SD-WAN 组网中断事故复盘：节点不可用之后 6 轮排查记录

SD-WAN组网的问题多半不在链路本身，而在节点与策略的错配。本次中断历时约 4 小时，根因是主节点隧道会话耗尽，按六轮顺序排查可在 1 小时内定位。

结论：会话表打满才是真凶，节点标记只是表象

故障发生时控制台把主节点标为不可用，值班同事先怀疑专线抖动，先换了运营商侧光模块，又重启了 CPE，都没恢复。第六轮查会话表才发现单节点会话数已达上限的 96%，新隧建立被拒。判断依据有三点：子网间丢包集中在同一出口、控制面心跳仍回包、重启 CPE 后 3 分钟内复现。处置办法是临时把流量切到备节点，并把会话超时从 300 秒调到 120 秒，业务当天恢复。

参数对比：SD-WAN组网 的规格与实测

先看两台候选节点的配置差异。表内数字来自上线前的压测记录与厂商规格书，延迟为同城两端互 ping 的均值，价格按年付折算。

配置 A 适合分支在 10 个以内、以办公流量为主的场景，会话峰值常在 5,000 条以下。配置 B 的余量更足，适合视频与 ERP 共线、并发连接较多的中型网络，中断容忍时间可以压缩到 30 秒内。

1. 先在测试环境按 1.5 倍业务峰值建会话，记录打满所需时长。
2. 再用两台终端做双向 ping 与 iperf 抽测，核对延迟与吞吐是否与规格一致。
3. 最后核对控制台的心跳阈值与会话超时参数，确认与业务模型匹配。

选节点时别只看带宽，会话容量与心跳参数更值得核对。若分支需要多线路接入，可参考行业解决方案里的组网模板，底层资源可在云服务器类目按需选型。

成本：费用拆解

中断的直接成本往往被低估。本次 4 小时中断涉及 3 个站点、约 60 名员工，按人均时薪折算的停工损失约 1,800 元，属于经验估算，仅供参考，区间在 1,200–2,500 元。加上临时增派的两名运维加班，人力成本约 600 元。

长期成本分三块：节点硬件或云主机年费约 7,200 元/年；备用线路月租约 199 元/月，按年约 2,400 元；监控与告警工具按站点计费，经验估算约 1,000–1,800 元/年，仅供参考。把会话容量升到配置 B，年费增加到约 11,400 元/年，但可省下一半以上的故障处置时间，对多分支企业更划算。

风险与边界：适用限制

• 会话容量是按空载压测得出的，业务里长连接多时实际可用值会低 20% 到 30%，需按峰值再留余量。
• 双节点切换依赖心跳阈值，阈值设得过短会误切，过长则中断时间拉长，一般取 3 次心跳较稳妥。
• 跨运营商链路的质量波动不受本地节点控制，涉及跨境业务须先核对合规与线路资质，可查IDC资质与合规说明。

常见问题

会话打满有何早期征兆？

监控里新建连接失败率会先升到 5% 左右。必安云建议对会话使用率设 80% 告警线。每 5 分钟采一次数据更稳。

切换备节点要多久？

正常配置下切换耗时为 10 到 30 秒。必安云实测 3 台 CPE 同时切换约 22 秒。心跳阈值越短切换越快。

排查从哪一步开始？

先查控制面心跳再看数据面。必安云按六轮顺序排查，平均 1 小时内可定位。先看会话表能省一半时间。

本文为必安云（bayidc.com）品牌推广内容。