SD-WAN网络故障排除方法一览

当SD-WAN出现问题或者你怀疑是否导致应用出现问题时，你会怎么做？当然，排除故障。

但是SD-WAN故障排除要求IT团队非常了解他们正在处理的网络设备、连接和拓扑，以及许多其他因素。以下是IT团队在处理SD-WAN问题时可以遵循的一些有用的监控和实际故障排除步骤。

排除SD-WAN故障的第一步是知道网络什么时候开始不能正常运行。大多数情况下，监控SD-WAN和监控常规网络没有太大区别。物理组件通常是最容易监控的:它们要么工作，要么不工作。因为抽象会让多个网络链路看起来像一个，逻辑函数可能更具挑战性。

SD-WAN监控。

一、处理事件。

一个好的网络管理架构中最有用的元素是检查来自网络设备(包括SD-WAN设备)的事件。把事件想象成网络，让你知道值得注意的事情发生了。这个过程不需要轮询，可以随着网络的增长而扩展。

与简单的网络管理协议(SNMP)陷阱相比，我更喜欢使用syslog事件，因为它们不需要将特定的管理信息库加载到管理系统中来查看详细的信息。IT团队应配备SD-WAN设备，将事件发送到公共事件处理系统，可以存储、关联和操作事件。

预算有限的组织可以使用开源收集器(如syslog-ng)和各种分析工具来总结网络可以产生的大量事件。有预算的组织可以研究ELK堆栈-Elasticsearch、Logstash和Kibana。如果您需要制造商的支持，您可以使用制造商支持的ELK版本、设备供应商和日志处理供应商的产品。

事件处理系统应配置为在检测到严重事件时自动生成故障清单或向IT组织发送实时报警。所有事件都应在每天或每周的摘要中报告，以确保最终可以看到遗漏的事件。比如知道一半的冗余设计不起作用是好事。

二、活动链路测试。

SD-WAN使用多链路提供可靠的端到端服务。活动链路监控允许系统验证SD-WAN在提供可靠性方面是否成功。可能需要多次测试来验证不同类型流量的路径，如实时数据和批量数据。随着SD-WAN站点数量的增加，易于部署对于成功实施非常重要。

确保测试配置为模拟实际应用流量，包括数据包大小、传输速率和服务质量标记。活动链路测试的一个优点是可以在没有应用流量的情况下测试正常工作时间以外的问题。活动链路测试模拟真实应用流量，测试整个端到端系统，包括链路选择。

IT团队可以通过禁用每个WAN链接，监控测试结果在概念验证和评估过程中如何变化来使用此类测试。这对于确定低延迟路径关闭时廉价宽带链路处理高优先级或实时流量的能力尤为有用。将测试配置为始终运行，这样你就可以知道应用程序在一天中不同时间运行的可能性。你也可能想知道其他应用运行时的性能水平，比如备份或者数据库同步，或者宽带网络繁忙的时候。

三、物理状态。

SD-WAN设备通常基于x86系统，它具有内部CPU、内存、接口、电源和冷却。网络事件(通常是syslog)应该报告这些组件的问题。使用SNMP监控可以提供关于这些资源使用的额外数据，并提供以下问题的答案:

●每条路径使用多少缓冲区？

●CPU在一天的关键时刻饱和吗？

●电源是否正常工作，或者AC主输入波动是否超过电源可处理的规格？

缓冲等参数的默认配置通常是正确的，但有时你需要能够修改缓冲区的数量来适应应用程序的功能特点，比如处理大量非常小的数据包。确保队列深度可以根据需要修改。

您应该验证SD-WAN控制器在物理链路出现问题时提供报警和报告。它应该能够检测到拥塞和双工不匹配导致的振荡链路、接口错误和数据包丢失。双工不匹配仍然是一个常见的问题，所以尽量使用自动协商。使用每日或每周报告来确定可能被忽视的报警问题。

四、拓扑图。

在排除故障时，了解拓扑很重要，但手动更新拓扑图是一个耗时且容易出错的过程。寻找SD-WAN控制系统，提供物理和逻辑拓扑的动态映射。基线就像SD-WAN物理拓扑的真实网络源。了解实际状态和预期状态之间的差异可以使SD-WAN故障更容易排除。

