什么是Warm Reboot？

为什么需要Warm Reboot？

业界大多网络故障来自于软件异常（BUG），软件异常可能触发设备重启，造成业务中断。

单设备软件异常采用传统重启方案影响较大，比如训练频繁中断，全网的训练回退到备份时间点，造成训练成果浪费。

Warm Reboot功能通过在设备重启过程中分别控制OS和转发芯片，保持转发芯片在OS重启过程中持续工作不复位，实现AI训练和推理任务不中断。

Warm Reboot与传统重启方案有何区别？

Warm Reboot有以下两种触发方式：

• 用户可以手动执行命令行触发Warm Reboot功能重启设备。
• 设备发生故障且符合Warm Reboot运行条件时，设备会自动触发Warm Reboot功能重启设备。

Warm Reboot与传统重启方案的区别：

• 传统方案：设备重启，转发中断120s+。
• Warm Reboot：设备闪启，闪启1.0转发中断<10s，闪启2.0转发中断<5s。

闪启2.0 VS 闪启1.0

闪启是一种在设备重启时保持网络业务连续的技术。闪启1.0（iFlashboot 1.0）将转发中断时间控制在10s内，保障AI训练业务不中断。为了满足AI推理业务对中断时间不超过7秒的要求，闪启技术持续迭代，推出闪启2.0（iFlashboot 2.0），将转发中断时间进一步缩短至5秒以内。该技术能够覆盖正常设备升级重启和90%软件异常重启场景，解决设备重启业务中断痛点，让AI训练、推理全程稳定运行。

在实现机制上，闪启2.0在控制面重启前秒级极速备份，在控制面重启时转发面持续运行。在闪启1.0基础上，深度优化表项下发技术，依托多维表项同步下发能力，配置恢复后主动极速刷新转发面，结束重启流程。

Warm Reboot是如何工作的？

根据Warm Reboot两种触发方式，工作方式有所区别：

1. 用户可以手动执行命令行触发Warm Reboot功能重启设备。

   主动重启需要通过重启前的预检查、预处理2个阶段的处理。

   重启前预检查的目的是检查当前系统是否能允许Warm Reboot；

   重启前预处理的目的是让系统在Warm Reboot前做必要的处理动作；

   预检查和预处理执行成功后，设备将以Warm Reboot方式进行重启。

2. 设备发生故障且符合Warm Reboot运行条件时，设备会自动触发Warm Reboot功能重启设备。

   被动重启时会先判断本次故障发生的原因，满足Warm Reboot重启要求时会触发Warm Reboot重启。

如何选择重启方式？

当系统出现严重故障，例如硬件故障等，传统重启方案可能是唯一的解决办法。

当系统出现轻微问题，例如部分服务异常等，可以尝试Warm Reboot来解决。同时因为Warm Reboot重启速度很快，当需要尽量减少系统中断时间的情况下，Warm Reboot是更优的选择。