国家电网调度数据网 PTN+SDH 双链路丢包故障分析

关键现象汇总：

1. 每站路由器：PTN 互联直连地址 ping 完全正常；ping 主站业务网关发生丢包；
2. 手动 shutdown PTN 链路，仅保留 SDH‑2M，业务网关 ping 无丢包，业务全部正常；
3. 4 个变电站同一时间发生丢包、同一时间恢复；
4. PTN 业务为 VLAN 透传；SDH 为 E1‑2M。

重要线索：多站点同步同时丢包，说明故障源头大概率不在各个变电站本地路由器，而是主站侧或者 PTN 传输大网层面；单站设备故障不可能做到 4 站时间点完全同步。

现象拆解理解

• ping PTN 互联地址（直连网段）正常：PTN 的 PW/Tunnel、二层 VLAN 透传短报文 ICMP 直连互通没问题。
• ping 跨网段业务网关丢包：经过三层路由转发的跨网段报文才丢包。
• 断掉 PTN 就一切正常：只要 PTN 链路参与路由，就会触发丢包；SDH‑2M 独立运行无异常。

两大方向：PTN 传输侧问题 / 变电站 + 主站路由器路由层面问题

方向一：PTN 传输网络（信通 PTN 设备，嫌疑更高，多站同时故障指向这里）

1）PTN 大网共性事件（4 站同时丢包最符合该特征）

1. PTN 核心隧道 / Tunnel 周期性拥塞、带宽超限；多条变电站 PW 复用到同一个核心 Tunnel，隧道瞬时拥塞，短报文直连 ping 不受影响，跨网段业务报文被丢弃。拥塞解除丢包自动消失，表现为多站同时丢包、同时恢复。
2. PTN 网络时钟异常（同步时钟抖动漂移）：电力 PTN 对时钟要求高，时钟劣化会造成 PW 业务间歇性丢包，直连小 ICMP 包容错好看不出来，跨网段业务报文更容易丢包，全网多个站点同步受影响。
3. PTN 主站端 UNI 口问题：主站 PTN 对接主站核心路由器 1 的接口存在间歇性 FCS/CRC 错包，4 个变电站业务全部汇聚到此 UNI 口，多站同时受影响；各站 PTN 到主站的 PW 是分开，但终点落在主站同一个 PTN 接口。

验证点：信通 PTN 侧查看：Tunnel 性能统计、PW 性能、ETH_FCS_EXC 误码告警、时钟状态，丢包发生时刻的性能事件。

2）PTN 业务配置问题（单站可复现，但一般不会 4 站同时触发，排除优先度靠后）

1. PTN 的 UNI 接口 MTU、端口流控配置；VLAN 透传是否带多余标签；
2. PW 封装、MTU 值，和路由器三层报文不匹配，小 ping 包没问题，跨网段带负载报文分片丢包。

区分：如果是每个变电站 PTN 本地配置错误，故障应该随机分散出现，不会 4 个站同一时间点丢包恢复。

方向二：路由层面（路由器，变电站 + 主站）

虽然 4 站同时故障概率低于 PTN 大网，但必须排查，国网调度网一般用 OSPF。 组网逻辑：

• 每台变电站路由器：PTN 链路去往主站核心路由器 1；SDH‑E1 (2M) 去往主站核心路由器 2。
• 两条链路属于不同下一跳、不同主站设备。

1. OSPF 路由震荡（最高路由类嫌疑） PTN 链路 Up 状态正常，但是 PTN 传输有间歇性报文丢失，导致 OSPF 的 Hello/LSA 报文偶尔丢；产生路由表项抖动。

现象：直连互联网段是直连路由不受影响（ping 互联地址正常）；业务网段 OSPF 学到路由频繁抖动。报文时而走 PTN、时而切换 SDH，切换收敛过程出现丢包。当 shutdown PTN，OSPF 不再接收 PTN 方向 LSA，路由稳定，无丢包。 如果主站侧或者 PTN 传输导致 LSA 报文全网多站同时丢失，会出现多个变电站同步路由震荡，同时丢包同时恢复。

重点命令（变电站路由器执行）

丢包发生瞬间，观察 OSPF 邻居是否震荡、LSA 是否刷新、业务网段路由是否反复增删。

2. 路由优先级 / 开销配置问题 PTN 和 SDH 两条链路的 cost，是否存在等值路由负载分担。

若配置等值负载分担，PTN 链路存在报文损伤，一部分流量走质量差的 PTN 路径产生丢包；关闭 PTN 之后，全部流量走 SDH 就正常。 注意：调度数据网规范一般不做负载分担，配置为主备模式，PTN 主，SDH 备用。如果错误配置成等价负载分担，就会出现该现象。

3. URPF 单播反向路径校验 PTN 和 SDH 到达同一业务网段，URPF 严格模式下来回路径不一致，报文被丢弃；直连网段不受影响，跨网段业务网关受影响。
4. MTU 问题 PTN 透传 VLAN 接口 MTU 和路由器三层接口 MTU 不匹配：小 ICMP（ping 互联地址）正常，大报文跨网段访问业务网关分片丢包。

