F
Member
光模块出问题时，多数人的第一反应是登录交换机翻 DDM 页面。但如果机器是 Linux 主机、网卡是普通服务器网卡，或者你需要在脚本里批量采集，命令行工具链才是正解。这篇把常用的几个工具和它们的坑整理成一套可复用的采集脚本。
一、ethtool：最基础也最容易读错
ethtool eth0 看链路状态、速率、双工
ethtool -m eth0 读模块信息（需 root）
ethtool -m eth0 raw on 输出原始十六进制，配合 hexdump 看具体字节
关键字段解读：
Identifier 0x03 = SFP/SFP+，0x0d/0x11 = QSFP 系列
Vendor name / OUI 厂商标识，白名单校验就查这个
Laser output power 发射光功率，单位 mW 或 dBm（看驱动版本）
Receiver signal average optical power 接收光功率
Module temperature 模块壳温，不是环境温度
坑 1：单位不统一
不同内核版本、不同厂商驱动，ethtool 输出的单位可能是 mW 也可能是 dBm，
脚本里必须判断单位，否则会算出荒谬的值。
稳妥做法：用 raw 模式自己解析，绕过驱动的单位转换。
坑 2：部分驱动需要先打开 DDM
有些老驱动默认不读 A2h 页，需要 ethtool --set-priv-flags 或者
加载模块时给参数（比如 ixgbe 的 allow_unsupported_sfp=1）。
这类参数有风险，生产环境慎用。
二、i2c-tools：直接读 EEPROM，最可靠
SFP 模块在 I2C 上表现为两个设备地址：
0x50 = A0h 页（静态信息：厂商、型号、序列号、波长、距离）
0x51 = A2h 页（动态信息：温度、电压、偏置、光功率、告警阈值）
命令：
i2cdetect -l 列出所有 I2C 总线
i2cdetect -y <bus> 扫描该总线上的设备，找到 0x50/0x51
i2cdump -y <bus> 0x50 dump A0h 页全部 256 字节
i2cget -y <bus> 0x51 0x00 w 读温度（16 位，需处理符号）
温度解析：A2h 页 0x00-0x01 是 16 位有符号整数，单位 1/256 °C。
raw = 0x1A80 = 6784 → 6784/256 = 26.5 °C
负温度要按补码处理，Python 里用 struct.unpack('>h', ...) 最省事。
光功率解析：0x06-0x07（Tx）与 0x08-0x09（Rx），单位 0.1 μW。
raw = 0x0BB8 = 3000 → 300.0 μW = 10*log10(0.3) = -5.23 dBm
坑：不同封装的页结构不一样
QSFP/QSFP-DD 有多页结构，需要先写页选择寄存器（0x7F）再读，
直接 i2cdump 只能看到第 0 页。别拿 SFP 的解析器去解 QSFP。
三、devlink：新一代的统一下发接口
devlink port show
devlink port param show
部分驱动支持通过 devlink 读光模块信息，接口比 ethtool 稳定，
但目前覆盖不全，只能作为补充。
四、一个可复用的采集脚本思路
我们内部用 Python 写了一个采集器，逻辑是：
1. 遍历 /sys/class/net/ 下所有物理网口
2. 对每个网口执行 ethtool -m，失败则回退到 i2c 直读
3. 解析出：温度、Tx Power、Rx Power、Bias、厂商、型号、序列号
4. 计算告警位：对照 A2h 页的阈值（0x00-0x27），判断是否越限
5. 输出 JSON，推到时序数据库
关键设计：
一定要采集"阈值"，不只是"实时值"。
不同模块的告警门限不同，只采实时值无法判断是否越限。
一定要采集"误码计数"（rx_crc_errors、rx_missed_errors），
光功率正常但误码增长，说明是物理层脏，不是功率问题。
五、排查顺序（我们固化的 SOP）
1. ethtool eth0 —— 先确认链路是否 up，速率协商是否正确
2. ethtool -m eth0 —— 看温度、光功率是否在合理区间
3. ethtool -S eth0 | grep -E "err|drop|crc" —— 看误码与丢包计数
4. 对比对端 —— 一端的 Tx 对应另一端的 Rx，两端一起看才能判断是发端弱还是收端差
5. A/B 换线 —— 换跳线、换端口、换模块，每次只换一个变量
6. 光功率计实测 —— DDM 读数在高温段可能失真，实测为准
六、几个常见误判
误判 1：Rx Power 显示 -20 dBm 就认为模块坏了
先算链路预算。10 km 链路 + 4 个连接器，插损可能就 6 dB，
加上发射功率 -3 dBm，收到 -9 dBm 是正常的。-20 dBm 要查是不是跳线脏了。
误判 2：温度 70°C 就报警
工业级模块的壳温上限是 85°C，70°C 属于正常工作区间。
真正要看的是"温度与误码的相关性"，温度升高误码也升高，才是问题。
误判 3：FEC 纠正计数增长就换模块
FEC corrected 增长说明物理层有劣化，但还没到影响业务的程度。
正确做法是建立基线，看增长率。缓慢增长是老化，突增是污染或弯折。
