ZDNet至顶网软件频道消息:某大学校园网内部的数据中心最近一段时间通过流量监控设备发现流量比以前高很多,校内及校外均有人反映访问数据中心服务器的速度比较慢。根据用户介绍前段时间在数据中心与校园网核心交换机之间部署了一台流量分流设备,用于IDS及其他安全设备采集网络数据。用户怀疑是该设备问题导致的异常,但并没有有力的证据。
根据故障现象我们在用户网络中部署了科来回溯分析系统,分别镜像流量异常的两端(校园网核心交换、数据中心汇聚交换机)的流量进行数据包级分析。
校园网核心交换采集数据分析
在校园网核心交换处通过科来回溯分析系统采集的数据包,我们通过TCP会话视图可以看到从数据中心发过来的数据包的TCP序列号两两重复,而且间隔时间非常短,从核心交换发往数据中心的数据包则没有出现这种情况。这一现象可以排除TCP重传的可能性,因为超时重传需要等待两倍RTT延时,发送方不可能如此短的时间间隔重传数据包。
通过数据包IP Identification字段的比对,我们可以看到数据中心发到核心交换的数据包的IP Identification字段的值会重复两次,如下图所示。
IP Identification字段是鉴别IP报文是否重复的重要指标,发送方短时间不会构造两个IP Identification字段相同的报文,因此我们可以断定这些报文是在到达校园网核心交换这段链路上被中间设备额外复制了一份。
初步怀疑有以下几种可能:
由于数据中心原本流量就比较高,数据包被重复发送导致了链路流量过高出现了拥塞。要准确定位原因需要在数据中心汇聚交换机采集出口链路的流量才能够进一步判断问题点。
数据中心出口采集数据分析
在数据中心出口采集到的数据包,其现象与核心交换处的现象正好相反:从核心发过来的数据包会重复两次,发往核心的数据包没有重复。
由于在数据中心并未看到数据中心发出的报文有重复现象,而在核心交换也未看到核心发往数据中心的报文重复,我们可以排除数据中心内部网络设备和核心交换机镜像异常的可能性。
通过数据比对,我们可以看到单一的数据包在经过流量分流设备到达另外一端后就会出现重复一次的现象,可以判断很可能是流量分流设备导致的问题。
用户将这一信息告知流量分流设备厂商后,厂商技术人员经过仔细核查确认配置存在错误,进行了调整后网络回复正常。
好文章,需要你的鼓励
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
微软研究院发布突破性多语言AI技术UPDESH,通过"自下而上"数据生成策略,让AI真正理解不同文化背景下的语言表达。该技术基于各语言维基百科内容生成950万个训练数据点,覆盖13种印度语言,显著提升低资源语言AI性能,为构建文化敏感型AI系统提供新路径。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
NVIDIA团队提出RLBFF方法,将AI训练中的复杂评价转化为明确的二元判断标准,解决了传统人类反馈模糊和可验证奖励局限的问题。该方法在多个权威测试中取得突破性成果,其中JudgeBench获得第一名,训练的模型性能媲美知名商业模型但成本仅为其5%,为AI训练领域带来重要方法论创新。