3. 诊断工具链与数据采集方法
网络层排错，说白了就是跟 IP 地址、路由表和路由协议打交道。很多刚入行的兄弟觉得这层最抽象，抓包也看不懂。我做了十几年网络，踩过的坑比走过的桥还多。今天咱们就聊聊网络层那些让人头疼的问题，怎么快速定位，怎么彻底解决。
核心观点：网络层排错的核心是“三层可达性”。只要 IP 地址配对了，路由表写对了，数据包就能找到路。否则，一切上层应用都是空中楼阁。
3.1 IP地址规划与子网掩码错误
IP 地址规划是网络设计的第一步，也是最容易出低级错误的地方。我见过太多因为子网掩码写错导致全网瘫痪的案例。
3.1.1 常见错误类型
- 子网掩码不匹配：同一网段的两台设备，掩码不一致，导致它们认为对方不在同一个广播域。
- IP 地址冲突：两台设备配置了相同的 IP，ARP 表会反复震荡，丢包是家常便饭。
- 默认网关错误：网关 IP 写错了，或者网关设备没配回程路由，数据包有去无回。
- VLAN 与子网对应错误：VLAN 10 配了 192.168.10.0/24，结果交换机端口划到了 VLAN 20，设备能获取 IP 但出不去。
3.1.2 排错方法论
遇到 IP 地址相关的问题，我习惯按这个顺序查：
- 检查本机配置：
ipconfig（Windows）或ifconfig（Linux），确认 IP、掩码、网关是否正确。 - 验证同网段通信：Ping 一下网关，如果不通，大概率是二层问题或 IP 冲突。
- 检查 ARP 表：
arp -a看看网关的 MAC 地址是否正常。如果 MAC 地址一直在变，说明有 IP 冲突。 - 跨网段测试：Ping 远端 IP，如果不通，检查路由表和网关配置。
避坑指南：我曾经在一个数据中心项目里，所有服务器都配了 /24 的掩码，但核心交换机上用的是 /16。结果服务器之间通信时，数据包直接扔给了网关，网关又扔回来，形成了路由环路。排查了整整一天，最后发现是掩码不一致导致的。从那以后，我要求所有设备必须使用统一的掩码规划。
3.2 路由表分析与静态路由配置
路由表是网络层的核心。数据包怎么走，全看路由表怎么说。我经常跟团队说：“路由表就是网络的地图，地图错了，车肯定到不了目的地。”
3.2.1 路由表结构解析
一条典型的路由条目包含以下字段：
| 字段 | 说明 | 排错关注点 |
|---|---|---|
| 目标网络 | 目的 IP 地址范围 | 是否包含目标主机 |
| 下一跳 | 数据包要发给谁 | 下一跳是否可达 |
| 出接口 | 从哪个接口发出去 | 接口是否 up |
| 路由优先级 | 直连 < 静态 < OSPF < BGP | 是否存在更优路由 |
| 度量值 | 到达目标的“距离” | 是否选择了最优路径 |
3.2.2 静态路由配置排错
静态路由配置简单，但容易出错。常见的坑有：
- 下一跳不可达：下一跳 IP 没有直连路由，或者对端设备没配回程。
- 出接口错误：指定了错误的出接口，导致数据包从错误的端口发出。
- 路由黑洞：汇总路由覆盖了不存在的子网，导致数据包被丢弃。
注意：配置静态路由时，我建议尽量使用“下一跳 IP”而不是“出接口”。因为如果出接口是广播型接口（如以太网），路由器需要先做 ARP 解析，增加了排错复杂度。用下一跳 IP 更直观，也更容易排查。
3.2.3 路由表排错实战
假设你 Ping 不通远端 10.1.1.1，可以按以下步骤排查：
- 查看路由表：
show ip route（Cisco）或ip route（Linux），确认是否有到 10.1.1.0/24 的路由。 - 检查下一跳：Ping 下一跳 IP，如果不通，检查直连链路。
- 跟踪路径：用
traceroute看数据包走到哪一步断了。 - 检查回程路由：很多时候是回程路由没配，数据包能去不能回。
经验之谈：我记得有一次，客户说两个分公司之间 VPN 不通。我查了路由表，发现去程路由没问题，但回程路由指向了错误的下一跳。原因是分公司 A 的静态路由写的是分公司 B 的出口 IP，但分公司 B 的出口 IP 已经变更了。这种问题，用 traceroute 一看就明白了。
3.3 动态路由协议（OSPF/BGP）邻居故障
