高速光链路巡检建议分为身份、DOM、错误、事件和业务五层，并为每次采集保存设备、端口、模块序列号、固件和时间戳。
第一步读取模块身份与能力。确认PMD、lane数量、温度范围、告警阈值和数字诊断字段完整，避免把不同介质或不同lane结构的模块放在同一基线中比较。
第二步采集DOM。记录温度、电压、发射偏置、每lane Tx/Rx光功率。不要只判断是否越界，还要计算同角色端口的中位值与离群程度，观察单lane差异以及一段时间内的斜率。
第三步处理FEC和错误计数。先保存累计值并建立采样间隔，再按流量或时间计算增长速度。区分可纠正码字、不可纠正错误、CRC、丢包和链路重训练。不同平台字段含义可能不同，脚本需要先做口径映射。
第四步建立事件时间线。端口Down/Up、速率重协商、模块插拔、温度告警、低光功率告警与设备变更应统一记录。瞬时问题可能在人工查看时已经恢复，只有事件历史能还原过程。
第五步执行单变量排查。先清洁端面，再替换已知正常跳线、模块或端口，每次只改变一个因素。并行光链路要逐lane和逐分支检查，避免汇总状态掩盖局部问题。
第六步做负载回归。清零计数器，在固定消息大小、持续时间和流量条件下运行测试，同时采集DOM、FEC、吞吐与时延。若错误仅在温升或满端口条件下增加，应继续检查风道和功耗余量。
最后把健康结论写成版本化基线：适用设备、固件、模块、链路条件、正常分布和告警规则。扩容或升级后用同一脚本复测，才能发现性能是否真正发生变化。
自动化实现时，可以为每条链路生成稳定ID，由本端设备、端口、对端和光纤编号组成。模块更换后保留链路ID，同时更新模块序列，既能延续链路趋势，又能区分物料变化。
告警规则建议分三层：厂商规格越界为严重告警；接近边界或不可纠正错误为高优先级；同组离群和变化率异常作为预警。每条规则写清采样窗口、恢复条件和处置动作。
如果设备命令只给累计计数，采集端要处理重启、计数器回绕和手工清零。否则差分结果可能出现负值或巨大尖峰。压力回归结束后，把测试流量、持续时间和环境温度写入报告。