先给一个排障判断交换机队列持续堆积时不要只在交换机上改阈值先确认是谁、以什么节奏把流量送进来。Spectrum-X的端网协同可以拆成两个观察面。交换侧关注端口利用率、队列深度、拥塞标记、路径分布和故障切换SuperNIC侧关注RoCE队列、发送速率、固件/驱动状态以及主机到网络的真实数据路径。现场建议按一次训练任务的时间线抓数据而不是分别截图。任务开始时记录各节点发流量的时间拥塞出现时对照交换机队列与端点计数任务结束后比较慢节点。这样更容易判断问题来自集中突发、路径热点还是主机侧配置差异。几个容易踩的坑只在空载时跑单流测速未覆盖集合通信PFC开启后就认为没有拥塞忽略暂停传播网卡型号相同但固件、驱动或PCIe/NUMA位置不同交换机和SuperNIC分别调优缺少统一版本与变更记录。真正的验收不是“端口UP、带宽能到”而是规模负载下训练通信稳定、热点可观察、故障后性能可恢复。