運維人最怕網(wǎng)絡(luò)出故障。先拋開一些閑話不談，網(wǎng)絡(luò)故障從大體上來講，有下面幾種情況：

　　// 硬件問題 //

　　既然網(wǎng)絡(luò)設(shè)備是一臺機器，就有可能出現(xiàn)“疲勞”，從而導(dǎo)致各種各樣的硬件故障出現(xiàn)。硬件的故障，一般有下面幾種情況。

　　第一種是造成整機停機的故障。

　　停機屬于重大安全問題，造成停機的原因一般有以下幾點：

　　(1)設(shè)備電源模塊損壞，常見于一些單電源的盒式交換機;

　　(2)設(shè)備在搬移過程中，因為碰撞，摔打造成的主板芯片受損;

　　(3)一些使用超年限的設(shè)備，在重啟的時候出現(xiàn)問題，起不來了;

　　(4)因為機房環(huán)境不好，設(shè)備溫度過高造成“假死”的現(xiàn)象。

　　設(shè)備停機屬于重大安全問題，也是特別緊急的事件，需要馬上更換設(shè)備。即使是假死，都要把備機準(zhǔn)備好了再操作，防止假死的設(shè)備重啟時真的掛了。

　　第二種是設(shè)備的模塊、板卡損壞，不至于造成停機，但是引起了單點故障的隱患或者部分網(wǎng)絡(luò)業(yè)務(wù)中斷。

　　比如，Cisco 6509一般都會配備兩款引擎板卡，如果其中一塊引擎板卡損壞了，不至于造成該交換機停機，也不會導(dǎo)致網(wǎng)絡(luò)業(yè)務(wù)中斷。但如果不及時換掉這塊壞引擎板，就造成了這臺Cisco 6509單引擎運行，這肯定就是單點故障的隱患。如果這臺Cisco 6509壞掉的是一塊48口的千兆電口板呢?那肯定連接在這塊電口板上的業(yè)務(wù)全部中斷了。這種情況，就看根據(jù)整體的網(wǎng)絡(luò)業(yè)務(wù)有沒有受到影響來確定緊急程度了。對于客戶來說，壞一個板卡也是需要立即更換的。

　　// 軟件問題 //

　　軟件問題一般分為操作系統(tǒng)自身BUG，還有人為因素導(dǎo)致的操作系統(tǒng)拷貝不完整造成的一系列問題。操作系統(tǒng)本來是一類軟件，或多或少都會有一些BUG，可能體現(xiàn)在一些功能上面。

　　比較經(jīng)典的一個BUG就是H3C R6600系列，出廠自帶的操作系統(tǒng)Comware v7.1.059, ESS 0322，在配置BFD和BGP聯(lián)動的時候(對端是Cisco)，BFD就不生效，需要升級為v7.1.064, Release 7618才可以。這也就是為什么說官網(wǎng)經(jīng)常對一些設(shè)備的操作系統(tǒng)軟件提供一些新版本的軟件包或者補丁包。

　　人為因素則是因為在對設(shè)備做軟件升級的時候，因為對設(shè)備操作系統(tǒng)軟件.bin文件拷貝不完整導(dǎo)致設(shè)備重啟以后就起不來了。導(dǎo)致這個問題的原因一般都是在拷貝軟件到設(shè)備的Flash里時，沒有仔細(xì)核對拷貝后文件的大小。

　　// 實施造成的問題 //

　　實施造成故障，這也算是一種比較常見的問題。網(wǎng)絡(luò)割接實施本來就有風(fēng)險。如果是操作人員經(jīng)驗不足或者技藝不精，對割接的風(fēng)險評估不足，前期的測試準(zhǔn)備不充分，就有可能在網(wǎng)絡(luò)割接的時候不僅沒能對網(wǎng)絡(luò)完成優(yōu)化改造，反而帶來一些新的故障。

　　一個很典型的例子，就是思科的設(shè)備換成華為或者H3C。比如拿一個拓?fù)鋱D來說：

　　第一個風(fēng)險點就是私有協(xié)議要改通用協(xié)議。

　　之前的Cisco 4503E使用的網(wǎng)關(guān)冗余協(xié)議是HSRP，換成華為就要換成VRRP。在這里要注意的就是，HSRP的組播地址是224.0.0.2，VRRP的組播地址是224.0.0.18，這里是HSRP和VRRP最關(guān)鍵的一個差異點。所以，HSRP改VRRP，首先就要檢查Cisco 4503E上的所有VLAN接口(SVI)，看看VLAN接口下是否掛了ACL，這個ACL下必須增加放行224.0.0.18。