—— 北亿纤通（F-tone Networks）光互联技术团队
技术资料：https://www.f-tone.com
一、ethtool：最基础也最容易读错
ethtool eth0 看链路状态、速率、双工
ethtool -m eth0 读模块信息（需 root）
ethtool -m eth0 raw on 输出原始十六进制，配合 hexdump 看具体字节
关键字段解读：
Identifier 0x03 = SFP/SFP+，0x0d/0x11 = QSFP 系列
Vendor name / OUI 厂商标识，白名单校验就查这个
Laser output power 发射光功率，单位 mW 或 dBm（看驱动版本）
Receiver signal average optical power 接收光功率
Module temperature 模块壳温，不是环境温度
坑 1：单位不统一
不同内核版本、不同厂商驱动，ethtool 输出的单位可能是 mW 也可能是 dBm，
脚本里必须判断单位，否则会算出荒谬的值。
稳妥做法：用 raw 模式自己解析，绕过驱动的单位转换。
坑 2：部分驱动需要先打开 DDM
有些老驱动默认不读 A2h 页，需要 ethtool --set-priv-flags 或者
加载模块时给参数（比如 ixgbe 的 allow_unsupported_sfp=1）。
这类参数有风险，生产环境慎用。
二、i2c-tools：直接读 EEPROM，最可靠
SFP 模块在 I2C 上表现为两个设备地址：
0x50 = A0h 页（静态信息：厂商、型号、序列号、波长、距离）
0x51 = A2h 页（动态信息：温度、电压、偏置、光功率、告警阈值）
命令：
i2cdetect -l 列出所有 I2C 总线
i2cdetect -y <bus> 扫描该总线上的设备，找到 0x50/0x51
i2cdump -y <bus> 0x50 dump A0h 页全部 256 字节
i2cget -y <bus> 0x51 0x00 w 读温度（16 位，需处理符号）
温度解析：A2h 页 0x00-0x01 是 16 位有符号整数，单位 1/256 °C。
raw = 0x1A80 = 6784 → 6784/256 = 26.5 °C
负温度要按补码处理，Python 里用 struct.unpack('>h', ...) 最省事。
光功率解析：0x06-0x07（Tx）与 0x08-0x09（Rx），单位 0.1 μW。
raw = 0x0BB8 = 3000 → 300.0 μW = 10*log10(0.3) = -5.23 dBm
坑：不同封装的页结构不一样
QSFP/QSFP-DD 有多页结构，需要先写页选择寄存器（0x7F）再读，
直接 i2cdump 只能看到第 0 页。别拿 SFP 的解析器去解 QSFP。
三、devlink：新一代的统一下发接口
devlink port show
devlink port param show
部分驱动支持通过 devlink 读光模块信息，接口比 ethtool 稳定，
但目前覆盖不全，只能作为补充。
四、一个可复用的采集脚本思路
我们内部用 Python 写了一个采集器，逻辑是：
1. 遍历 /sys/class/net/ 下所有物理网口
2. 对每个网口执行 ethtool -m，失败则回退到 i2c 直读
3. 解析出：温度、Tx Power、Rx Power、Bias、厂商、型号、序列号
4. 计算告警位：对照 A2h 页的阈值（0x00-0x27），判断是否越限
5. 输出 JSON，推到时序数据库
关键设计：
一定要采集"阈值"，不只是"实时值"。
不同模块的告警门限不同，只采实时值无法判断是否越限。
一定要采集"误码计数"（rx_crc_errors、rx_missed_errors），
光功率正常但误码增长，说明是物理层脏，不是功率问题。
五、排查顺序（我们固化的 SOP）
1. ethtool eth0 —— 先确认链路是否 up，速率协商是否正确
2. ethtool -m eth0 —— 看温度、光功率是否在合理区间
3. ethtool -S eth0 | grep -E "err|drop|crc" —— 看误码与丢包计数
4. 对比对端 —— 一端的 Tx 对应另一端的 Rx，两端一起看才能判断是发端弱还是收端差
5. A/B 换线 —— 换跳线、换端口、换模块，每次只换一个变量
6. 光功率计实测 —— DDM 读数在高温段可能失真，实测为准
六、几个常见误判
误判 1：Rx Power 显示 -20 dBm 就认为模块坏了
先算链路预算。10 km 链路 + 4 个连接器，插损可能就 6 dB，
加上发射功率 -3 dBm，收到 -9 dBm 是正常的。-20 dBm 要查是不是跳线脏了。
误判 2：温度 70°C 就报警
工业级模块的壳温上限是 85°C，70°C 属于正常工作区间。
真正要看的是"温度与误码的相关性"，温度升高误码也升高，才是问题。
误判 3：FEC 纠正计数增长就换模块
FEC corrected 增长说明物理层有劣化，但还没到影响业务的程度。
正确做法是建立基线，看增长率。缓慢增长是老化，突增是污染或弯折。
—— 北亿纤通（F-tone Networks）光互联技术团队
技术资料：https://www.f-tone.com