动态路由协议比静态路由复杂得多。邻居关系建立不起来，是排错的重灾区。我见过最离谱的一次，是 OSPF 邻居因为 MTU 不匹配，卡在 ExStart 状态整整两天。
3.3.1 OSPF 邻居故障排错
OSPF 邻居状态机有 8 个状态，排错时重点关注以下几个：
| 状态 | 含义 | 常见故障原因 |
|---|---|---|
| Down | 未收到任何 Hello 包 | 接口 down、ACL 过滤、Hello 间隔不匹配 |
| Init | 收到 Hello，但未看到自己 | 单播邻居配置错误、网络类型不匹配 |
| 2-Way | 双向通信建立 | 正常，但 DR/BDR 选举可能有问题 |
| ExStart/Exchange | 正在交换 DD 报文 | MTU 不匹配、Router ID 冲突 |
| Loading | 正在同步 LSA | 网络拥塞、LSDB 过大 |
| Full | 邻接关系建立 | 正常 |
排错命令：show ip ospf neighbor 查看邻居状态；debug ip ospf adj 查看邻居建立过程。注意，生产环境慎用 debug，会撑爆 CPU。
3.3.2 BGP 邻居故障排错
BGP 邻居故障比 OSPF 更隐蔽，因为 BGP 是基于 TCP 的。TCP 连接都建立不起来，BGP 邻居肯定起不来。
- TCP 连接问题：检查是否能 Telnet 对端的 BGP 端口（179）。如果不通，检查 ACL、防火墙规则。
- Update-Source 错误：BGP 更新源必须是建立 TCP 连接的接口 IP。如果用了 Loopback 接口，必须配置
update-source。 - EBGP 多跳问题：EBGP 默认 TTL 为 1，如果邻居不是直连，需要配置
ebgp-multihop。 - AS 号错误：对端配置的 AS 号与本地期望的不一致，邻居会卡在 Active 状态。
我曾经踩过的坑：有一次配置 BGP 联邦，两个子 AS 之间建立 EBGP 邻居，结果一直卡在 Active 状态。查了半天，发现是联邦 ID 配置错了。BGP 的排错，一定要先确认 TCP 通不通，再查 BGP 配置。顺序错了，容易走弯路。
3.4 ICMP协议与Ping/Traceroute排错
ICMP 是网络层排错最常用的工具。Ping 和 Traceroute 都基于 ICMP，但很多人只会用，不会看结果。
3.4.1 Ping 的排错技巧
Ping 不通，不代表网络一定有问题。ICMP 报文可能被防火墙过滤，或者被限速。我习惯用以下方法判断：
- Ping 回环地址：
ping 127.0.0.1，确认本机协议栈正常。 - Ping 本机 IP：确认网卡和 IP 配置正常。
- Ping 网关：确认二层链路和 ARP 正常。
- Ping 远端 IP：确认三层路由正常。
如果 Ping 远端不通，但网关能通，问题大概率在路由或 ACL 上。
3.4.2 Traceroute 的排错技巧
Traceroute 利用 TTL 超时机制，逐跳显示路径。排错时重点关注：
- 哪一跳开始超时：如果第 3 跳超时，问题可能在第 3 跳设备或链路上。
- 路径不对称：去程和回程路径不一致，可能导致防火墙丢包。
- 星号（*）过多：可能是设备不响应 ICMP 超时报文，或者链路有丢包。
实战案例：有一次客户反馈访问某网站慢。我用 traceroute 一看，发现数据包绕了半个中国，走了 20 多跳。正常路径应该只有 5 跳。后来发现是 BGP 路由选路出了问题，导致流量走了备份链路。调整了 BGP 的 Local Preference 后，问题解决。
3.5 本章知识体系图
下面这张图总结了网络层排错的核心逻辑，从 IP 地址规划到路由协议，再到 ICMP 工具的使用。建议你保存下来，排错时对照着看。
3.6 本章小结
网络层排错，说白了就是三件事：IP 地址对不对、路由表准不准、路由协议稳不稳。掌握了这三块，再配合 Ping 和 Traceroute 这两个工具，大部分问题都能在 10 分钟内定位。
嗯，这里要提醒一句：排错时别急着动配置。先看现象，再分析原因，最后动手改。我见过太多人一上来就改路由、重启设备，结果问题没解决，反而搞出了新故障。