7506E单引擎三个业务板卡其中两块板卡莫名down掉

看下收发光正常不？看下deepseek回复

关键日志分析

1. 堆叠分裂与主备倒换：

   • %HA/5/HA_SLAVE_TO_MASTER: Slave board in chassis 2 slot 0 changes to master
     从设备（Chassis 2）升级为主控，表明原主设备（Chassis 1）失效。

   • %MAD/1/MAD_COLLISION_DETECTED: Multi-active devices detected
     MAD检测到双主冲突，确认堆叠分裂。

2. 主设备（Chassis 1）硬件故障：

   • %DEVM/2/BOARD_STATE_FAULT: Board state changes to FAULT on Chassis 1 Slot 2/3/4
     Slot 2/3/4的三块业务板卡同时报告故障（LSQ1GP24SC/LSQ1GV48SA等）。
     关键点：多槽位板卡瞬间集体故障，极可能是 主控板（Slot 0）或背板供电/通信故障 引发连锁反应。

3. 链路大规模宕机：

   • 所有 GigabitEthernet2/x/x/x 端口（属于Chassis 2）的物理链路DOWN，因堆叠分裂后逻辑端口失效。

   • 聚合接口（BAGG4/BAGG51等）因物理端口DOWN变为INACTIVE。

4. BFD与MAD联动异常：

   • BFD会话在分裂后短暂恢复UP（BFD_CHANGE_FSM: DOWN->UP），但MAD仍检测到冲突，说明堆叠逻辑已破坏。

故障根本原因

• 主控板（Chassis 1 Slot 0）硬件老化：运行十年后，主控板电容、芯片等元件可能失效，导致突发重启（%SYS_RESTART）并触发堆叠分裂。

• 背板故障：若主控板正常，但背板供电或通信模块损坏，会导致多槽位板卡同时异常（Slot 2/3/4 FAULT）。

• 堆叠链路单点故障：虽无配置变更，但堆叠线缆/光模块老化可能导致分裂，但此情况通常不会引发多板卡故障。

解决步骤

1. 紧急恢复业务

• 主设备（Chassis 1）下电检修：

  bash

  复制

  下载

  system-view irf member 1 priority 1 # 降低优先级防止误切主 quit reboot slot 1 # 强制重启Chassis 1

• 临时运行业务：
  若重启后堆叠仍无法恢复，暂时以 单机模式 运行Chassis 2（当前主设备），确保业务不中断。

2. 硬件诊断

• 检查主控板状态：

  bash

  复制

  下载

  display device # 查看Chassis 1 Slot 0状态 display environment # 检查温度/电源

  • 若状态为FAULT或Absent，更换主控板。

• 测试背板与业务板卡：

  • 将Chassis 1的业务板卡（Slot 2/3/4）插入Chassis 2的空闲槽位，验证是否正常。

  • 若仍报错，更换故障板卡；若正常，则Chassis 1背板故障。

3. 堆叠重建

• 重置堆叠配置（避免配置冲突）：

  bash

  复制

  下载

  system-view irf domain 0 # 进入IRF域 irf auto-update enable # 启用自动配置同步 undo irf-port 1/1 # 删除原堆叠口 quit

• 重新配置堆叠：

  bash

  复制

  下载

  irf member 1 priority 32 # 设置Chassis 1为主 irf member 2 priority 1 # Chassis 2为备 interface range Ten-GigabitEthernet 1/0/xx to 2/0/xx # 堆叠物理端口 irf-port 1/1 port group interface Ten-GigabitEthernet1/0/xx port group interface Ten-GigabitEthernet2/0/xx

• 激活堆叠：

  bash

  复制

  下载

  irf-port-configuration active save reboot

4. 预防措施

• 更换老化硬件：优先更换主控板、堆叠线缆及使用超10年的板卡。

• 配置MAD多主检测：确保使用BFD或LACP检测，快速隔离故障。

• 堆叠链路冗余：至少配置2条堆叠链路，分属不同板卡。

• 定期维护：

  • 清洁设备风扇/滤网，避免过热。

  • 每年进行堆叠切换测试。

结论

核心故障点是Chassis 1的主控板（Slot 0）或背板硬件老化。建议立即更换主控板并重建堆叠，同时规划硬件迭代（设备已运行10年，进入故障高发期）。若背板损坏，需整机更换。