　　隨后的風(fēng)險點，就是這個鏈路捆綁 。

　　你可能會說，LACP是通用協(xié)議，華為的設(shè)備也支持啊!但是你要知道的是，思科的鏈路捆綁是Port-Channel，華為是Eth-Trunk。華為Eth-Trunk捆綁的默認(rèn)是手工模式，也不是LACP，所以，華為這邊需要在配置Eth-Trunk的時候，加一條“mode lacp”命令。

　　還有呢，就是路由協(xié)議這邊的風(fēng)險了。

　　可能你也會認(rèn)為，OSPF是通用協(xié)議，靜態(tài)路由更是幾乎所有三層設(shè)備都能支持，又能有什么問題呢?

　　在這個例子中，兩臺Cisco 4503E通過OSPF收取路由，再利用靜態(tài)路由進(jìn)行分流。對于Cisco設(shè)備來說，OSPF路由的AD值是110，靜態(tài)路由的AD值默認(rèn)是1。而華為設(shè)備，OSPF內(nèi)部路由Pref值(類似于Cisco的AD值)是10，OSPF外部路由的Pref值是150，靜態(tài)路由的Pref值是60。所以這里可以看見：對于Cisco設(shè)備，靜態(tài)路由優(yōu)先級高于OSPF;而華為設(shè)備，OSPF內(nèi)部路由的優(yōu)先級卻高于靜態(tài)路由。所以為了防止思科換華為以后分流失效，所以在華為設(shè)備上配置靜態(tài)路由時，將pref值強行改為1。

　　如果是多路由協(xié)議混跑的骨干網(wǎng)中，思科設(shè)備換華為或H3C后，有時候也要在把華為或H3C上，把路由的Prefer值強行改為與Cisco一致。

　　當(dāng)然，這里說的風(fēng)險都是從宏觀上就能發(fā)現(xiàn)的一些風(fēng)險，還有一些小細(xì)節(jié)也可能是風(fēng)險點。比如光模塊能兼容Cisco，但不一定能兼容華為這些問題，能考慮到哪些就考慮到哪些，考慮得越細(xì)致，割接時出問題的概率就越低。

　　// 用戶造成的問題 //

　　這里說的用戶指的都是一些非專業(yè)用戶。很多運維人員都說：不怕這個用戶一點都不懂，就怕這個用戶是個似懂不懂的。有時候在辦公室里面悄悄接一個HUB，然后這個HUB上接滿了網(wǎng)線，一不小心就把網(wǎng)線的兩頭就插在同一個HUB上造成環(huán)路了;還有就是有些人不知道從哪里聽來的“旁門左道”，網(wǎng)速稍微一慢就亂改IP，認(rèn)為一改IP上網(wǎng)就快了，結(jié)果搞得IP沖突。還有就是亂接U盤，亂下載軟件，整一些ARP相關(guān)的病毒，弄得一個網(wǎng)段內(nèi)的主機全部都掉線。

　　// 設(shè)計缺陷導(dǎo)致的故障 //

　　設(shè)計的缺陷分為以下幾種情況：

　　IP地址規(guī)劃問題。

　　任何一個企業(yè)，網(wǎng)絡(luò)規(guī)模都是從小到大的，在最初的時候，因為用戶數(shù)量少，IP地址充足，所以在規(guī)劃IP地址的時候都比較“奔放”。到了后期，用戶數(shù)量逐漸增加，業(yè)務(wù)分類也越來越多，IP地址的管理也會變得越來越復(fù)雜。如果在最初的時候就沒有對IP地址有一個較好的規(guī)劃，就很容易在后期導(dǎo)致IP不夠用或者是把兩段IP地址規(guī)劃到了不同的站點里面。

　　一些人員技藝不精的問題。

　　比如設(shè)計二層網(wǎng)絡(luò)的時候，讓生成樹的計算拓?fù)鋱D變得比較復(fù)雜，使得STP無法收斂;還有就是OSPF的區(qū)域規(guī)劃欠考慮，路由協(xié)議也是隨心所欲的用，設(shè)備上重分發(fā)很多，這些都會大大提升網(wǎng)絡(luò)中出故障的概率。