技术指南香港pccw原生ip路由优化与故障排查实操手册

1. 概述与目标

(1) 目的：针对香港 PCCW 原生 IP 环境进行路由优化与故障排查，降低时延并提升稳定性。
(2) 适用对象：IDC、云厂商、VPS 提供商、网络运维与SRE。
(3) 范围：BGP 路由、链路质量、VPS/主机调优、CDN 接入、DDoS 缓解。
(4) 关键指标：往返时延 RTT<20ms、丢包<0.1%、带宽利用率<80%峰值。
(5) 输出成果：优化报告、RIB/路由表建议、服务器内核参数与防护策略。
(6) 预期收益：用户体验提升、故障定位时间 MTTR 缩短 50% 以上。

2. 环境检测与基线数据采集

(1) 工具链：traceroute/mtr/ping/tcpdump/iperf3/looking glass。
(2) 基线采样：每小时三次、连续 72 小时，记录 RTT、丢包、路径跳数。
(3) 示例 traceroute：目标 203.119.XXX.XXX，部分跳数如下示例。
(4) 数据表展示（示例）：

跳数	IP	RTT(ms)
1	10.0.0.1	0.6
5	203.119.85.1	8.2
9	203.119.90.66	12.9

(5) MTR 输出建议保存为 CSV，用于长期对比趋势分析。
(6) 采集要点：记录时间戳、源 IP、目标 IP、通信端口（TCP/UDP）、MTU 测试结果。

3. PCCW 路由特性与 BGP 策略调整

(1) PCCW 常用 ASN 与互联点：示例 ASN 3491（PCCW），常见交换点 HKIX、Equinix HK。
(2) 常见问题：AS 路径长、MED 优先级不当、社区标记未被识别导致流量绕行。
(3) 可用策略：AS-path prepending、调整 MED、设置 next-hop-self 与 local-preference。
(4) 社区示例：向 PCCW 申请特定 community（示例 3491:1000 表示优先本地出口），具体值需与 NOC 确认。
(5) 配置示例（FRR/Quagga 风格）：neighbor X.X.X.X route-map RM out; route-map 中设置 set local-preference 200 / prepend 2。
(6) 验证：变更后 1 小时内重复 traceroute 与 BGP 路由查看（show ip bgp prefix）、记录 AS path 变化。

4. 服务器与 VPS 调优配置示例

(1) 典型实例规格：4 vCPU Intel Xeon、8GB RAM、1Gbps 网卡（Intel X520），OS：Debian 11。
(2) 内核优化示例（sysctl）：net.core.rmem_max=16777216、net.core.wmem_max=16777216、net.ipv4.tcp_congestion_control=bbr。
(3) Conntrack 与防火墙：net.netfilter.nf_conntrack_max=262144，示例 iptables 限速规则用于控制 SYN 洪水。
(4) MTU 与 MSS：确认链路 MTU=1500，若存在隧道则适当降低到 1400 并设置 iptables --clamp-mss-to-pmtu。
(5) 性能基准：iperf3 双向测试 1Gbps 链路，典型结果：TCP 方向 930Mbps、RTT 稳定 10-12ms。
(6) 日志与采样：开启 tcpdump -w 按小时轮转，保留 72 小时以分析突发丢包。

5. CDN 与 DDoS 防御集成策略

(1) CDN 接入：静态资源采用 CDN，PCCW 作为回源链路需保证低延迟，回源 TTL 与缓存策略优化至 24-72 小时。
(2) 缓解阈值：设置基线带宽 1Gbps，触发清洗阈值 5Gbps（根据供应商能力调整）。
(3) 常用手段：黑洞过滤、流量清洗（scrubbing）、速率限制、基于源 IP/ASN 的封锁。
(4) WAF 与行为分析：对 POST、登录、API 接口启用严格规则，异常流量做 429 限流。
(5) PCCW 合作：在发生大流量时可请求运营商流量转发/清洗，准备好 prefix、时间窗与流量样本（pcap）。
(6) 容灾演练：每季度进行一次 DDoS 演练，验证从检测到切换 CDN/黑洞的 RTO 小于 10 分钟。

6. 故障排查实操案例（真实示例）

(1) 背景：一家香港电商在双十一出现用户下单延迟尖峰，用户 RTT 从平时 12ms 突增至 300ms。
(2) 初查数据：MTR 显示第 6 跳经由非本地 AS 65200，出现丢包 8%-15%，流量被绕至海外回程。
(3) 处理步骤：1) 立即告警并开启流量采集；2) 与 PCCW NOC 联系并提供 traceroute 与 BGP 记录；3) 临时通过另一条公网链路回源并调整 DNS 低 TTL。
(4) 变更举证：PCCW 日志显示因上游链路 BGP flap，NOC 在 40 分钟内修复并调整本地-preference。
(5) 恢复结果：RTT 从 300ms 恢复到 14ms，丢包降至 0.2%，MTTR 为 55 分钟。
(6) 后续改进：增加监控点、与 PCCW 签订更明确的 BGP community 使用约定、配置备用 ASN 路由策略。

7. 监控、告警与 SLA 验证

(1) 监控项：RTT、丢包率、BGP 会话状态、流量峰值、HTTP 5xx、黑洞事件。
(2) 工具推荐：Prometheus + Grafana（采集 node_exporter、blackbox_exporter、BGP exporter），并存储 90 天。
(3) 告警规则示例：连续 3 分钟 RTT>50ms 或 丢包>1% 触发 P1；BGP 建连失败触发 P0。
(4) SLA 验证：基线对照：月可用性 99.95%，定期与 PCCW 对账 BGP 事件时间线。
(5) 报告输出：每月自动生成网络健康报告，包含 traceroute 采样、带宽利用率与 DDoS 事件统计。
(6) 持续改进：建立故障回顾会议，记录 RCA，并将可复用的脚本纳入运维库以缩短 MTTR。

来源：技术指南香港pccw原生ip路由优化与故障排查实操手册