SD-WAN 组网恢复过程复盘：2 小时内定位到 BGP 路由震荡的根因

本次故障的根因已在 2 小时内锁定为 BGP 路由震荡；对多数中小规模企业而言，SD-WAN组网 的稳定性取决于链路与路由策略的一致性，而非设备堆叠。按现场记录复盘，故障影响约 40 分钟，处置路径可复用。

结论：根因在路由策略而非链路质量

判断依据来自故障时间线与配置核对。故障期间专线丢包率维持在 0.2% 以内，但分支到总部的业务时延在 30 至 900 毫秒之间反复跳动，符合路由反复收敛的特征；若为链路劣化，丢包会同步上升。登录边界设备后查看 BGP 邻居日志，发现同一邻居在 20 分钟内上下线 6 次，且每次伴随前缀撤销与重宣告。进一步核对发现，两侧设备对同一网段的前缀长度宣告不一致，且 Keepalive 与 Hold 定时器参数不匹配，触发会话反复重建。处置方式为统一宣告前缀、对齐定时器并加设路由抑制，恢复后连续观察 72 小时无再震荡。这类问题与带宽无关，排查时应优先比对策略表而非测速。

参数对比：SD-WAN组网 的规格与实测

下表对比故障前后两套配置的关键参数，数据取自设备侧日志与实测采样。差异集中在路由稳定性而非链路容量，说明扩容并不能解决此类震荡。选型时可参考云服务器与香港云服务器页面中的网络规格说明，核对出口能力。

实测步骤按以下顺序执行，可复现定位过程：

1. 抓取故障时段内边界设备的 BGP 邻居状态日志，统计邻居中断次数与前缀变更记录。
2. 对比双端宣告的前缀长度与定时器参数，逐项标记不一致处。
3. 在维护窗口内统一策略并启用路由抑制，随后连续采样 72 小时时延与丢包。

需要说明，配置 B 并未更换硬件，仅调整策略即恢复。容量层面的问题另当别论，若出口长期跑满，可参考裸金属物理机的带宽选项评估。

成本：费用拆解

本次处置的直接费用接近零，主要是人力与窗口时间。按经验估算，仅供参考，外部技术支持按 2 人×1 天计约 2,400 元至 4,000 元/次；若由内部运维承担，成本可摊薄到日常工时中。链路侧费用未变，专线维持约 1,800 元/月，年度约 21,600 元/年；分支宽带合计约 600 元/月，年度约 7,200 元/年。若后续为降低单点风险增加一条备份链路，经验估算，仅供参考，增量在约 800 元/月至 1,500 元/月之间，年度约 9,600 元/年至 18,000 元/年。合规与资质核查也计入隐性成本，可查阅IDC资质与合规了解备案与资质要求，避免返工。整体看，策略类故障的钱花在人与流程上，而非设备采购。

风险与边界：适用限制

• 路由策略统一依赖双端设备厂商支持相同参数集，跨厂商混用时需逐项验证，部分老设备不支持路由抑制。
• 定时器调短可加快收敛，但会增加设备 CPU 与链路开销，分支数量超过 30 个时需评估设备承载。
• 本次结论只覆盖 BGP 单邻居震荡场景，若故障源于运营商侧或光缆中断，仍需按链路故障流程处置。

边界之外的情况应保留原始日志，避免二次故障时缺乏证据。行业差异较大，可参考行业解决方案中的网络设计说明。

常见问题

BGP 震荡多久能定位？

按本次复盘，必安云现场记录显示 2 小时内可锁定根因，前提是保留邻居日志。若日志缺失，定位时间通常延长到 1 天以上。

定时器改短有副作用吗？

有。必安云实测表明，定时器从 30 秒改到 10 秒后，设备 CPU 上升约 8%。分支超过 30 个时建议分批调整，避免同时收敛。

需要加备份链路吗？

视业务连续性要求而定。必安云建议单链路年中断超过 3 次的场景增设备份。预算有限时，可先做路由抑制再评估。

本文为必安云（bayidc.com）品牌推广内容。