
[18512.675141] ena 0000:00:07.0: irq 51 for MSI/MSI-X
[18512.675188] ena 0000:00:07.0: irq 52 for MSI/MSI-X
[18512.675233] ena 0000:00:07.0: irq 53 for MSI/MSI-X
[18512.675279] ena 0000:00:07.0: irq 54 for MSI/MSI-X
[18512.772641] [ENA_COM: ena_com_set_hash_function] Feature 10 isn't supported
[18512.772647] [ENA_COM: ena_com_set_hash_ctrl] Feature 18 isn't supported
[18512.775945] ena 0000:00:07.0: Device reset completed successfully // The reset process is complete

注册表读取超时

ENA 架构建议使用有限的内存映射的 I/O (MMIO) 读取操作。ENA 设备驱动程序仅在其初始化过程中访问 MMIO 注册表。

如果驱动程序日志（在 dmesg 输出中可用）指示读取操作失败，这可能是由驱动程序不兼容或编译错误、硬件设备繁忙或硬件故障所导致的。

指示读取操作失败的间歇性日志条目不应视为问题；在这种情况下，驱动程序将重试读取操作。但是，一系列包含读取失败的日志条目则指示驱动程序或硬件问题。

下面是指示读取操作因超时而失败的驱动程序日志条目示例：

[ 47.113698] [ENA_COM: ena_com_reg_bar_read32] reading reg failed for timeout. expected: req id[1] offset[88] actual: req id[57006] offset[0] 
[ 47.333715] [ENA_COM: ena_com_reg_bar_read32] reading reg failed for timeout. expected: req id[2] offset[8] actual: req id[57007] offset[0] 
[ 47.346221] [ENA_COM: ena_com_dev_reset] Reg read32 timeout occurred

统计数据

如果您遇到网络性能差或延迟问题，您应该检索设备统计数据并检查这些数据。可以使用 ethtool 获取这些统计数据，如下所示：

[ec2-user ~]$ ethtool –S ethN
NIC statistics:
    tx_timeout: 0
    suspend: 0
    resume: 0
    wd_expired: 0
    interface_up: 1
    interface_down: 0
    admin_q_pause: 0
    bw_in_allowance_exceeded: 0
    bw_out_allowance_exceeded: 0
    pps_allowance_exceeded: 0
    conntrack_allowance_available: 450878
    conntrack_allowance_exceeded: 0
    linklocal_allowance_exceeded: 0
    queue_0_tx_cnt: 4329
    queue_0_tx_bytes: 1075749
    queue_0_tx_queue_stop: 0
    ...

命令输出参数如下所述：

tx_timeout: N

Netdev 监视的激活次数。

suspend: N

驱动程序执行挂起操作的次数。

resume: N

驱动程序执行恢复操作的次数。

wd_expired: N

驱动程序在过去的 3 秒内未收到保持活动事件的次数。

interface_up: N

ENA 接口启动的次数。

interface_down: N

ENA 接口关闭的次数。

admin_q_pause: N

在运行状态下找不到管理员队列的次数。

bw_in_allowance_exceeded: N

因入站聚合带宽超过实例的最大值而排队或丢弃的数据包的数量。

bw_out_allowance_exceeded: N

因出站聚合带宽超过实例的最大值而排队或丢弃的数据包的数量。

pps_allowance_exceeded: N

因双向 PPS 超过实例的最大值而排队或丢弃的数据包的数量。

conntrack_allowance_available: N

在达到该实例类型的跟踪连接限额之前，实例可以建立的跟踪连接数。仅适用于基于 Nitro 的实例。FreeBSD 实例或 DPDK 环境不支持。

conntrack_allowance_exceeded: N

由于连接跟踪超过实例的最大值且无法建立新连接而丢弃的数据包的数量。这可能会导致进出实例的流量丢失数据包。

linklocal_allowance_exceeded: N

由于到本地代理服务的流量的 PPS 超出网络接口的最大值而丢弃的数据包数量。这会影响流向 DNS 服务、实例元数据服务和 Amazon Time Sync Service 的流量。

