解读 AsterNOS 热重启技术：控制面动态重构与数据面持续转发

在现代云数据中心网络及AI智算中心网络中，高可用性和业务连续性是衡量网络基础设施能力的核心指标。

传统的设备冷重启（Cold Reboot）方式在进行软件重载时，会导致交换机的控制平面与数据转发平面同时中断，这往往会引发协议邻居断开、路由重新收敛等一系列连锁影响，进而造成数分钟的流量中断，会对网络连续性要求较高的业务产生较大影响。

由此，热重启（Warm Reboot）技术应运而生。

什么是热重启？

区别于冷重启，热重启的目标是在尽量不影响数据平面的前提下，重启和升级软件，包括其中的每个独立进程/容器的热重启也属于该目标的范畴。

星融元 AsterNOS 对热重启的支持得益于 SONiC 架构所提供的控制平面与数据平面解耦、模块化和容器化设计。

与传统封闭式网络操作系统中架构不同，AsterNOS 软件进程与底层硬件状态并非高度耦合，而是将核心网络功能和系统服务以容器化、模块化方式运行，并通过 Redis 数据库对系统配置及各模块间的运行状态进行统一管理和交互。这为系统状态的持久化和快速恢复提供了基础。

热重启基本工作原理

AsterNOS 实现热重启的核心机制是：在交换机控制面软件重启过程中，持久化保存关键系统配置及运行状态，同时保持底层ASIC中已有的转发状态，使数据平面能够继续利用原有的硬件转发表项进行数据转发。

当控制面软件完成重启并恢复运行后，通过状态同步机制恢复对数据平面的正常管理，从而实现控制面快速恢复与业务连续性的兼顾。

网络应用程序与Orchagent：Orchagent是SONiC交换机状态服务 (SwSS) 容器内部的中央编排和转换引擎，每个应用程序及其对应的Orchagent子模块需要协同工作，以恢复原始数据并生成用热启动的增量数据。

Syncd：在重启之前，Syncd将ASIC_DB的数据转储出去。当 Syncd 容器热启动重新拉起后，将读取转储数据，从而在内存中重构出重启前的软件内部状态。Syncd 会接收来自 Orchagent 的变更数据，并在进行必要的转换后将其传递给 LibSAI/ASIC。

LibSAI/ASIC：ASIC芯片在软件重载期间须保持原有的硬件转发表项持续运行，确保数据平面的转发流量不中断。LibSAI 通过读取重启前保留的序列化文件，接管当前正在工作状态的 ASIC 芯片。

AsterNOS 的视图协调和匹配算法

为了让热重启后重构的“控制面状态”与未曾中断的“底层硬件状态”完美对接，星融元 AsterNOS 网络操作系统采用视图协调机制与匹配算法，避免对硬件进行破坏性的全量覆写，其主要步骤如下：

构建双视图

• 当前视图（Current View）：重启前已经下发到 ASIC，且在重启期间硬件正在使用的真实状态；
• 临时视图（Temporary View）：代表本次控制面热重启后，根据数据库重新计算并期望下发的目标状态。

快速匹配

• 算法优先提取那些在热重启期间不会发生改变的“交换机内部固定对象”（不变量，如物理端口、硬件队列、调度器等）作为锚点；
• 对比临时视图和当前视图中这类对象的 VID，如果 VID相同，它们对应的物理 RID 也必定一致，算法直接将其标为 MATCHED 状态，免除后续深度遍历，极大地降低算法开销。

深度过渡比对

• 算法以不变量为锚点，对于临时视图中的每个对象，向下递归比对。
• 对每个临时对象，在当前视图中查找一个最适合复用的对象。若未找到匹配项，则向硬件下发新增指令；若找到最佳匹配但其包含的属性不同，则下发差异更新指令；若找到精确匹配且属性一致，则直接复用，不产生任何底层写入。

陈旧表项清理

比对完成后，扫描当前视图中所有未被标记为MATCHED 且引用计数归零的对象，将其从硬件中安全移除。通过一致性绝对优先策略，确保控制面与数据平面状态达到一致。

典型应用场景

AI智算中心：保障大规模训练业务连续性

在构建千卡及万卡级别的 AI 分布式训练集群时，大模型训练周期通常长达数周甚至数月。在此期间，交换机系统的软件版本升级和漏洞修复是不可规避的运维行为。

如采用传统的整机冷重启，会导致集群内大范围的网络中断，直接打断正在运行的分布式计算任务，导致 GPU 算力闲置与资源浪费。

借助星融元 AsterNOS 的热重启技术，运维人员可以对交换机操作系统执行无缝的热升级。在系统热重启过程中，底层交换芯片保持转发，从而实现数据中心网络的热平滑维护，提升了算力集群的整体可用性。

云数据中心：实现关键业务平滑升级

在多租户的公有云和私有云数据中心中，网络承载着大量对丢包和时延高度敏感的关键业务，如在线金融交易、实时音视频、云存储数据同步等。

传统的交换机升级往往需要复杂的流量引避流程，若直接执行冷重启，会导致 Spine 或 Leaf节点出现长达数分钟的流量黑洞与业务中断。

借助热重启技术，网络运维团队能够在真实业务流量持续运转的“带流”状态下，对现网交换机执行平滑的在线软件升级。在控制面操作系统重载、路由协议（如BGP等）执行平滑重启与状态重建的过程中，底层硬件 ASIC 芯片基于重启前锁定并固化的转发表项，持续提供线速数据转发。

这种机制确保了云数据中心在进行网络版本迭代、新特性发布或紧急安全打补丁时，实现业务层面的“无感升级”与数据面平滑切换，使底层网络基础设施的演进对云端租户透明。