确定问题

解决网络问题的关键是有条不紊。从一端开始，努力到另一端，或者采取分治策略。根据症状确定可能出现的问题类型。开放系统互联模型可以方便地确定问题的类型，并在正确的方向直接排除故障，例如:

●物理问题，如无效界面；

●链接问题，如双工不匹配；

●路由问题，如某些目的地可达，单跳测试成功；

●应用问题，如防火墙或最大传输单元(MTU)不匹配。

如果某些数据通过了测试，低级功能可能会正常工作，所以你可以专注于更高级别的工作。

排除SD-WAN故障的步骤。

分析问题通常包括以下几点：

●验证SD-WAN节点的基本功能。这一步检查CPU、内存和接口连接。该节点应能与控制器通信并下载其配置。

●检查基本接口功能。所需接口应启动并与链路另一端的设备通信。应与SD-WAN控制器建立基本连接，以下载其配置。

●验证功能。SD-WAN产品在物理拓扑上创建逻辑覆盖。你需要知道如何工作加密过程，如何失败，如何验证它是否正常工作。

●与整个路由架构集成。SD-WAN设备可以使多个链路发挥作用，就像它们是一个链路一样。每个网站的网络可达性需要在不影响整体路由架构的情况下与其他网站进行通信，即没有路由黑洞、路由环路或无法到达的子网。你需要了解路由分发的工作原理以及如何排除故障。

●验证转发策略。数据包是否在SD-WAN设备之间采用了合适的路径？SD-WAN设备测量它们之间的延迟、数据包丢失和抖动，并使用策略确定每个应用应该使用哪个链路。当一个应用的链路失败或超过流量类型的规范时，流量会移动到另一个链路，这可能会影响移动应用和使用仍在运行的链路应用。这种分析可能需要一些低级命令来访问详细数据。

当您需要低级详细信息时，命令行界面非常有用。这些命令将包括用于检查系统状态和测试命令的show命令，如ping和traceroute。知道如何将它们应用到单个链路和应用程序流的测试中。

可能需要数据包捕获技术来诊断应用程序是否存在其他方法无法理解的问题。Wireshark的TCP序列空间绘图功能是依赖数据包捕获文件的有用工具。

WAN运营商链接问题。

你需要了解丢包、延迟和抖动的链路特性。它们符合你定义的策略吗？链路是否根据链路提供商定义的服务级别协议(SLA)执行？MPLS链路可能有SLA，而不是便宜的宽带链路。

这里可能需要分治法。有选择地一次只启用一个物理链路，并验证链路是否正常工作。然后，尝试链路组合，最终得到所有链路运行的点。别忘了检查策略是否正确。链路特征可能会发生变化，导致这些链路对任何策略都是不可接受的。

每周生成一份关于链路特征和使用情况的报告是一个很好的方法。对于大型SD-WAN的实施，由于报告本身太大，无法使用，因此需要过滤结果，只显示与任何策略不匹配的链路。

检查MTU不匹配。使用小数据包的应用程序可以工作，但是如果需要更大的数据包就不行了。ping和终端连接成功，但文件传输、备份和数据库同步失败，因此需要考虑MTU问题。

双工不匹配。检查接口统计信息，以确定是否存在双工不匹配，即使您无法检查以太网链路上每个接口的配置。全双工接口将显示收到的runt数据包，半双工接口将显示延迟冲突。这些计数器应该包含较小的值。如果有不匹配，活动链路会增加。

结论

故障排除一半是艺术，一半是科学。我建议你可以学习特定SD-WAN产品的工作原理，以及在初始概念验证阶段有哪些SD-WAN故障排除工具。您可以创建一个简单的文本文档来描述特定SD-WAN供应商的基本步骤。当网络出现问题时，可以简化SD-WAN的故障排除过程。

微云网络&网络综合解决方案提供商帮助企业信息化建设、数字化转型和全球互联网。SD-WAN方案可以加速全球访问、SaaS访问、海外视频和海外分支网络，有效提高国际沟通效率，帮助中国企业开拓国际市场。…热线：400-028-9798，欢迎来电咨询。