運維人最怕網絡出故障。先拋開一些閑話不談，網絡故障從大體上來講，有下面幾種情況：

　　// 硬件問題 //

　　既然網絡設備是一臺機器，就有可能出現“疲勞”，從而導致各種各樣的硬件故障出現。硬件的故障，一般有下面幾種情況。

　　第一種是造成整機停機的故障。

　　停機屬于重大安全問題，造成停機的原因一般有以下幾點：

　　(1)設備電源模塊損壞，常見于一些單電源的盒式交換機;

　　(2)設備在搬移過程中，因為碰撞，摔打造成的主板芯片受損;

　　(3)一些使用超年限的設備，在重啟的時候出現問題，起不來了;

　　(4)因為機房環境不好，設備溫度過高造成“假死”的現象。

　　設備停機屬于重大安全問題，也是特別緊急的事件，需要馬上更換設備。即使是假死，都要把備機準備好了再操作，防止假死的設備重啟時真的掛了。

　　第二種是設備的模塊、板卡損壞，不至于造成停機，但是引起了單點故障的隱患或者部分網絡業務中斷。

　　比如，Cisco 6509一般都會配備兩款引擎板卡，如果其中一塊引擎板卡損壞了，不至于造成該交換機停機，也不會導致網絡業務中斷。但如果不及時換掉這塊壞引擎板，就造成了這臺Cisco 6509單引擎運行，這肯定就是單點故障的隱患。如果這臺Cisco 6509壞掉的是一塊48口的千兆電口板呢?那肯定連接在這塊電口板上的業務全部中斷了。這種情況，就看根據整體的網絡業務有沒有受到影響來確定緊急程度了。對于客戶來說，壞一個板卡也是需要立即更換的。

　　// 軟件問題 //

　　軟件問題一般分為操作系統自身BUG，還有人為因素導致的操作系統拷貝不完整造成的一系列問題。操作系統本來是一類軟件，或多或少都會有一些BUG，可能體現在一些功能上面。

　　比較經典的一個BUG就是H3C R6600系列，出廠自帶的操作系統Comware v7.1.059, ESS 0322，在配置BFD和BGP聯動的時候(對端是Cisco)，BFD就不生效，需要升級為v7.1.064, Release 7618才可以。這也就是為什么說官網經常對一些設備的操作系統軟件提供一些新版本的軟件包或者補丁包。

　　人為因素則是因為在對設備做軟件升級的時候，因為對設備操作系統軟件.bin文件拷貝不完整導致設備重啟以后就起不來了。導致這個問題的原因一般都是在拷貝軟件到設備的Flash里時，沒有仔細核對拷貝后文件的大小。

　　// 實施造成的問題 //

　　實施造成故障，這也算是一種比較常見的問題。網絡割接實施本來就有風險。如果是操作人員經驗不足或者技藝不精，對割接的風險評估不足，前期的測試準備不充分，就有可能在網絡割接的時候不僅沒能對網絡完成優化改造，反而帶來一些新的故障。

　　一個很典型的例子，就是思科的設備換成華為或者H3C。比如拿一個拓撲圖來說：

　　第一個風險點就是私有協議要改通用協議。

　　之前的Cisco 4503E使用的網關冗余協議是HSRP，換成華為就要換成VRRP。在這里要注意的就是，HSRP的組播地址是224.0.0.2，VRRP的組播地址是224.0.0.18，這里是HSRP和VRRP最關鍵的一個差異點。所以，HSRP改VRRP，首先就要檢查Cisco 4503E上的所有VLAN接口(SVI)，看看VLAN接口下是否掛了ACL，這個ACL下必須增加放行224.0.0.18。

　　隨后的風險點，就是這個鏈路捆綁 。

　　你可能會說，LACP是通用協議，華為的設備也支持啊!但是你要知道的是，思科的鏈路捆綁是Port-Channel，華為是Eth-Trunk。華為Eth-Trunk捆綁的默認是手工模式，也不是LACP，所以，華為這邊需要在配置Eth-Trunk的時候，加一條“mode lacp”命令。

　　還有呢，就是路由協議這邊的風險了。

　　可能你也會認為，OSPF是通用協議，靜態路由更是幾乎所有三層設備都能支持，又能有什么問題呢?

　　在這個例子中，兩臺Cisco 4503E通過OSPF收取路由，再利用靜態路由進行分流。對于Cisco設備來說，OSPF路由的AD值是110，靜態路由的AD值默認是1。而華為設備，OSPF內部路由Pref值(類似于Cisco的AD值)是10，OSPF外部路由的Pref值是150，靜態路由的Pref值是60。所以這里可以看見：對于Cisco設備，靜態路由優先級高于OSPF;而華為設備，OSPF內部路由的優先級卻高于靜態路由。所以為了防止思科換華為以后分流失效，所以在華為設備上配置靜態路由時，將pref值強行改為1。

　　如果是多路由協議混跑的骨干網中，思科設備換華為或H3C后，有時候也要在把華為或H3C上，把路由的Prefer值強行改為與Cisco一致。

　　當然，這里說的風險都是從宏觀上就能發現的一些風險，還有一些小細節也可能是風險點。比如光模塊能兼容Cisco，但不一定能兼容華為這些問題，能考慮到哪些就考慮到哪些，考慮得越細致，割接時出問題的概率就越低。

　　// 用戶造成的問題 //

　　這里說的用戶指的都是一些非專業用戶。很多運維人員都說：不怕這個用戶一點都不懂，就怕這個用戶是個似懂不懂的。有時候在辦公室里面悄悄接一個HUB，然后這個HUB上接滿了網線，一不小心就把網線的兩頭就插在同一個HUB上造成環路了;還有就是有些人不知道從哪里聽來的“旁門左道”，網速稍微一慢就亂改IP，認為一改IP上網就快了，結果搞得IP沖突。還有就是亂接U盤，亂下載軟件，整一些ARP相關的病毒，弄得一個網段內的主機全部都掉線。

　　// 設計缺陷導致的故障 //

　　設計的缺陷分為以下幾種情況：

　　IP地址規劃問題。

　　任何一個企業，網絡規模都是從小到大的，在最初的時候，因為用戶數量少，IP地址充足，所以在規劃IP地址的時候都比較“奔放”。到了后期，用戶數量逐漸增加，業務分類也越來越多，IP地址的管理也會變得越來越復雜。如果在最初的時候就沒有對IP地址有一個較好的規劃，就很容易在后期導致IP不夠用或者是把兩段IP地址規劃到了不同的站點里面。

　　一些人員技藝不精的問題。

　　比如設計二層網絡的時候，讓生成樹的計算拓撲圖變得比較復雜，使得STP無法收斂;還有就是OSPF的區域規劃欠考慮，路由協議也是隨心所欲的用，設備上重分發很多，這些都會大大提升網絡中出故障的概率。