晚上 7 点半，香港机房值班电话响了。华南高峰期刚起，平台观战房与匹配服掉线报警从 0.6% 蹿到 2.8%，客服群里玩家在刷“频繁重连”。我盯着 NOC 大屏：丢包抖动主要出现在回源（CN↔HK）段，但服务端重传与半开连接也异乎寻常。

我决定先稳住：开只读扩容、分流静态资源，随后直接进机房对几台关键的 Windows Server 2019 做“低时延取向”的内核与 Socket 优化。

环境与基线（上手前先摸清家底）

硬件/系统与网卡

• 机型：Supermicro 1U（类似 SYS-1029 系列），
• CPU：Intel Xeon Silver 4214R ×2（24C/48T，总主频 2.4GHz，睿频 3.5GHz）
• 内存：128 GB DDR4-2666
• 系统盘：双盘 NVMe（RAID1）
• 网卡：Intel X710-DA2（10GbE，单链路上行）
• OS：Windows Server 2019 Datacenter（1809 系列内核，打到近半年补丁）
• 业务：.NET Core 网关 + 长连接会话层（WebSocket/TCP 443），匹配服务（TCP 8443），房间心跳（UDP 20000-20100，少量）

基线指标（变更前 10 分钟滚动平均）

快照检查（保留状态，支持回滚）

# 全局 TCP 设置
netsh int tcp show global

# TCP 模板（Windows 2019 有“Internet”等模板）
Get-NetTCPSetting | ft SettingName,AutoTuningLevelLocal,ECNCapability,CongestionProvider,Timestamps

# 网卡队列与卸载能力
Get-NetAdapter | ft Name,Status,LinkSpeed
Get-NetAdapterRss | ft Name,Enabled,BaseProcessorNumber,MaxProcessors,Profile
Get-NetAdapterAdvancedProperty -Name "Ethernet 10G" | ft DisplayName,DisplayValue

变更策略与风险控制

• “先测后改，小步快跑”：按模块推进，每一步仅改 2~3 项参数，并记录指标。
• “能回滚就回滚”：每组命令都有反向操作；关键注册表变更先导出。
• “针对链路特性”：CN↔HK 长肥管道 + 偶发拥塞，目标是提升拥塞信号敏感度、加快死链检测、减少 TIME_WAIT 压力，同时把 CPU/网卡中断压在“可控低延迟区间”。

Step 1：电源与调度，把“系统级抖动”按住

切到高性能电源计划（减少 C-State 进出延迟）

# 开启“终极性能”并切换（Server 2019 可用）
powercfg -duplicatescheme e9a42b02-d5df-448d-aa00-03f14749eb61
powercfg /S e9a42b02-d5df-448d-aa00-03f14749eb61

# 可选：把最小处理器状态拉到 100%
powercfg -setacvalueindex scheme_current sub_processor PROCTHROTTLEMIN 100
powercfg -setactive scheme_current

效果：CPU 睿频/降频抖动显著减少，线程调度稳定。

Step 2：网卡与队列（RSS/RSC/LSO），决定“每个包落哪颗核”

目标：让高并发短报文分摊到多个核心，避免单核中断打满；同时按“低时延优先”策略谨慎使用合并/分段卸载。

开启 RSS，固定亲和，贴近 NUMA

# 开启 RSS 并设置亲和
Enable-NetAdapterRss -Name "Ethernet 10G"
Set-NetAdapterRss -Name "Ethernet 10G" -BaseProcessorNumber 2 -MaxProcessors 8 -Profile Closest

RSC/LSO 策略

• RSC（接收段合并）：吞吐友好，但可能增加尾延迟。我们的实时业务以低延迟为先，禁用。
• LSO（大包分段卸载）：CPU 省事，但某些驱动版本在高 PPS 下引入 jitter。我们 保留 LSO，若尾延迟不降再禁用对比。

# 禁用 RSC
Set-NetAdapterRsc -Name "Ethernet 10G" -IPv4 Disabled -IPv6 Disabled

# 保留 LSO（若要禁用以对比）
# Disable-NetAdapterLso -Name "Ethernet 10G"

小结（阶段性观测）

• 单核中断峰值下降约 35%，队列更均衡。
• 95% RTT 有轻微改善（~300 ms）。

Step 3：TCP 栈“低时延取向”——拥塞控制、ECN、时间戳、窗口自调

目标：对拥塞更敏感（早知道早收敛），提升可观测性（时间戳），保证跨境链路的收发窗口自适应。

选择拥塞算法 + 打开 ECN + 开启时间戳 + 保持自适应窗口

# 以“Internet”模板为基础，直接调模板
Set-NetTCPSetting -SettingName Internet `
  -CongestionProvider CUBIC `
  -ECNCapability Enabled `
  -Timestamps Enabled `
  -AutoTuningLevelLocal Normal

说明：

• CUBIC：对高 BDP 链路更友好，收敛/恢复速度适配跨境场景。
• ECN：让队列溢出前通过标记反馈拥塞，减少硬丢包与重传。
• Timestamps：支持 PAWS/RTT 估计，更稳定。
• AutoTuning Normal：大多数中间盒可兼容；若遇到“窗口黑洞”，降到 Restricted。