queue_N_tx_cnt: N

为此队列传输的数据包数。

queue_N_tx_bytes: N

为此队列传输的字节数。

queue_N_tx_queue_stop: N

队列 N 已满并停止的次数。

queue_N_tx_queue_wakeup: N

队列 N 在停止后恢复的次数。

queue_N_tx_dma_mapping_err: N

直接内存访问错误计数。如果此值不为 0，则表示系统资源不足。

queue_N_tx_linearize: N

此对队列尝试 SKB 线性化处理的次数。

queue_N_tx_linearize_failed: N

此队列的 SKB 线性化处理失败的次数。

queue_N_tx_napi_comp: N

napi 处理程序为此队列调用 napi_complete 的次数。

queue_N_tx_tx_poll: N

为此队列 计划 napi 处理程序的次数。

queue_N_tx_doorbells: N

此队列的传输门铃数。

queue_N_tx_prepare_ctx_err: N

此队列的 ena_com_prepare_tx 失败的次数。

queue_N_tx_bad_req_id: N

此队列的 req_id 无效。有效的 req_id = 0 - queue_size - 1。

queue_N_tx_llq_buffer_copy: N

此队列的报头大小大于 llq 条目的数据包的数量。

queue_N_tx_missed_tx: N

此队列剩下未完成的数据包数。

queue_N_tx_unmask_interrupt: N

此队列的 tx 中断被揭开的次数。

queue_N_rx_cnt: N

为此队列接收的数据包数。

queue_N_rx_bytes: N

为此队列接收的字节数。

queue_N_rx_rx_copybreak_pkt: N

rx 队列收到小于此队列的 rx_copybreak 数据包大小的数据包的次数。

queue_N_rx_csum_good: N

rx 队列收到数据包的次数，其中检查校验和并且对此队列是正确的。

queue_N_rx_refil_partial: N

驱动程序未成功使用此队列的缓冲区重填空的 rx 队列部分的次数。如果此值不为零，则表示内存资源不足。

queue_N_rx_bad_csum: N

rx 队列具有此队列的错误校验和的次数（仅当支持 rx 校验和卸载时）。

queue_N_rx_page_alloc_fail: N

此队列的页分配失败的次数。如果此值不为零，则表示内存资源不足。

queue_N_rx_skb_alloc_fail: N

此队列的 SKB 分配失败的次数。如果此值不为零，则表示系统资源不足。

queue_N_rx_dma_mapping_err: N

直接内存访问错误计数。如果此值不为 0，则表示系统资源不足。

queue_N_rx_bad_desc_num: N

每个数据包使用的缓冲区太多。如果此值不为 0，则表示使用的缓冲区非常小。

queue_N_rx_bad_req_id: N

此队列的 req_id 无效。有效的 req_id 来自 [0, queue_size-1]。

queue_N_rx_empty_rx_ring: N

此队列的 rx 队列为空的次数。

queue_N_rx_csum_unchecked: N

rx 队列收到未检查此队列校验和的数据包的次数。

queue_N_rx_xdp_aborted: N

XDP 数据包被归类为 XDP_ABORT 的次数。

queue_N_rx_xdp_drop: N

XDP 数据包被归类为 XDP_DROP 的次数。

queue_N_rx_xdp_pass: N

XDP 数据包被归类为 XDP_PASS 的次数。

queue_N_rx_xdp_tx: N

XDP 数据包被归类为 XDP_TX 的次数。

queue_N_rx_xdp_invalid: N

数据包的 XDP 返回代码无效的次数。

queue_N_rx_xdp_redirect: N

XDP 数据包被归类为 XDP_REDIRECT 的次数。

queue_N_xdp_tx_cnt: N

为此队列传输的数据包数。

queue_N_xdp_tx_bytes: N

为此队列传输的字节数。

queue_N_xdp_tx_queue_stop: N

此队列已满并停止的次数。

queue_N_xdp_tx_queue_wakeup: N

此队列在停止后恢复的次数。

queue_N_xdp_tx_dma_mapping_err: N

直接内存访问错误计数。如果此值不为 0，则表示系统资源不足。

queue_N_xdp_tx_linearize: N

此队列尝试 XDP 缓冲区线性化的次数。

queue_N_xdp_tx_linearize_failed: N

此队列的 XDP 缓冲区线性化失败的次数。

queue_N_xdp_tx_napi_comp: N

为此队列调用 napi_complete 的 napi 处理程序的次数。

queue_N_xdp_tx_tx_poll: N

为此队列安排了 napi 处理程序的次数。

queue_N_xdp_tx_doorbells: N

此队列的传输门铃数。

queue_N_xdp_tx_prepare_ctx_err: N

此队列 ena_com_prepare_tx 失败的次数。此值应始终为零；否则，请查看驱动程序日志。

queue_N_xdp_tx_bad_req_id: N

此队列的 req_id 无效。有效的 req_id 来自 [0, queue_size-1]。

queue_N_xdp_tx_llq_buffer_copy: N

使用此队列的 llq 缓冲区副本复制了其标头的数据包的数量。

queue_N_xdp_tx_missed_tx: N

tx 队列条目错过此队列的完成超时的次数。

queue_N_xdp_tx_unmask_interrupt: N

此队列的 tx 中断被揭开的次数。

ena_admin_q_aborted_cmd: N

已中止的管理命令数。这通常发生在自动恢复过程中。

ena_admin_q_submitted_cmd: N

管理队列门铃数。

ena_admin_q_completed_cmd: N

管理队列完成数。

ena_admin_q_out_of_space: N

驱动程序尝试提交新管理命令但队列已满的次数。

ena_admin_q_no_completion: N

驱动程序未获得命令的管理完成的次数。

syslog 中的驱动程序错误日志

ENA 驱动程序会在系统启动期间将日志消息写入到 syslog 中。如果您遇到问题，则可以查看这些日志以检查错误。下面是 ENA 驱动程序在系统启动期间记录在 syslog 中的信息示例以及一些选择消息注释。

