在 AI 和高性能计算场景下，许多企业部署了基于 RoCEv2 的无损网络，却发现性能依然不达标，甚至出现网络抖动。问题的关键，往往在于未能正确理解和配置 PFC、ECN、DCQCN 这三大核心拥塞控制机制的协同工作。

要理解这三者的关系，可以把无损网络想象成一条高速公路。PFC 是“紧急刹车”，ECN 是“拥堵警示牌”，而 DCQCN 则是“智能交通调度中心”。只有三者协同作战，才能真正保障这条高速公路“零事故”（零丢包）且“高效率”（高吞吐、低延迟）。本文将清晰剖析这三者的作用、局限性以及它们如何协同工作，确保您的网络投资获得应有回报。

为什么需要无损网络：从 RDMA 的“零丢包”依赖说起

传统的以太网在设计上允许丢包，通过 TCP 协议的重传机制来保证数据可靠性。然而，这种“先丢包、再重传”的模式在高性能计算领域是不可接受的，尤其是在使用 RDMA（远程直接内存访问）技术时。

AI 训练、分布式存储等场景严重依赖 RDMA 实现高吞吐和超低延迟的数据传输。RDMA 的性能优势建立在一个前提之上：网络几乎不发生丢包。一旦发生丢包，RDMA 的性能会急剧下降，重传带来的延迟将抵消其所有优势。因此，我们需要一个能够从源头上预防丢包的网络环境，这就是无损网络。它的核心任务就是通过一套主动的拥塞管理机制，防止网络因拥塞而丢弃数据包，为 RDMA 的高效运行提供基础。

PFC：紧急刹车，防止缓冲区溢出导致丢包

PFC 的作用：基于优先级的流量暂停

PFC（Priority-based Flow Control）是一种工作在链路层的流量控制机制。可以将其理解为网络的“紧急刹车”。当交换机的接收缓冲区因为流量过大即将溢出时，它会立刻向上游设备（如另一台交换机或服务器网卡）发送一个 PAUSE 帧，请求其暂停发送特定优先级的流量。

PFC 的核心功能是作为防止丢包的第一道防线。它能够快速响应瞬时的网络微突发，通过短暂暂停流量，直接避免因缓冲区溢出而导致的丢包。这是实现无损网络的“基础保障”，确保了数据包不会在硬件层面丢失。

PFC 的局限性：PFC 风暴与治标不治本

尽管 PFC 效果直接，但它存在明显缺陷。核心问题在于，PFC 只能暂停流量，无法解决造成拥塞的根本原因——发送端速率过高。它是一种被动的“堵塞”式管理，治标不治本。

更严重的是，PFC 可能引发连锁反应。当一个端口的暂停信号向上游传递时，可能导致上游设备缓冲区也开始堆积，进而触发更多的 PAUSE 帧。这种拥塞蔓延的现象就是PFC风暴是什么这个问题的答案。PFC 风暴会迅速扩散，导致网络大面积拥塞，性能急剧下降，甚至出现死锁。因此，PFC 必须有更智能的机制协同工作，不能单独作为拥塞控制的唯一手段。

ECN 与 DCQCN：从被动告警到主动调速

ECN 的作用：拥塞的“警示牌”

为了从根源上解决问题，我们需要一种能主动通知拥塞的机制，这就是 ECN（Explicit Congestion Notification）。ECN 工作在 IP 层，它本身不控制流量，而是扮演“拥塞警示牌”的角色。

其工作流程如下：

1. 交换机持续监控队列深度。
2. 当队列深度超过预设的拥塞阈值时，交换机不会丢弃数据包，而是在数据包的 IP 头部打上一个“拥塞经历”（Congestion Experienced, CE）标记。
3. 数据包继续被转发至接收端。

ECN 的核心作用是传递拥塞信号，它告诉网络中的设备：“这条路开始堵了，请注意！”。这个信号是后续主动调速机制（如 DCQCN）采取行动的依据。

DCQCN 的作用：智能交通调度中心

DCQCN（Data Center Quantized Congestion Notification）是专门为RoCEv2 拥塞控制设计的核心协议，它扮演着“智能交通调度中心”的角色。

