NICドライバー・ファームウェアの問題 NIC hang / reset

原因ID nic-reset · 主担当 インフラチーム・サーバーインフラ

ドライバーのバグや機能の誤動作でカードが止まり、再起動している間はすべての送受信が途切れます。

なぜドライバーのバグ、オフロード機能の誤動作 → すると NICが止まって再起動（数秒） → 画面では そのサーバーの全員が一緒にフリーズした後、ワープするか切断

症状: フリーズ, 切断
要因: パケットロス
誰に起きるか: サーバー全体
いつ: ときどきランダムに, 長時間稼働するほど
担当: 主担当 インフラチーム・サーバーインフラ
インフラチームの対応: カーネルログの「transmit queue … timed out」「Link is Down」の記録を確認・アラート、ドライバー・ファームウェアの更新、問題のある機能（オフロードなど）を無効化。
グラフでは: 途切れた後にまとめて到着 · サーバーの送受信パケット数
確認箇所: dmesgでカーネルログから「NETDEV WATCHDOG … transmit queue N timed out」、ドライバーのリセット、「Link is Down」「Link is Up」の記録を探し、その時刻のサーバーの送受信パケット数を確認
該当する場合: 止まった時刻のカーネルログに送信キューのタイムアウトやリンクのダウン・アップの記録があり、その数秒間は送受信パケット数が0
該当しない場合: カーネルログがきれいで、スイッチ側のポートも正常なら、ゲームサーバープロセスの停止（「サーバーGCの全停止」「デッドロック」）か「ネットワーク機器のフェイルオーバー」
確認手段: インフラのツールで確認（ゲームコード不要）

出典

net/sched/sch_generic.c (Linux v6.12) Linux kernel
送信キューが止まると、カーネルのウォッチドッグが「NETDEV WATCHDOG … transmit queue N timed out」を記録し、ドライバーのリセット関数を呼ぶ
drivers/net/ethernet/intel/ixgbe/ixgbe_main.c (Linux v6.12) Linux kernel
ixgbeドライバーが送信停止時にアダプターをリセットし、リンクが切れると「NIC Link is Down」を記録
ethtool(8) — Linux manual page ethtool
ethtool -Kでオフロード機能を1つずつ無効にするオプション