NIC 驅動程式／韌體問題 NIC hang / reset

原因 ID nic-reset · 主要負責 基礎設施團隊（伺服器基礎設施）

驅動程式 bug 或功能異常讓網路卡停住並重新啟動，這段期間所有收發都會中斷。

為什麼 驅動程式 bug、offload 功能異常 → 於是 NIC 停住後重新啟動（數秒） → 畫面上 那台伺服器上所有人的畫面一起停住，接著瞬移或斷線

症狀: 定格, 斷線
因素: 遺失
誰會遇到: 整個伺服器
何時: 偶爾隨機發生, 開越久越嚴重
負責單位: 主要負責 基礎設施團隊（伺服器基礎設施）
基礎設施團隊要做的事: 確認 kernel log 中的「transmit queue … timed out」、「Link is Down」紀錄並設定警示，更新驅動程式與韌體，關閉有問題的功能（offload 等）。
圖表上: 中斷後一次湧入 · 伺服器收發封包數
查看位置: 用 dmesg 在 kernel log 中找「NETDEV WATCHDOG … transmit queue N timed out」、驅動程式的重設，以及「Link is Down」、「Link is Up」紀錄，並查看該時間點伺服器的收發封包數
符合的跡象: 停住的時間點 kernel log 中有傳送佇列逾時或鏈路 down／up 紀錄，且那幾秒內收發封包數為 0
不符合的跡象: kernel log 很乾淨、交換器端的 port 也正常時，是遊戲伺服器處理程序的停頓（「伺服器 GC 全面暫停」、「死結」）或「網路設備容錯移轉（failover）」
確認方式: 用基礎設施工具確認（不需要遊戲程式碼）

出處

net/sched/sch_generic.c (Linux v6.12) Linux kernel
傳送佇列停住時，kernel 看門狗會留下「NETDEV WATCHDOG … transmit queue N timed out」，並呼叫驅動程式的重設函式
drivers/net/ethernet/intel/ixgbe/ixgbe_main.c (Linux v6.12) Linux kernel
ixgbe 驅動程式在傳送停住時重設介面卡，鏈路中斷時記錄「NIC Link is Down」
ethtool(8) — Linux manual page ethtool
用 ethtool -K 逐一關閉 offload 功能的選項