现场S12504X-AF作为EOR,构建DRNI,下面的TOR是S6900,也构建DRNI
现场对S12504X-AF做如下操作,均会导致EOR和PL服务器之间的OSPF震荡。
(1)震荡部分IPP成员口,恢复过程中有OSPF震荡。
(2)震荡DR口,恢复过程中有ospf震荡。
(3)重启一个单板,恢复过程中有OSPF震荡。
1、在分析TOR过程中发现,在故障瞬间,震荡节点对应的mac地址在TOR上有飘移,从BAGG1飘移到BAGG50,然后又飘回BAGG1。BAGG1是连接服务器的DR口,BAGG50是上联EOR的DR口。说明在震荡过程中,有这个地址的报文从EOR上进来。
2、抓包也确实看到了故障时有少量报文从EOR下来,理论上DR口成员之间隔离,从DR进入S12504X-AF后不会再发回给EOR设备。
3、以PL8为例,PL8的源MAC正常要学到BAGG1上的,PL8发送的报文以及组播报文均是从TOR3-1上送
4、组播报文从TOR 3-2上联EOR的DR口收到,造成TOR3-2 上的PL8 MAC迁移,学到了BAGG 50上, 此时有发向PL8的OSPF心跳报文,从TOR3-2进入,就会引起心跳报文丢包,因为此时TOR3-2是存在MAC表项的,但指向源端口,因此丢弃
5、此时TOR3-2由于产生MAC迁移,会同步给TOR3-1
6、TOR3-1收到同步报文,会产生迁移,但同时也有报文不断触发MAC学习到正确的BAGG1端口的报文,针对这种快速迁移,此时TOR处理逻辑有问题,就没有再同步给TOR3-2
7、TOR3-2没有收到MAC同步报文,并且BAGG1上也收不到来自PL8源MAC的报文,就会长时间出于故障状态, 一直等到TOR3-1间隔5分钟的定时同步,才将错误状态恢复,因此转发故障时间持续0—5min不等。
8、在实验环境中,通过在EOR下发qos阻断mac迁移。将所有测试环境服务器上线后,对所有测试例进行逐一反复测试,均不再出现异常。 测试例包括但不限于:
(1) TOR的DR口震荡、IPP震荡、KEEPALIVE震荡、重启单机;
(2) EOR的DR口震荡、IPP震荡、KEEPALIVE震荡、重启单板、重启单机。
针对本次问题,简化分析描述如下:
1、 EOR上端口震荡或者单板重启,引发瞬间隔离失效。PL发的广播报文按照标红路线转发1-2个包,导致PL的MAC学习到TOR上行接口BAGG50
2、 这时正常转发流量如果要从EOR-----TOR3-2---PL转发,流量到了TOR3-2,会因为PL的MAC学习到上行口BAGG50,因此无法正常转发至PL,而流量又再次回到EOR,引起流量成环,最终导致丢包。
3、 因为环境中PL的探测报文是实时都有去往TOR的,因此正常应该瞬间就又切回到BAGG1,但是由于69存在软件问题,导致MAC短时间内无法正常切回到BAGG1上,导致长时间断流(5分钟以内不等)
4、 因此问题触发原因是125的性能问题导致瞬间隔离失效,引发弹包,导致TOR上MAC学习错误。但是决定丢包时间长短的因素,是取决于TOR(6900)的MAC迁移时间长短。
5、 结合现网环境和服务器的心跳机制,如果6900的MAC迁移时长不超过服务器心跳超时时间(5S),那影响的范围就是个别流量的短暂丢包。而不会引起服务器心跳超时reset引起大范围故障。
6、 比如MAC迁移从BAGG 50迁移到BAGG1耗费了1秒,那丢包时长就是1秒,影响有限。
从前面的分析看,由于EOR端口震荡,隔离表项下发性能问题,导致报文从DR口漏包给TOR设备;又触发了TOR设备mac迁移时间长的问题,造成长时间影响。
解决方案:
1、S6900设备的mac迁移问题,可以打上新的补丁解决;
2、S125上后续发布新版本解决漏包问题。
该案例暂时没有网友评论
✖
案例意见反馈
亲~登录后才可以操作哦!
确定你的邮箱还未认证,请认证邮箱或绑定手机后进行当前操作