vPC故障恢复

一、vPC故障场景

vPC存在的故障点较多，使用vPC的网络需要全面考虑vPC故障后的应急恢复和备用方案。下面讨论了一些故障场景：

  • Member Port故障：vPC防环机制失效，流量全从Peer Link经由另一个vPC Peer转发，为了防止Peer Link过载，要求Peer Link链路必须是10Gbps。

  • Keepalive Link故障：不影响业务流量转发，但是需要尽快处理，防止Peer Link也down后导致脑裂。

  • Peer Link故障：Keepalive Link正常通信

    • Peer Link恢复<3s，Secondary不执行任何动作；

    • 3s<Peer Link恢复<8s，判断为线路断开，Secondary执行动作：suspend所有Member Port和SVI，以防止脑裂。流量均从Primary走，如果Secondary下挂non-vpc接口，那么就会造成流量黑洞。

  • PKL先故障，PL后故障：

    • PKL和PL同时down：未知的流量转发行为。

    • Primary Switch故障：Peer Link和Keepalive Link同时down，Secondary Switch会在等待超出3个Keepalive times后接替成为Operational Primary，no shutdown所有的Member Ports和SVIs，负责流量转发（需要开启Auto-Recovery）。

二、组合故障场景的解决方案

1、Object Tracking

Object Tracking用于当Peer Link和Uplink位于同一块线卡上，如果该线卡down，那么接入交换机上来的流量将被丢弃。Peer Link down，Keepalive检查后Secondary shutdown所有Member Ports和SVIs，流量只能从Primary转发，但是Primary的Uplink故障导致流量黑洞（南北向流量瘫痪）。

Object Tracking通过定义对象，并将对象关联到监控组中，执行实时监控。

2、Auto-Recovery

1）Auto-Recovery Feature 1

当Peer Link先故障，Secondary的Member Ports和SVIs全部被suspend，流量全部走Primary。随后Keepalive Link也故障，出现这种情况下思科认为是Primary整机故障，针对这种故障场景提出了Auto-Recovery特性来快速恢复流量转发。

Auto-Recovery特性1：Secondary等待连续的3 * Keepalive time，超时后将Secondary的所有suspend的Member Ports和SVIs启用，后续流量由Secondary转发。

2）Auto-Recovery Feature 2

当数据中心供电出现故障或者Primary和Secondary被意外断电恢复后，出现一台up，一台down的情况。针对这种故障场景提出了Auto-Recovery特性来快速恢复流量转发。

Auto-Recovery特性2：vPC Peer等待240s后，如果仍收不到对方的keepalive，则强制起vPC，执行流量转发。