网络问题定位问题手段总结

简介: 引言 网络问题,不像系统或者数据库问题,仅仅凭借日志,很难定位到原因;没有相关证据,只有猜测性的结果,无法有效的推动第三方协助解决为了更好的定位问题,我们需要很多的工具以及方法进行获取证据。本文对常用的工具和方法做汇总。

引言

网络问题,不像系统或者数据库问题,仅仅凭借日志,很难定位到原因;没有相关证据,只有猜测性的结果,无法有效的推动第三方协助解决;为了更好的定位问题,我们需要很多的工具以及方法进行获取证据。本文对常用的工具和方法做汇总。

连通性&丢包问题

此类问题排查方法排查手段一般有:ping&mtr&traceroute等命令;最常用的方法参考下面内容

  1. ping 丢包或不通时链路测试说明

    ping命令的最佳实践是:
    ping www.aliyun.com | awk '{ print $0"\t" strftime("%Y-%m-%d %H:%M:%S",systime()) } '
    ping -DO www.aliyun.com

    image
    image

  2. 能 ping 通但端口不通时端口可用性探测说明
  3. 手机移动端网络路由跟踪探测方式
    -----iOS-iNetTools或者Android-网络万用表
  4. 网络异常时抓包操作说明

    1. Linux循环抓包命令参考
      其中相关的参数需要跟进实际情况调整。循环抓包参考如下,请注意磁盘大小;最大抓取50个包,每个包20M,共占用1G的空间,抓tcp协议的53端口的报文。

      tcpdump -iany tcp and port 53 -C 20 -W 50 -w /tmp/cap.pcap
    2. Windows循环抓包命令参考
      https://yq.aliyun.com/articles/72277
    3. 抓包时需要客户端与服务端共同抓包。
  5. TCPing测试
    工具可以在文末下载,命令参考(更多命令

    Mac:tcpping2-master xxx$ python tcpping2.py www.aliyun.com 80
    [2019-01-20 22:57:00,320] 10.65.148.173:51267, www.aliyun.com:80, conn_time: 0.034433
    [2019-01-20 22:57:02,342] 10.65.148.173:51269, www.aliyun.com:80, conn_time: 0.019742
目录
相关文章
|
机器学习/深度学习 传感器 编解码
首篇!BEV-Locator:多目端到端视觉语义定位网络(清华&轻舟智航)(下)
准确的定位能力是自动驾驶的基础。传统的视觉定位框架通过几何模型来解决语义地图匹配问题,几何模型依赖于复杂的参数调整,从而阻碍了大规模部署。本文提出了BEV定位器:一种使用多目相机图像的端到端视觉语义定位神经网络。具体地,视觉BEV(鸟瞰图)编码器提取多目图像并将其展平到BEV空间中。而语义地图特征在结构上嵌入为地图查询序列。然后,cross-model transformer将BEV特征和语义图查询关联起来。通过交叉注意力模块递归地查询自车的定位信息。最后,可以通过解码transformer输出来推断自车位姿。论文在大规模nuScenes和Qcraft数据集中评估了所提出的方法。
首篇!BEV-Locator:多目端到端视觉语义定位网络(清华&轻舟智航)(下)
|
2月前
|
安全 网络协议 网络安全
探索网络定位与连接:域名和端口的关键角色
探索网络定位与连接:域名和端口的关键角色
44 0
|
7月前
|
监控 网络协议 Linux
使用 KubeSkoop exporter 监测和定位容器网络抖动问题
使用 KubeSkoop exporter 监测和定位容器网络抖动问题
57766 26
使用 KubeSkoop exporter 监测和定位容器网络抖动问题
|
8月前
|
运维 Prometheus Kubernetes
直播预告丨如何使用 KubeSkoop exporter 监测和定位容器网络抖动问题
直播预告丨如何使用 KubeSkoop exporter 监测和定位容器网络抖动问题
|
机器学习/深度学习 存储 编解码
首篇!BEV-Locator:多目端到端视觉语义定位网络(清华&轻舟智航)(上)
准确的定位能力是自动驾驶的基础。传统的视觉定位框架通过几何模型来解决语义地图匹配问题,几何模型依赖于复杂的参数调整,从而阻碍了大规模部署。本文提出了BEV定位器:一种使用多目相机图像的端到端视觉语义定位神经网络。具体地,视觉BEV(鸟瞰图)编码器提取多目图像并将其展平到BEV空间中。而语义地图特征在结构上嵌入为地图查询序列。然后,cross-model transformer将BEV特征和语义图查询关联起来。通过交叉注意力模块递归地查询自车的定位信息。最后,可以通过解码transformer输出来推断自车位姿。论文在大规模nuScenes和Qcraft数据集中评估了所提出的方法。
首篇!BEV-Locator:多目端到端视觉语义定位网络(清华&轻舟智航)(上)
|
机器学习/深度学习 数据挖掘 定位技术
高德网络定位之“移动WiFi识别”
网络定位是通过客户端扫描到的WiFi和基站信息来进行定位的一种定位方式。网络定位能力是GNSS定位的有力补充,在GNSS无法定位或者定位较慢的时候,网络定位都可以快速给出位置。
11699 0
|
网络协议 安全 API
iOS14适配汇总:【1、隐私权限相关:定位、相册、IDFA 2、KVC相关3、UIView相关;4、网络相关】
iOS14适配汇总:【1、隐私权限相关:定位、相册、IDFA 2、KVC相关3、UIView相关;4、网络相关】
468 0
iOS14适配汇总:【1、隐私权限相关:定位、相册、IDFA 2、KVC相关3、UIView相关;4、网络相关】
|
机器学习/深度学习 算法 物联网
高德网络定位算法的演进
在过去的几年中,高德网络定位算法经历了从无监督算法向有监督算法的演进,从定位精度、定位能力透出等方面都有了显著的提升。
高德网络定位算法的演进
|
人工智能 自动驾驶 算法
预告 | 大咖Live X 星舆科技杜洪伟 : 为什么高精度定位网络是打造量产高精度地图的刚需?
打造量产的高精度地图,离不开高精度定位网络的支撑,尤其基于RTK的高精度绝对定位网络是刚需。
608 0