Jun  3 22:37:46 ip-172-31-2-186 kernel: [  478.416939] [ENA_COM: ena_com_validate_version] ena device version: 0.10
Jun  3 22:37:46 ip-172-31-2-186 kernel: [  478.420915] [ENA_COM: ena_com_validate_version] ena controller version: 0.0.1 implementation version 1
Jun  3 22:37:46 ip-172-31-2-186 kernel: [  479.256831] ena 0000:00:03.0: Device watchdog is Enabled
Jun  3 22:37:46 ip-172-31-2-186 kernel: [  479.672947] ena 0000:00:03.0: creating 8 io queues. queue size: 1024
Jun  3 22:37:46 ip-172-31-2-186 kernel: [  479.680885] [ENA_COM: ena_com_init_interrupt_moderation] Feature 20 isn't supported  // Interrupt moderation is not supported by the device
Jun  3 22:37:46 ip-172-31-2-186 kernel: [  479.691609] [ENA_COM: ena_com_get_feature_ex] Feature 10 isn't supported // RSS HASH function configuration is not supported by the device
Jun  3 22:37:46 ip-172-31-2-186 kernel: [  479.694583] [ENA_COM: ena_com_get_feature_ex] Feature 18 isn't supported //RSS HASH input source configuration is not supported by the device 
Jun  3 22:37:46 ip-172-31-2-186 kernel: [  479.697433] [ENA_COM: ena_com_set_host_attributes] Set host attribute isn't supported
Jun  3 22:37:46 ip-172-31-2-186 kernel: [  479.701064] ena 0000:00:03.0 (unnamed net_device) (uninitialized): Cannot set host attributes
Jun  3 22:37:46 ip-172-31-2-186 kernel: [  479.704917] ena 0000:00:03.0: Elastic Network Adapter (ENA) found at mem f3000000, mac addr 02:8a:3c:1e:13:b5 Queues 8
Jun  3 22:37:46 ip-172-31-2-186 kernel: [  480.805037] EXT4-fs (xvda1): re-mounted. Opts: (null)
Jun  3 22:37:46 ip-172-31-2-186 kernel: [  481.025842] NET: Registered protocol family 10
可以忽略哪些错误？

可以忽略以下可能出现在系统错误日志中的关于 Elastic Network Adapter 的警告：

Set host attribute isn't supported

此设备不支持主机属性。

failed to alloc buffer for rx queue

这是可恢复的错误，引发此错误时，表示可能存在内存压力问题。

Feature X isn't supported

Elastic Network Adapter 不支持引用的功能。X 的可能值包括：

  • 10：此设备不支持 RSS 哈希函数配置。

  • 12：此设备不支持 RSS 间接表配置。

  • 18：此设备不支持 RSS 哈希输入配置。

  • 20：此设备不支持中断裁决。

  • 27：Elastic Network Adapter 驱动程序不支持从 snmpd 轮询以太网功能。

Failed to config AENQ

Elastic Network Adapter 不支持 AENQ 配置。

Trying to set unsupported AENQ events

此错误表示尝试设置 Elastic Network Adapter 不支持的 AENQ 事件组。

次优配置通知

ENA 设备检测驱动程序中您可以更改的次优配置设置。设备将通知 ENA 驱动程序并将警告记录到控制台。以下示例显示警告消息的格式。

Sub-optimal configuration notification code: 1. Refer to Amazon ENA documentation for additional details and mitigation options.

以下列表显示通知代码详细信息以及对次优配置调查发现的建议操作。

  • 代码1：不建议使用宽 LLQ 配置的 ENA Express

    ENA Express ENI 配置为宽 LLQ。此配置为次优配置，可能会影响 ENA Express 的性能。建议您在使用 ENA Express ENI 时禁用宽 LLQ 设置，如下所示。

    sudo rmmod ena && sudo modprobe ena force_large_llq_header=0

    有关 ENA Express 最佳配置的更多信息，请参阅 在 Linux 实例上使用 ENA Express 提高网络性能。