小编Dol*_*lyg的帖子

我们正在分析用于控制系统软件的 PTP，并使用 2 台个人计算机的小型设置来测量 PTP 时钟同步的准确性，其中一台作为主机，另一台作为从机。我们目前的设置非常粗糙，我们还没有特级大师。问题是我们的准确度数字（正如我们目前测量的那样，可能不正确）与 PTP 协议声称的标准数字不匹配，并且变化幅度为 10。

作为分析的一部分，我们正在尝试硬件和软件时间戳，并尝试衡量两者的准确性。

我们正在使用 ptp4l 和 ph2sys v1.8 工具。我们当前的准确度测量基于 ptp4l 进程报告的主从偏移。（ptp4l 还报告路径延迟，我们目前不使用这些数字。这些数字在精度测量中是否有任何意义？）

在硬件时间戳中，我们从主设备获得了 >1000 纳秒的偏移量，这远大于 PTP H/W 时间戳约 50 ns 的预期值。

对于软件时间戳，我们从主设备获得预期的偏移量 <100 ?s。

设置和执行的详细信息：

主控： Dell Latitude E6220（Intel 82579LM 千兆以太网控制器）- CentOS7

从机： Dell Latitude E6320（Intel 82579LM 千兆以太网控制器）- CentOS7

网络：速度为 1 GBPS 的以太网电缆

Ethtool 输出：

能力：

hardware-transmit     (SOF_TIMESTAMPING_TX_HARDWARE)

software-transmit     (SOF_TIMESTAMPING_TX_SOFTWARE)

hardware-receive      (SOF_TIMESTAMPING_RX_HARDWARE)

software-receive      (SOF_TIMESTAMPING_RX_SOFTWARE)

software-system-clock (SOF_TIMESTAMPING_SOFTWARE)

hardware-raw-clock    (SOF_TIMESTAMPING_RAW_HARDWARE)

PTP 硬件时钟：0

硬件传输时间戳模式：

off                   (HWTSTAMP_TX_OFF)

on                    (HWTSTAMP_TX_ON)

硬件接收过滤器模式：

none                  (HWTSTAMP_FILTER_NONE)

all                   (HWTSTAMP_FILTER_ALL)

ptpv1-l4-sync         (HWTSTAMP_FILTER_PTP_V1_L4_SYNC) …

我们正在使用RedisPubSubReactiveCommands并调用Lettuce 的subscribe和observeChannels方法。

如果发布者速度快而订阅者速度慢，则如何处理背压？\n由于发布者和订阅者在 Redis 中是独立的，因此无法减慢生产者的速度。鉴于这一事实，以下哪种理解是正确的？

\n

1. 数据是否会在应用程序端被丢弃（生菜会丢弃它），具体取决于 所OverflowStrategy采取的方式observeChannels？ \n如果是这种情况，则效率非常低，因为数据从 Redis 服务器一路传输到应用程序，从而产生不必要的网络流量。

\n

2. Lettuce是否向客户端的TCP层传递反压，那么应用程序\xe2\x80\x99不会收到任何东西，但TCP缓冲区将满。看看这个Github 提交，这似乎是实现。\n但我不明白的是，OverflowStrategy提供的内容做了什么？

\n

3. 是否将背压一路传递到Redis服务器，从而减少网络流量。在我看来，这是最有效的解决方案。\n我不\xe2\x80\x99不认为这是Redis/Lettuce的行为。不这样的原因可能是什么？

\n

任何人都可以帮助我们形成正确的理解吗？

我正在使用kafka-clients库来集成Kafka和Scala应用程序.并且发现很难理解,如何以及何时在经纪人和生产者/消费者之间建立TCP连接.

请核实我对以下几点的理解 -

(1)在初始化KafkaProducer实例时没有建立TCP连接.

val producer = new KafkaProducer[String, String](properties)

对于KafkaConsumer来说也是如此.

val consumer = new KafkaConsumer[String, String](properties)

(2)在向Broker生成记录时建立第一个TCP连接(Broker和Producer之间).

producer.send(record1)

(3)send()从同一个Producer到同一个Broker的后续调用将共享相同的TCP连接,而不管主题如何.

producer.send(record2)

(4)对于Consumer,在轮询主题(而不是订阅)时建立第一个TCP连接.

val records = consumer.poll(timeout)

(5)同一个消费者对同一个Broker的后续调用共享相同的连接.