DDS 发现与 QoS：先看见彼此，再谈匹配

1. 两层故障，修法完全不同

「偶发找不到话题」可能是参与者看不见彼此（discovery 层），也可能是看见了但 QoS 不兼容（匹配层）。前者改 Reliable/Best Effort 无意义；后者换网线也无意义。我在现场见过同一故障单里同时改 domain、网卡绑定和 QoS，事后完全无法归因。

分诊第一句：对方节点在不在 ros2 node list 里？本机最小 talker/listener 跨主机是否通？两个都否，别进 QoS 调试；两个都通但业务话题无数据，才看 ros2 topic info -v。

2. 发现层要锁定的变量

同一 ROS_DOMAIN_ID、正确的网卡/接口、ROS_LOCALHOST_ONLY、RMW 实现与版本——这四项构成环境契约，应和镜像一起发布，而不是每个人 shell 里各写一套。

多网卡未绑定时，DDS 可能选错口：本机 loopback 通、跨机全断。ROS_LOCALHOST_ONLY=1 误开会导致「笔记本上一切正常，上车全无」。容器网络对组播不友好时，优先改 network mode 或 host 模式，不要在业务节点里写死 peer IP——IP 写死后换机房就变成代码变更。

bash

export ROS_DOMAIN_ID=42
export RMW_IMPLEMENTATION=rmw_cyclonedds_cpp
export CYCLONEDDS_URI='<CycloneDDS><Domain><General><NetworkInterfaceAddress>eth0</NetworkInterfaceAddress></General></Domain></CycloneDDS>'

Fast-DDS 与 Cyclone 的 XML 配置路径不同，但思路一致：显式绑定参与 discovery 的接口。

3. 防火墙与组播

企业 Wi‑Fi 或 VLAN 常挡组播/UDP 7400 段。症状是 ros2 node list 只看见本机进程。先用有线固定路径复现，再谈无线优化——否则会把丢包调成算法问题。

需要跨网段时，DDS 支持 unicast peer 列表（vendor 文档里的 INITIAL_PEERS / Peers）。peer 列表是运维配置，不是应用常量；进版本管理的应是「哪张网、哪个 domain」，不是硬编码对端 IP。

4. QoS 匹配：看见不等于能传

discovery 成功后，ros2 topic info -v 显示 Offered vs Requested。Reliable 订阅者订 Best Effort 发布者，兼容矩阵判负，表现是无回调——连接数可能大于零，数据面却空。这类故障在 RViz 里常表现为「有 publisher 无图像」。

传感器流偏 Best Effort + KeepLast(小 depth)；状态/配置偏 Reliable + Transient Local。按数据类建剖面表，节点只许从表内选，避免每个 MR 随手改默认。

5. 现场最小证明链

跨主机先跑最小 talker/listener，再上业务图：

bash

# 机器 A
ros2 run demo_nodes_cpp talker
# 机器 B
ros2 run demo_nodes_cpp listener

ros2 doctor --report 收集 RMW、domain、网络接口信息。vendor 工具（如 Fast DDS fastdds discovery）看参与者列表。最小图不通时，禁止进入「调导航参数」阶段——那是浪费时间。

无线链路与有线混部时，discovery 延迟会放大「偶发看不见」。固定有线复现后再优化无线；不要把 jitter 当成「DDS 玄学」。

6. RMW 一致性与车队镜像

同一源码、两台机器 discovery 行为不同，常见原因是 RMW 实现或版本不一致。车队镜像应把 RMW_IMPLEMENTATION 变成只读配置；只升业务 deb 不锁 RMW，会在某一台上突然「全断」。

CI 冒烟至少验证：关键话题 publisher/subscriber 在同一 RMW 预设下兼容。混测 Fast-DDS 与 Cyclone 应显式标注，不要假设「ROS 2 都一样」。

7. 分诊顺序

环境/发现 → QoS → 权限（SROS2）→ 应用回调。跳步会把网络问题调成驱动玄学。SROS2 开启后 discovery 可能正常但数据面被策略拒绝——症状也像「无数据」，但 info -v 里会有权限相关提示。

一次只动一层：先让参与者互相看见，再谈匹配，再谈应用逻辑。每层动完留证据（命令输出截图或日志），故障单才可复现。

8. 验收

干净两机按契约文档五分钟内跑通最小 talker/listener。
故意错 ROS_DOMAIN_ID：应立即失败，日志可指认 domain 不一致。
QoS 不兼容时 ros2 topic info -v 可解释，而不是只靠「有时有数据」。
环境契约（domain / 网卡 / RMW）写入镜像或 launch 注释，新人不按文档也能复现。
容器部署改 network mode 后，discovery 恢复可重复验证。

Discovery 回答「谁在」；QoS 回答「能不能传」。两层分开查，比同时改十个变量有用一个数量级。