DCQCN 原理的核心是让发送端根据拥塞信号主动、量化地调整发送速率。当接收端收到带有 ECN 标记的数据包后，会向发送端回送一个拥塞通知包（CNP）。发送端收到这个通知后，便会主动降低发送速率。如果之后一段时间没有再收到拥塞通知，它会逐渐恢复速率。这种基于反馈的闭环控制，可以从源头上减少注入网络的流量，有效缓解持续性拥塞，从而实现“治本”，并确保多条数据流之间能够公平地共享网络带宽。

三者协同：无损网络拥塞控制的最佳实践

为什么 PFC、ECN 和 DCQCN 缺一不可？

PFC、ECN 和 DCQCN 并非相互替代，而是分工明确、缺一不可的协同关系。一个完整的拥塞控制流程如下：

• 应对瞬时微突发：当网络中出现短暂、剧烈的流量高峰时，PFC 会立即介入，发送 PAUSE 帧，以毫秒级的响应速度防止缓冲区溢出和丢包。
• 拥塞信号预警：如果拥塞并非瞬时，队列持续堆积，交换机便启动 ECN 机制，在数据包上打上拥塞标记，发出预警。
• 源头主动调速：DCQCN 机制根据接收端反馈的 ECN 信号介入，命令发送端主动降低发送速率，从根本上缓解网络压力。

PFC 提供的“紧急刹车”为 DCQCN 的“智能调速”争取了宝贵的反应时间，避免了在调速生效前发生丢包。这种“标本兼治”的组合，是当前构建高性能无损网络的最佳实践。

AI 时代的应用挑战与优化

在 AI 时代，网络性能直接决定了模型训练的效率。AI网络丢包问题，哪怕是极低概率的丢包，也可能导致计算任务中断和重算，造成巨大的时间与资源浪费。AI 训练中常见的大象流（Elephant Flow）极易导致 ECMP 负载不均，造成某些链路持续拥塞，这对拥塞控制机制的协同效率提出了极高要求。

面对这些挑战，单纯的协议部署已不足够，企业需要更专业的网络服务。精细化的参数调优、拥塞可视化分析以及智能 ECN 等技术，是提升 AI 集群网络性能的关键。像犀思云这样的 NaaS（网络即服务）服务商，能够提供专业的云网络基础设施和个性化解决方案，帮助企业构建和优化作为“AI时代企业网络数字底座”的无损网络，确保其在复杂应用场景下的稳定与高效。

常见问题解答（FAQ）

只用 PFC 不用 DCQCN 可以吗？

不推荐。只用 PFC 是一种被动的拥塞管理方式，只能暂停流量，无法从源头解决拥塞。在持续拥塞的场景下，极易引发 PFC 风暴，导致网络大面积性能下降甚至死锁。PFC 必须与 ECN、DCQCN 协同工作，才能在防止丢包的同时，保证网络的高效和稳定。

部署 DCQCN 需要哪些软硬件支持？

部署 DCQCN 需要端到端的软硬件支持，具体包括：

• 交换机：需要支持 ECN 功能，并能正确配置 ECN 的标记阈值。
• 网卡：终端设备（服务器）需要配备支持 RoCEv2 和 DCQCN 协议的智能网卡。
• 驱动与系统：需要在服务器上安装正确的网卡驱动程序，并在操作系统层面开启和配置 DCQCN 相关功能。

如何判断网络中是否发生了 PFC 风暴？

可以通过监控交换机端口的统计数据来判断。如果发现多个端口的 PFC PAUSE 帧计数持续、异常地增长，同时伴随着网络吞吐量显著下降和延迟增高，那么很可能发生了 PFC 风暴。使用专业的网络可观测性平台能够更直观、快速地发现和定位此类问题，并追溯其根源。

免费领取《AI原生网络：NaaS2.0演进与实践白皮书（2026）》

《AI原生网络：NaaS2.0演进与实践白皮书（2026）》基于一线实践与行业数据，系统梳理 AI 时代企业网络面临的结构性挑战，详解云原生网络底层重构逻辑、NaaS 2.0 三层架构范式、 AI 网关核心能力，覆盖大模型、具身智能、金融等六大行业落地路径，提供分阶段行动指南与选型框架。

把握18个月窗口期，让网络成为增长引擎。立即领取白皮书，释放网络价值。

获取方式：https://www.syscxp.com/scan-download-form?uuid=a43cd866bacc4ac9b1cacdca17c8aff0