现场分步排查执行顺序（按优先级，先定位大类）

第一步：区分丢包是传输 PTN 侧，还是路由器路由问题

1. 故障发生时刻，在变电站路由器长 ping 业务网关，同时长 ping PTN 对端互联地址。
   • 互联地址持续完全无丢包，业务网关丢包；说明二层直连通道完好，问题出三层转发 / 路由或者 PTN 对三层报文有选择性丢弃。
2. 查看 4 个站故障时间点是否完全对齐：时间完全对齐，优先找主站 PTN 大网，而不是各个变电站本地路由器。

第二步：路由器侧采集（故障复现瞬间抓输出）

1. 查看 OSPF 邻居状态，是否邻居震荡；OSPF error 计数器是否增长。
2. 查看路由表：业务网段路由下一跳，是否在 PTN 下一跳、SDH 下一跳之间来回跳动。
3. 检查两条链路 OSPF cost，确认是主备，而不是等价负载分担（调度网禁止负载分担）。
4. 检查接口 MTU、URPF 配置。
5. 查看接口统计：display interface 看 CRC、input‑error、output‑drop 计数器是否增长。

第三步：协同信通 PTN 设备侧重点核查（多站同时故障重点）

1. 查看主站 PTN 对接核心路由器 1 的 UNI 口：有无 FCS、误码、FLOW_OVER 拥塞事件；故障发生时刻性能统计。
2. 检查承载这 4 个站点 PW 的上层 Tunnel：是否存在瞬时拥塞，丢包计数；
3. PTN 网元时钟状态，检查同步时钟是否存在漂移、告警；
4. 查看各个 PW 性能统计，故障时刻 PW 丢包记录。

第四步快速验证测试

1. 在变电站路由器，修改 PTN 链路 OSPF cost 调大，让路由静态优选 SDH 链路，PTN 链路保持 Up，仅作为备份。

现象观察：PTN 物理不 shutdown，但是业务流量全部走 SDH。如果此时不再丢包，说明PTN 通道本身转发业务报文存在损伤（PTN 传输侧问题）； 如果仍然丢包，则问题是路由器 OSPF 协议层面。

故障最可能两种结论

1. 最高概率：PTN 传输侧：主站方向 PTN 上层 Tunnel 瞬时拥塞 / 主站 UNI 口误码 / PTN 时钟劣化，4 个站点 PW 复用受影响；直连小 ICMP 包容错可以通，跨网段业务报文丢包；断掉 PTN 业务全部切到 SDH‑2M 恢复。
2. 次高概率：路由层面：OSPF 通过 PTN 的 LSA 报文间歇性丢失，引发多站路由震荡；或错误配置等价负载分担，部分业务流量在质量不佳的 PTN 链路上转发产生丢包。

排除：各个变电站路由器本地硬件故障，4 个站同时同一时刻出硬件故障概率极低。

核心故障分析

建议排查方向（按优先级排序）

第一步：排查信通 PTN 设备侧（重点）

• 检查 PTN 环路或拓扑震荡：在 PTN 网管上检查是否存在 STP 拓扑震荡或 MAC 地址漂移。如果 PTN 网络存在二层环路，会导致广播风暴周期性淹没主站核心设备。
• 检查 PTN 拥塞与微突发：查看 PTN 核心/汇聚节点的端口利用率。虽然平均带宽可能不高，但需检查是否存在毫秒级的“微突发流量”塞满了交换机缓存（Buffer），导致丢包。
• 检查 PTN 业务配置：确认这4个站的 PTN 业务是否配置在同一个 LSP（标签交换路径）或同一个 PW 中，且该 LSP 的 CIR（承诺信息速率）配置不足，导致 EIR（额外速率）流量在拥塞时被丢弃。

第二步：排查主站侧核心设备

• 检查主站核心路由器1的 CPU/内存利用率：在丢包发生的时间段，检查主站核心路由器1的 CPU 提交速率是否超出上限。PTN 的异常流量可能导致核心设备 CPU 飙升，从而丢弃正常转发的 SDH 流量。
• 检查接口出方向 Discard 计数：在主站核心路由器1连接 PTN 和 SDH 的接口上，检查 output drops 或 Discard 计数是否在故障时段有显著增长。如果有，说明是主站侧设备带宽或缓存不足导致的拥塞丢包。
• 检查 QoS 策略：确认主站核心路由器上的 QoS 队列调度策略。如果 PTN 的 VLAN 流量没有被正确限制或优先级设置不当，可能会挤占 SDH 链路的队列资源。

第三步：排查现场路由器与 MTU 匹配

• MTU 不一致陷阱：虽然您提到 ping 互联地址正常，但业务网关通常涉及更大的数据包。请检查现场路由器到 PTN 设备的 MTU 设置。如果 PTN 链路加上 VLAN 标签和 MPLS 标签后超过了 1500 字节，且未开启巨型帧（Jumbo Frame），会导致大包被丢弃（Ping 小包通，业务大包丢）。
• VLAN 透传问题：确认现场路由器上联 PTN 的接口是否正确配置了 VLAN 的 Tag/Untag，避免将本不该进入 PTN 的广播报文打入 PTN 网络。