树莓派的HW CSum问题

起因

之前把办公室的树莓派换成了2代的B型版，配置完之后起初一直都比较顺畅，但是奇葩的是每次我到外地出差的时候就会连不回树莓派。每次回来检查都发现设备确实是莫名其妙卡死了，由于办公室最近闹老鼠，一开始怀疑是老鼠扰动影响了树莓派稳定，结果采取防鼠措施确认老鼠不影响之后，仍然会出现整个设备间歇性无响应的情况。随后将系统换回了树莓派自家的系统Raspbian，问题依旧……本来还以为是设备硬件问题准备放弃的，结果偶然发现/var/log目录下的message和kern.log中竟然充斥着大量如下的错误提示：

Nov  5 06:50:54 dtgs-pi kernel: [1179419.295601] eth0: hw csum failure
    Nov  5 06:50:54 dtgs-pi kernel: [1179419.295722] [<7f22f994>] (nf_conntrack_in [nf_conntrack]) from [<7f2732dc>] (ipv4_conntrack_in+0x28/0x2c [nf_conntrack_ipv4])
    Nov  5 06:50:54 dtgs-pi kernel: [1179419.295755] [<7f2732dc>] (ipv4_conntrack_in [nf_conntrack_ipv4]) from [<806cfe38>] (nf_hook_slow+0x4c/0xd0)
    Nov  5 06:50:54 dtgs-pi kernel: [1179419.295778] [<806cfe38>] (nf_hook_slow) from [<806d8750>] (ip_rcv+0x460/0x514)
    Nov  5 06:50:54 dtgs-pi kernel: [1179419.295799] [<806d8750>] (ip_rcv) from [<8068b784>] (__netif_receive_skb_core+0x2dc/0xc84)
    Nov  5 06:50:54 dtgs-pi kernel: [1179419.295822] [<8068b784>] (__netif_receive_skb_core) from [<8068e380>] (__netif_receive_skb+0x20/0x7c)
    Nov  5 06:50:54 dtgs-pi kernel: [1179419.295843] [<8068e380>] (__netif_receive_skb) from [<8068e474>] (process_backlog+0x98/0x148)
    Nov  5 06:50:54 dtgs-pi kernel: [1179419.295863] [<8068e474>] (process_backlog) from [<8069278c>] (net_rx_action+0x2e8/0x45c)
    Nov  5 06:50:54 dtgs-pi kernel: [1179419.295882] [<8069278c>] (net_rx_action) from [<80101694>] (__do_softirq+0x18c/0x3d8)
    Nov  5 06:50:54 dtgs-pi kernel: [1179419.295902] [<80101694>] (__do_softirq) from [<80123870>] (irq_exit+0x108/0x164)
    Nov  5 06:50:54 dtgs-pi kernel: [1179419.295923] [<80123870>] (irq_exit) from [<80175984>] (__handle_domain_irq+0x70/0xc4)
    Nov  5 06:50:54 dtgs-pi kernel: [1179419.295944] [<80175984>] (__handle_domain_irq) from [<80101504>] (bcm2836_arm_irqchip_handle_irq+0xa8/0xac)
    Nov  5 06:50:54 dtgs-pi kernel: [1179419.295962] [<80101504>] (bcm2836_arm_irqchip_handle_irq) from [<807a3abc>] (__irq_svc+0x5c/0x7c)
    Nov  5 06:50:54 dtgs-pi kernel: [1179419.295971] Exception stack(0x80c01ef0 to 0x80c01f38)

在 raspberrypi 官方的 一个issues 中找到类似的 hw csum failure 问题，这是由于有线网卡接口部分的 HW CSum 错误导致内核在不断地在日志打 Stack trace ，看来设备停止响应有很大概率跟这个问题相关。

解决方案

就目前的情况分析，这应该是硬件驱动程序的问题，要彻底解决只能依靠官方的补丁。我当前升级到最新的 kernel (4.14.71)和pakeage问题依旧。临时的解决方案只能先通过ethtool关闭所有offload功能了：

I. 单次关闭

安装好ethtool之后，使用命令关闭offload功能：

ethtool --offload eth0 rx off tx off

II. 永久关闭

编辑/etc/network/interfaces.d/eth0 ，添加下列内容：（其中eth0为网络接口名称）

allow-hotplug eth0
    iface eth0 inet dhcp
        offload-rx off
        offload-tx off

关于HW CSum

“HW CSum”全称为“Hardware Checksum Offloading”，即将报文的ip，tcp， udp校验和的计算交给网卡芯片，从而达到降低 CPU 占用的目的。

顺便再补充一下TSO (TCP Segmentation Offload) ，这是利用网卡芯片替代CPU对大数据包进行分片，降低CPU负载的技术。如果数据包的类型只能是TCP，则被称之为TSO，硬件功能需要网卡提供支持。TSO 是使得网络协议栈能够将大块 buffer 推送至网卡，然后网卡执行分片工作，这样减轻了CPU的负荷，其本质实际是延缓分片。这种技术在 Linux 中被叫做GSO(Generic Segmentation Offload)，它不需要硬件的支持分片就可使用。对于支持TSO功能的硬件，则先经过GSO功能处理，然后使用网卡的硬件分片能力进行分片。