故障排查方法
简单的来说,故障排错的方法很简单:说明问题,分析问题,解决问题。在这三个步骤中,分析问题花费的时间最多,说明问题却最容易被我们忽略,而解决问题则相对简单。
 
  • 说明问题
当问题发生后,我们应该做的第一件事是尽快收集信息,确定问题的现象以及造成的影响。有时候,我们还需要利用一些工具做一些对比测试,以进一步对问题进行确认。
通常情况下,我们可以通过回答以下问题来对问题进行进一步的定位:

·   出现问题的是一直在用的应用还是新上线的应用?

·   在问题出现之前一段时间,网络或应用是否进行过调整?

·   什么类型的应用出了问题?对应的VIP地址是什么?可能的话,判断可能出问题的功能模块。

·   确定问题发生的频度,是经常发生,偶尔发生还是总是发生?

·   确定问题的影响范围,是所有用户都遇到同样的问题,还是只有某些固定的用户遇到问题,还是部分用户(不固定)遇到这样的问题?

  • 分析问题
通过分析上述问题的答案,我们可能对问题有一个初步的判断。并大致的对问题进行定位。我们假设可能导致问题的种种原因,并通过进一步的信息收集,或采用工具来做一些简单的测试,验证自己的猜想。当测试的结果与自己的猜想一致时,你可能就找到的导致问题的原因。
这个方法很简单,但是却需要工程师对相关的网络知识有比较深入的理解——注意,我这里用得是“理解”二字。因为,只有你真正理解了这些基本的原理,分析问题时才会得心应手。
在这里,我跟大家分享一个“简单”的训练方法,能够帮助我们更加深入的理解网络中的这些基本原理。
想象一下,这个网络中只有三个简单的元素:客户端PC、交换机、Web服务器。如果客户端通过浏览器来访问服务器,你能否充分发挥你的想象能力,想象一下整个数据在终端、交换机、服务器上的处理流程?
 
最简化版:
客户端发送HTTP请求,通过交换机转发至Web服务器,然后Web服务器响应请求。
 
这种描述方式可能是最简单的了,但是,对于网络工程师来说,却是无用了。我们可以对这个描述进行一些细化:
 
简单版:

·  客户端首先与服务器建立TCP连接

·  客户端在该TCP连接中发送HTTP请求

·  服务器收到请求后,将响应内容返回给客户端

 
有点意思了。至少,我们知道HTTP请求是封装在TCP协议里的。还能再细化一点吗?当然可以。
 
TCP交互版:

·  客户端首先向服务器发送TCP SYN数据包,请求建立TCP连接。

·  服务器返回客户端SYN+ACK

·  客户端向服务器发送ACK数据包,TCP三次握手成功。

·  客户端向服务器发送HTTP请求

·  服务器向客户端返回ACK数据包,确认请求收到。

·  服务器向客户端返回响应内容。

·  客户端向服务器返回ACK数据包,确认响应内容收到。

·  服务器响应内容发送完毕,发送FIN1来终结TCP连接

·  客户端收到FIN1后,应答FIN1+ACK,并发送FIN2关闭TCP连接

·  服务器收到FIN2后,应答FIN2+ACK,TCP连接关闭

 
在这个版本中,我们已经比较清晰的分析了TCP协议的交互过程。还能再进一步细化吗?回答是:当然可以。这一次,我们将加入二层的一些交互分析。
 
ARP交互版:
想象一下,你的PC客户端是一台刚刚开机,配置了静态IP地址。当你在浏览器中输入服务器地址时,PC、交换机、服务器之间会怎么交互呢?

·  PC会根据自己的掩码和地址,来判断你要访问的服务器IP地址与自己是否属于同一网段。

·  如果属于同一网段,则查询本地的ARP缓存,查×××器IP对应的MAC地址。

·  如果找不到,PC会通过网卡发送一个ARP查询广播报文,源MAC为自身,目标MAC为FF:FF:FF:FF:FF:FF。

·  服务器收到了这个ARP的查询广播后,会通过单播的方式,向PC终端发送一个ARP查询应答,告诉PC,自己就是它要找的那台服务器。

·  PC收到ARP应答后,会将该IP与MAC的对应关系放入自己的ARP缓存系统中。

·  然后,PC会将TCP SYN封装成数据帧,目的MAC为服务器MAC地址,并将该数据帧转发给交换机。

·  同样,交换机在收到各种数据帧后,会将源MAC与端口的对应关系,放入自己的MAC-ADDRESS-TABLE中。这样,下次再收到数据帧后,查询自己的MAC与端口对应关系表,就可以进行快速转发了。

·  交换机将TCP SYN数据帧转发至服务器所在的端口。

·  服务器收到TCP SYN之后,后续将按照前面所描述的那样,二者之间进行三次握手、发请求、响应、关闭连接。

 
当然,这里只有简单的三个元素,在复杂的网络环境中,你可以想象网络中的数据从PC生成,在各种设备中的处理过程。你想的越仔细,那么,你就越容易找到可能导致问题的原因。
 
当然,在真正出现问题时,我们需要在最短的时间内找到导致问题的原因。因此,你可以对这些交互过程进行一些简化,重点对你怀疑的环节进行分析,尽量弄清楚设备在这个环节上的处理规则,并通过设计一些小的实验来验证自己的猜想。
 
  • 解决问题
找到了导致问题的原因,那么解决问题就相对比较简单了。当然,有时候,受限于当时的环境和条件,我们可能无法彻底解决问题,那么,也可以采用一些临时的解决方案,来临时的解决问题,这个就要针对具体的问题具体分析了。
 
常见的故障排查原则

· 自底向上的排查方法

自底向上的排查方法与网络协议的分层设计有关,从物理层开始,逐层向上进行排查,并逐层排除可能导致问题的原因。比如:用户报告说无法访问服务器了,那么,从服务器与交换机的连接线开始,首先查看物理层的端口的状态指示灯,然后检查交换机、服务器上的链路状态,然后检查ARP表、路由表等等,这样一层层向上进行排查,并最终对问题进行定位。

· 分而治之的排查方法

在某些比较大的网络中,自底向上的排查方法可能会显得比较复杂,因此,可以采用ping的方式,对可能出现问题的层次进行判断。如果能够ping通,至少说明网络层以下是没有问题的,问题可能出现在上层;否则,如果ping不通,则说明问题可能出现在网络层以下。

· 数据流追踪法

对于负载均衡设备来说,大部分的问题可能都是来自于网络层之上的。因此,通过抓包工具来追踪数据流的处理过程,对于故障排查排查和分析来说,也是一个非常有效的方法。

· 配置比较法

有时候,如果怀疑配置可能有变化,那么,与原来备份的配置进行一些比较,也许也能够找到一些线索。

· 模块替换法

模块替换法经常用于可疑的硬件故障。比如:通过替换光模块,我们可以判断是否是光模块的损坏而导致的问题。