低峰期该如何巡检网络？

本文目录导读：

1. 巡检前的准备（低峰期专属）
2. 核心巡检动作（分设备/区域）
3. 巡检后的动作（闭环管理）
4. 避坑指南（低峰期易犯错误）

充分利用业务负载最轻的时间窗口，完成那些平时无法进行或可能影响业务的深度检查与维护。

具体巡检策略可分为被动检查（看日志、指标）和主动测试（模拟流量、触发机制）两大类,以下是详细步骤和建议：

巡检前的准备（低峰期专属）

1. 确认窗口：明确低峰期的具体时段（例如凌晨2:00-5:00）,并确认无紧急变更或业务活动。
2. 整理基线：拿出上一周期（上周、上个月）同期的性能数据（CPU、内存、延迟等）作为对比基准。
3. 准备工具：准备好终端、跳板机、抓包工具（Wireshark/tcpdump）、链路测试工具（MTR、iperf）等。
4. 通知报备：若涉及核心设备重启或策略变更，需提前在IT工单系统或沟通群中报备,以防突发问题。

核心巡检动作（分设备/区域）

硬件健康检查（物理层）

• 温度与风扇：查看设备温度是否接近阈值（如超过70℃），低峰期环境温度可能下降，检查风扇转速是否异常、是否有异响（声音侦测或机柜巡检）。
• 电源冗余：确认每台设备的电源模块均为“双路供电”且状态正常，无单电源故障，低峰期可尝试测试性断电（拔下一个电源模块）以验证冗余,注意30秒内恢复。
• 光模块/光衰：使用show interface transceiver或光功率计，检查所有互联链路的光功率是否在接收灵敏度范围内（如-15dBm至-25dBm），低峰期光衰更容易排查,因为此时无流量干扰。
• 线缆物理状态：检查光纤有无过度弯折、网线水晶头松动、机柜内线缆凌乱（易误碰）。

设备性能与资源（二层/三层）

• CPU与内存：登录各交换机/路由器，命令行查看show process cpu / show memory，低峰期CPU使用率若超过50%，说明存在异常进程（如ARP泛洪、路由震荡）。
• 路由表与FIB表：对比核心路由器的路由表条目数，确认与网络设计一致，检查是否有非预期路由（如误收到的不稳定BGP路由）。
• STP（生成树）状态：检查所有SVI（交换虚拟接口）和Trunk端口的生成树状态，确保没有端口处于Blocking（堵塞）或未知状态，低峰期可安全进行show spanning-tree blocking。
• VLAN与端口状态：确认所有接入端口Mac地址表正确；检查是否存在大量CRC（循环冗余校验）错误或Runts（短帧）的Defect端口（错误包增加）。

协议与安全状态（控制层）

• OSPF/BGP邻居：show ip ospf neighbor或show bgp summary，确认邻居状态均为Full，低峰期邻居震荡影响小,可针对性复位。
• ARP表完整性：检查核心设备ARP表是否稳定，有无大量Incomplete（未完成解析）条目（可能是ARP攻击或配置错误）。
• ACL（访问控制列表）与QoS（服务质量）：
  • 检查QoS队列是否丢包,队列深度是否正常。
  • 确认ACL匹配计数是否异常（如某条恶意规则触发了大量日志）。

延迟与抖动（传输层）

• 端到端延迟测试：使用MTR或iperf3（文件大小建议10MB/100MB），从关键业务服务器到数据中心核心进行双向测试，低峰期延迟应在基线±5ms内。
• 丢包率：用ping -c 1000 -s 1400（大包）长时间ping，记录丢包率，0.01%以上需关注。

特殊专项检查（低峰期价值最大）

• Firmware（固件）更新：对核心交换机的固件版本是否符合安全公告（如CVE漏洞），进行计划性升级,低峰期是最佳窗口。
• NTP（网络时间协议）同步：确认所有网络设备时间与标准时间误差<10ms,否则日志准确性受影响。
• 日志审计与备份：
  • 检查所有设备日志（Syslog），搜索“Error”、“Critical”、“Down”等关键词。
  • 备份配置文件到安全服务器（如TFTP/SCP）,建议使用脚本自动保存并比对差异。

巡检后的动作（闭环管理）

1. 记录异常：若发现轻微异常（如光衰-26dB，但未丢包），先记录在案，切勿低峰期立即操作（避免人为故障）。
2. 生成报告：形成《低峰期巡检报告》,包含：

• 正常项（用绿色标注）
• 警告项（黄色，如CPU>60%）
• 故障项（红色，如设备重启/链路断）

3. 触发告警：检查当时告警系统是否产生过误报或漏报（例如低峰期链路波动但未触发）,调整阈值。
4. 变更计划：对需要修改配置的问题,正式列入下个变更窗口计划。

避坑指南（低峰期易犯错误）

• ❌ 不要进行大规模重启：即使低峰期,重启核心设备也可能因配置未保存而丢失网络。
• ❌ 避免长链路测试使用UDP流：UDP可能拥塞控制，建议用TCP（iperf -t）。
• ✅ 善用自动化脚本：例如使用netmiko / Ansible批量登录设备抓取状态,避免人工逐台敲命令遗漏。
• ⚠️ 检查供电环境：低峰期凌晨可能空调温度设置过低，导致设备结露,需留意机柜湿度。

最后建议：低峰期巡检不要只盯着命令行。到机柜后方听听风扇、摸摸线缆温度，往往物理层问题比逻辑层更致命，对通过巡检发现的新品牌/型号设备（如光模块兼容问题）,也应在低峰期完成验证。