验证

netsh int tcp show global
Get-NetTCPSetting -SettingName Internet | fl

Step 4：端口与 TIME_WAIT 压力管理（大规模短连接场景关键）

扩大动态端口区间（避免端口耗尽）

# TCP/UDP 动态端口范围
netsh int ipv4 set dynamicport tcp start=10000 num=55535
netsh int ipv4 set dynamicport udp start=10000 num=55535

降低 TIME_WAIT 保留时间（默认 120s → 30s）

谨慎：降太低会增加端口复用碰撞风险；30s 在我们业务里验证可行。

# 先备份注册表
reg export "HKLM\SYSTEM\CurrentControlSet\Services\Tcpip\Parameters" C:\reg_tcpip_bak.reg

# 设置 TcpTimedWaitDelay = 30（单位：秒）
New-ItemProperty -Path "HKLM:\SYSTEM\CurrentControlSet\Services\Tcpip\Parameters" `
 -Name "TcpTimedWaitDelay" -PropertyType DWord -Value 30 -Force

阶段效果

• TIME_WAIT 数量峰值从 120k 降至 ~45k。
• 某些反向代理进程端口回收更顺畅，SYN 拒绝明显下降。

Step 5：Keep-Alive 与死链探测（WebSocket 业务必须快准狠）

Windows 默认 Keep-Alive 2 小时太慢，长链业务要主动探测，服务端与客户端一致调快。

全局 Keep-Alive（系统级兜底）

# KeepAliveTime = 15000 ms（15s），KeepAliveInterval = 1000 ms（1s）
New-ItemProperty -Path "HKLM:\SYSTEM\CurrentControlSet\Services\Tcpip\Parameters" `
 -Name "KeepAliveTime" -PropertyType DWord -Value 15000 -Force
New-ItemProperty -Path "HKLM:\SYSTEM\CurrentControlSet\Services\Tcpip\Parameters" `
 -Name "KeepAliveInterval" -PropertyType DWord -Value 1000 -Force

应用层 Socket 选项（.NET Core 侧）

// 关键摘录：为长连接/实时推送的 Socket 明确低延迟取向
var socket = tcpClient.Client;
socket.NoDelay = true; // TCP_NODELAY，禁用 Nagle
socket.SetSocketOption(SocketOptionLevel.Socket, SocketOptionName.KeepAlive, true);

// Windows 下用 IOControl 精细化 KA 定时
// 结构：onoff, keepalivetime(ms), keepaliveinterval(ms)
var ka = new byte[12];
BitConverter.GetBytes(1).CopyTo(ka, 0);         // on
BitConverter.GetBytes(15_000).CopyTo(ka, 4);    // 15s
BitConverter.GetBytes(1_000).CopyTo(ka, 8);     // 1s
socket.IOControl(IOControlCode.KeepAliveValues, ka, null);

// 连接关闭策略：避免长时间 FIN_WAIT
socket.LingerState = new LingerOption(false, 0); // 立即 RST 关闭（按需使用）

注：RST 关闭会让对端立刻感知断链，减少半闭等待；但会丢未发送完的数据，请确保上层有幂等/重试。

Step 6：SYN/重传参数（更稳握手，更快失败）

# 降低 SYN 重试次数（默认 6），我们设为 4，避免“假死等太久”
New-ItemProperty -Path "HKLM:\SYSTEM\CurrentControlSet\Services\Tcpip\Parameters" `
 -Name "TcpMaxSynRetransmissions" -PropertyType DWord -Value 4 -Force

# 数据重传上限（默认 5），保持 5 或 6，视链路而定
New-ItemProperty -Path "HKLM:\SYSTEM\CurrentControlSet\Services\Tcpip\Parameters" `
 -Name "TcpMaxDataRetransmissions" -PropertyType DWord -Value 5 -Force

Step 7：MTU/PMTUD 与分片（跨境“黑洞”要小心）

默认 1500 MTU。跨境链路若遇到隧道/PPPoE，可能有效 MTU < 1500。

策略：保持 PMTUD 开启，若观测到 ICMP 受限导致“黑洞”，再在边界设备做 MSS Clamping。

# 显示并确保 pmtudiscovery 启用（一般默认启用）
netsh interface ipv4 show global
# 需要时固定某接口 MTU（示例）
# netsh interface ipv4 set subinterface "Ethernet 10G" mtu=1500 store=persistent

Step 8：内核诊断与压测回路（别拍脑袋，靠证据）

快速采样

# 网络连接失败与重传
Get-Counter "\TCPv4\Connection Failures","\\TCPv4\Segments Retransmitted/sec" -SampleInterval 5 -MaxSamples 12

# PktMon 抓包（Server 2019 可用）
pktmon filter add -d ipv4
pktmon start --etw -p 0

# 结束并导出
pktmon stop
pktmon etl2pcapng PktMon.etl -o PktMon.pcapng

端到端连通性/端口耗尽检测

Test-NetConnection -ComputerName gw.example.hk -Port 443
netstat -ano | findstr /c:"TIME_WAIT" | measure

