运维视角解读香港gia和cn2如何提升链路容错能力

1.

概述与目标

- 目标：在港区使用 GIA 与 CN2 两条或多条链路，保证业务在单链路或节点故障时自动切换且最小化丢包与时延抖动。
- 前提：需有两条独立物理/逻辑链路（例如一条走香港 GIA、另一条走 CN2），并能设置 BGP 多宿主或通过第三方交换。
- 输出：实现有监控告警、秒级故障检测、正确的流量回退与切换策略。

2.

链路接入与物理/逻辑准备

- 步骤1：确认两条链路的对端 ASN、对端 ip、MTU、支持的 BGP community 和是否支持 BFD。
- 步骤2：在机房交换/路由器上配置物理接口并验通（ping、traceroute、mtu check）。例如 Cisco：interface Gig0/0 ip address X.X.X.X/30 no shutdown。
- 步骤3：对两条链路分别测延迟、丢包（例如使用 mtr）并记录基线。

3.

BGP 多宿主基础配置（示例）

- Cisco eBGP 简单示例：router bgp 65000 neighbor 1.1.1.1 remote-as 65100 neighbor 1.1.1.1 description HK_GIA neighbor 2.2.2.2 remote-as 65200 neighbor 2.2.2.2 description CN2。
- 设置本地优先级与 AS_PATH 预置以偏好 CN2 或 GIA：route-map PREFER_CN2 permit 10 set local-preference 200；neighbor 2.2.2.2 route-map PREFER_CN2 in。
- 使用 prefix-lists 限制互相宣布的路由以防污染。

4.

快速故障检测：BFD 与 BGP 调优

- 启用 BFD：在支持的路由器启用 bfd 会话并绑定到 BGP，以实现 50-100ms 级别的路由收敛（示例：bfd interval 50 min_rx 50 multiplier 3）。
- 调整 BGP timers：reduce keepalive/hold 为较短值（例如 keepalive 3 hold 9）仅在设备与对端支持下进行。
- 验证：人工断链观察 BGP 收敛时间，记录并调整 BFD/keepalive 参数。

5.

流量分发与回退策略（ECMP / 本地优先）

- ECMP：若链路能力相近，可在本端启用 equal-cost multi-path，命令示例（Cisco）：maximum-paths 2。
- 本地优先/AS_PREPEND：使用 local-preference 在入站流量上偏好 CN2；在不优先时对次选链路进行 AS_PATH 预置（在通知对端时添加 prepend）。
- 动态切换：使用 route-map + community 去通知上游改变权重，如 need-preference 社区。

6.

主动健康检查与自动化切换

- keepalived/VRRP：可用于网关级别的 L2/L3 冗余；配置 health_script 回调触发状态变更。
- 健康检查脚本（示例）：用 curl 或 tcping 定时检查应用端口，失败 N 次后调用 ip route replace 或调用 FRRouting/ExaBGP 注入黑洞/优先路由。
- 自动化示例（Linux）：使用 systemd timer + bash：if ! curl -sSf http://10.0.0.1/health ; then ip route replace default via 2.2.2.1 dev eth1; fi。

7.

监控、告警与回归测试

- 监控项：BGP 会话状态、BFD 状态、链路延迟/丢包、应用层成功率、SNMP ifOperStatus。
- 告警策略：BGP down 和 丢包超过阈值触发一级告警，延迟上升但链路可用触发二级。
- 回归测试：制定 S.O.P. 做故障演练（切断物理口、模拟对端 BGP down）并记录 RTO/RPO。

8.

安全与 MTU/分片注意事项

- MTU：CN2/跨境链路常要求 1500 或更高，务必 end-to-end 验证，不匹配会造成 PMTUD 失败。
- ACL/防火墙：在边界设备允许 BGP、BFD 和 health probe 的端口（TCP 179、UDP BFD 3784/3785、probe 80/443）。
- 日志与追踪：开启 syslog 对 BGP 事件打点，保留最近 7-30 天以便故障排查。

9.

问：在实际切换时如何保证会话不中断？

- 答：通过三方面保证会话平滑：一是应用层设计幂等与重连机制（短超时重试）；二是使用 ECMP + 会话保持功能（LVS、FW session同步或使用宕机前迁移）；三是在边界实现流量平滑迁移（双向同步 NAT 会话或使用全局负载均衡器做流量切换）。

10.

问：如果对端不支持 BFD，我该如何做快速故障检测？

- 答：可采用本地端口链路检测（interface tracking）、缩短 BGP keepalive/hold（风险较高需验证）、在应用层加健康探针并结合路由注入脚本（如 ExaBGP）来实现秒级响应。同时将监控告警与自动化脚本结合，确保故障时能快速调整路由。

11.

问：运维在部署前后应做哪些验收与长期运维建议？

- 答：部署前应做链路对比测试（延迟、丢包、抖动、MTU）、BGP 路由策略模拟、灾备演练；部署后定期做故障演练、流量比对、版本与参数变更记录。长期建议保持与上游运营商沟通，使用 SLA/告警条款并定期回顾路由策略。

来源：运维视角解读香港gia和cn2如何提升链路容错能力