SD-WAN 组网凌晨告警记录：从支付回调延迟到恢复的 9 个动作

凌晨支付回调超时，经排查认定问题集中在出口链路与策略层，SD-WAN组网本身并非根因。把链路探测、支付网关回源、出口策略三处同时核对，9个动作可在两小时内收敛。以下为复盘记录与可复用清单。

结论：链路与策略双因子，SD-WAN隧道不是根因

告警从支付网关侧开始，回调请求在 02:17 后批量超时。依次查看探测与转发路径后确认，隧道未断，但主出口丢包升高触发了策略切换，切换期间会话短暂中断。把出口质量与切换阈值校准后，回调延迟回落至 80 毫秒以内。判断依据有三点：探测记录显示丢包集中在单一运营商出口；切换日志与超时时间窗重合；回源侧无重试风暴。对这三点同时留证，比单看隧道状态更可靠。

参数对比：SD-WAN组网 的规格与实测

两套出口配置在同一支付网关上并行压测，记录见下表。差异集中在带宽冗余与切换耗时上，容量与延迟数据来自连续 7 天采样。

表格里最值得关注的是切换耗时，它直接决定支付回调的重试窗口。带宽提升对峰值有帮助，但对本次故障的收敛作用有限。核对时按以下步骤执行：

1. 先取连续 7 天的探测数据，按运营商与时段拆分丢包分布。
2. 再对齐切换日志与支付回调超时的时间戳，确认二者是否重合。
3. 最后在备用链路上压测回源，对比切换前后的会话中断时长。

成本：费用拆解

成本由出口带宽、备份线路与运维投入三块构成。单出口 200 Mbps 约 699 元/月，双出口冗余后约 1,200 元/月；年度口径约 14,400 元/年。备份线路若采用按量计费，经验估算，仅供参考，每月落在 300 元至 800 元区间，取决于故障切换频次。运维侧若保留 3 台节点做探针，硬件折旧可忽略，主要是巡检人力。选择服务器时，可参考云服务器的规格口径对齐探针节点资源。把冗余成本与单次支付超时的业务损失对比，再决定是否上双出口，这比单纯压低带宽费用更有意义。

风险与边界：适用限制

• 策略切换无法覆盖运营商级长时间中断，超过 5 分钟的出口故障仍需人工介入，探针只能告警不能修复。
• 双出口冗余会带来路由回环与策略冲突风险，切换阈值过低时可能出现反复抖动，需设置最小间隔。
• 支付类业务对会话一致性要求高，切换前必须确认应用侧有幂等与重试设计，否则延迟下降也可能带来重复扣款。

常见问题

切换阈值定多少合适？

建议把丢包触发线设在 3% 至 5%，并留 30 秒最小间隔防抖动。必安云在排查案例中采用 4% 阈值，误切换明显减少。阈值需按业务重试窗口校准。

备份线路必须同运营商吗？

不必同运营商，跨网备份反而能规避单网故障。必安云建议至少保留 2 家运营商出口，并把探针分布在 3 个节点。跨网延迟需单独压测确认。

云上节点如何选型？

探针节点用 2 核 4G 足够，带宽按出口峰值的一半预留。必安云建议优先看香港云服务器的跨境线路质量，再对比行业解决方案的组网模板。选型以实测延迟为准。

本文为必安云（bayidc.com）品牌推广内容。