吞吐/延迟对照（内网链路）

生产不建议长时间跑；用维护窗口做样本。

iperf3（Windows 版）可用来确认 RSS/RSC/LSO 对吞吐与尾延迟的影响。

阶段性结果（改完一轮后的 20 分钟）

我让值班同事继续观察 1 小时，再决定是否做第二轮（例如禁用 LSO 进一步榨延迟、或把 AutoTuning 调到 Restricted 以防某些链路黑洞）。

Step 9：策略二选一的对照试验（按需启/停）

A. 进一步压尾延迟（若观战仍卡顿）

# 禁用 LSO 试验
Disable-NetAdapterLso -Name "Ethernet 10G"
# 将 AutoTuning 调低，兼容老设备
Set-NetTCPSetting -SettingName Internet -AutoTuningLevelLocal Restricted

预期：尾延迟再降 5~10%，但 CPU 开销可能上浮 8~15%。

B. 回到吞吐优先（赛事回放/大房间推流）

# 保持 LSO，按需恢复 RSC
Set-NetAdapterRsc -Name "Ethernet 10G" -IPv4 Enabled -IPv6 Enabled
Set-NetTCPSetting -SettingName Internet -AutoTuningLevelLocal Normal

现场“坑点”与解法

X710 某版本驱动 + RSC 在高 PPS 下引入抖动

现象：p99 延迟忽高忽低，CPU 中断没上天但丢包上升。

解：禁用 RSC 后恢复稳定；后续在维护窗口升级驱动再复测。

TIME_WAIT 过多导致端口耗尽

现象：短时连接打满，SYN 被拒。

解：扩大动态端口区间 + 将 TcpTimedWaitDelay 降到 30s；对反向代理启用连接池。

某对端链路疑似 ICMP 限制导致 PMTUD 黑洞

现象：长时间握手卡住、重传率升高。

解：边界网关做 MSS clamping（TCP 端口 443/8443），应用层维持 TCP_NODELAY 与合理 SendBuffer。

应用层忘记开 Keep-Alive

现象：NAT/防火墙空闲回收，玩家感知“随机掉”。

解：系统全局 KA + 业务 Socket IOControl 精细化；双端一致。

安全软件实时扫描日志目录

现象：I/O 抖动影响处理线程，间接拉高延迟。

解：给日志目录加排除规则，I/O 热区与数据盘分离。

回滚与变更单（出问题 1 分钟内撤）

电源计划：powercfg /S SCHEME_BALANCED

RSS/RSC：

Disable-NetAdapterRss -Name "Ethernet 10G"
Set-NetAdapterRsc -Name "Ethernet 10G" -IPv4 Enabled -IPv6 Enabled

TCP 模板：

Set-NetTCPSetting -SettingName Internet -CongestionProvider Default `
  -ECNCapability Disabled -Timestamps Disabled -AutoTuningLevelLocal Normal

注册表：

reg import C:\reg_tcpip_bak.reg

动态端口/MTU：参照原值恢复。

最终成效（观察 24 小时的日报）
指标    高峰平均    非高峰平均
掉线率    0.42%    0.18%
TCP 重传率    0.6%    0.3%
p95 RTT    ~180 ms    ~140 ms
3 秒重连成功率    98.6%    99.1%

玩家舆情不再“刷屏”，赛事直播顺滑了。运维群里只剩零星的问题单。

附：我保留下来的“标准化操作清单”（SOP）

1. 变更前：netsh int tcp show global、Get-NetTCPSetting、Get-NetAdapter* 拍快照；reg export 备份。
2. 电源：切“终极性能”，锁最小处理器状态 100%。
3. 网卡：启用 RSS（设置 Base/Max/NUMA），禁 RSC，LSO 先保留。
4. TCP 模板：CUBIC + ECN + Timestamps + AutoTuning Normal。
5. 端口/TIME_WAIT：扩大动态端口区间，TcpTimedWaitDelay=30。
6. Keep-Alive：系统 15s/1s，业务 Socket 开 TCP_NODELAY 与 KA。
7. SYN/重传：TcpMaxSynRetransmissions=4，TcpMaxDataRetransmissions=5。
8. PMTUD/MTU：保持启用；必要时网关做 MSS Clamping。
9. 验证：PktMon/PerfMon 指标对照；必要时 LSO on/off、AutoTuning Normal/Restricted 做 A/B。
10. 回滚：一键导入注册表备份 + 恢复模板与网卡卸载能力。

凌晨两点，我端着机房自助咖啡，沿着冷风呼呼的走廊回到 NOC。大屏上那条掉线率曲线终于平稳贴着地面。

这些参数看似琐碎，背后是你对链路与业务形态的理解：跨境长肥管道、实时交互的尾延迟、NAT 与会话的寿命、以及内核如何响应拥塞信号。

做运维的浪漫，可能就是在最糟的时刻，用一组稳妥的系统级改动，让玩家“无感知地继续赢下那一局”。

参考取值与对照（便于拷贝到变更单）

如果你的平台 UDP 协议占比更高（纯实时对战），在网关上加上 DSCP 标记（内部网段有效）与 队列优先级 会很香；公网不可控就别强求。