eBPF网络排障深度对比：当tcpdump无法捕获加密流量时如何选型
在IPSec VPN隧道场景下，tcpdump只能看到ESP包，无法定位应用层延迟异常是加密开销还是网络丢包。本文从内核架构层面分析两者的能力边界，给出基于场景的决策框架，并附上性能开销实测数据与验证结论。
华为防火墙SIP ALG于NAT后的SIP头的爱恨情仇：一次从抓包到配置绕过的完整复盘
FreeSWITCH部署在华为防火墙后，公网对端能收到INVITE但ACK总丢，BYE之后通话还不释放。抓包一看，NAT已经改了Contact头，但Via和Record-Route里的IP却和实际出口对不上——防火墙的SIP ALG在改写时序和改写范围上各有一套自己逻辑，禁用它又怕影响对端NAT穿越。最后靠抓包定位ALG的改写盲区，手动在SIP配置里对齐NAT行为，解决问题。
为什么站点间VPN我更倾向GRE over IPSec：基于功能、场景和性能的全维度决策
不是GRE比IPSec更好，而是这个组合在大多数企业站点间互联场景下功能覆盖最完整。组播支持、动态路由、NAT穿越能力、性能开销——这几个维度一拉平，答案就很清楚了。
RTP语音流穿越NAT的深度排查：从STUN/TURN/ICE机制到媒体端口选择的完整定位链
FreeSWITCH对接传统PBX时，一方在NAT后出现单向通话或无声音。排查过程从STUN绑定响应入手，发现对端是对称型NAT导致的非对称路径拒绝。这篇文章复盘完整的排查链：SDP解析→ICE候选交换→STUN Binding→对称型NAT判定→TURN中继回退，重点剖析为什么最终选了TURN而不是其他方案。
LoRA多卡训练梯度累积失效：有效batch size远小于预期导致模型收敛异常
设了gradient_accumulation_steps=8，理论有效batch=32，结果每个step的loss降得像火箭一样快，还以为学习率太高。排查了两天才发现DeepSpeed的配置覆盖问题，实际有效batch只有1。
通话结束了，RTP流还在跑？一次对端网关缓冲区的排查实录
通话3分钟，录音文件10分钟。抓包一看，BYE都互发完了，RTP包还在往FreeSWITCH跑。问题不在FreeSWITCH，在运营商网关的发送缓冲。直接说怎么定位和验证。
vLLM推理OOM排查记：不是显存不够，是你没搞清楚max_length和batch_size的坑
70B模型配了4张80G卡，长文本一推就爆。查了一圈发现不是显存容量问题，是max_length设太大，kv cache按最坏情况预分配显存。上线前没做profiling，差点多花20万买卡。
LoRA微调时梯度消失导致训练无效：从日志异常到optimizer状态分析
loss明明在降，验证集指标却一动不动。查了半天发现只有少数几层LoRA权重在更新，其他层梯度几乎为零。这个坑花了我两天才定位清楚，分享下排查思路和具体操作。
LoRA微调实战：使用QLoRA在单卡GPU上微调70亿参数大模型
朋友想在单张4090上微调7B模型做客服，我一开始觉得不可能。按项目交付手册走，从业务场景、数据清洗到上线评估，踩了一堆坑，最后用QLoRA搞定了。这里分享下完整的交付过程和可运行的脚本。