RDMA 可靠连接下的 RNR 参数调优：从重试机制到连接崩溃的致命陷阱

在 RDMA（Remote Direct Memory Access，远程直接内存访问）编程中，RC（Reliable Connection，可靠连接）模式是应用最广泛的传输类型之一。它保证了数据有序、无损地交付。然而，这个可靠性并非没有代价——RC 模式有一个鲜为人知但致命的弱点：错误的 RNR 参数配置，能在微秒级延迟抖动下，把一个正常的连接推向毁灭性的错误状态。

本文将深入解析 RNR 机制的完整行为链条，并给出生产环境中min_rnr_timer与rnr_retry两个关键参数的工程化选择策略。

一、RNR 机制：接收端“未就绪”时的友好重试

1.1 触发时机

RC 模式下，当发送端硬件发出一个 SEND 数据包，接收端硬件首先检查自己的接收队列中是否存在可用的 Recv WR（Work Request，工作请求）。如果队列为空，意味着应用程序尚未提前张贴好接收缓冲区，硬件无法安全地写入数据。此时，接收端硬件不会丢弃数据包，而是向发送端返回一个RNR NAK（Negative Acknowledgment，否定确认）。

这个 NAK 的语义是：“我能理解你的请求，但我现在没有地方放数据，请稍后重试。”

1.2 发送端的重试策略

发送端收到 RNR NAK 后不会立刻放弃，而是根据用户设置的两个参数执行重试：