📚 课程目录第4章链路质量探测与实时监测

4. 链路质量探测与实时监测

SD-WAN选路的前提是“知道每条链路此刻好不好”。如果控制器只依赖接口UP/DOWN或静态带宽，就无法在丢包突增、时延抖动或ISP绕行时及时切换。链路质量探测要解决三个问题：探测什么指标（时延、抖动、丢包、带宽、可用性）、用什么机制探测（BFD、IP SLA、TWAMP、主动/被动监测）、以多大频率探测（精度与开销的权衡）。

一、机制定位：从快速故障检测到精细质量测量

BFD（Bidirectional Forwarding Detection）是轻量级双向转发检测，通常以UDP 3784/4784封装，在毫秒级发送短小探测包，用于快速判断路径是否“活着”。它擅长故障检测，但本身不直接给出精确时延和抖动，除非扩展STAMP。IP SLA是Cisco体系中的主动探测框架，可通过ICMP Echo、UDP Jitter、TCP Connect等操作测量RTT、抖动、丢包和连通性，适合作为SD-WAN的SLA探针。TWAMP（Two-Way Active Measurement Protocol）是标准化的双向主动测量协议，分为控制连接和测试会话，能提供更规范的双向时延、抖动和丢包统计，常用于跨厂商环境。被动监测则不注入额外探测包，而是通过NetFlow/IPFIX、接口计数器、应用响应时间或DPI数据推断质量，开销低但采样粒度受流量分布影响。

二、探测频率与开销的权衡

探测频率越高，故障发现越快，但探测包本身会占用带宽、消耗CPU，并可能被误判为攻击流量。以BFD为例，若发送间隔为100ms、检测倍数为3，则约300ms未收到回应即判定故障；若间隔改为1s、倍数3，则需3s。对于语音和视频，通常要求故障切换在200ms~500ms内完成，因此BFD间隔常设为50~150ms。但若在100条链路上同时以100ms发送64字节BFD包，每条链路每秒约10个包、640字节，100条链路合计约64KB/s，带宽开销可忽略，但设备CPU和会话表压力会上升。

IP SLA的UDP Jitter操作默认每60秒发送一组探测，每组包含若干包，用于计算抖动。若将频率提高到每10秒一次，虽然能更快发现质量劣化，但探测流量和控制器采集频率同步增加。实际部署中，建议对关键链路采用“BFD快速检测 + IP SLA分钟级质量采样”的组合：BFD负责秒级故障切换，IP SLA负责SLA趋势和选路评分。TWAMP则适合对测量精度要求高、且需要跨厂商互操作的场景，其控制连接建立后，测试会话可按需启动，频率可配置为1~30秒。

经验参考：BFD间隔50~150ms用于实时业务链路；IP SLA间隔30~60s用于质量趋势；TWAMP间隔1~10s用于精细SLA验证。所有频率需结合设备规格和链路数量做容量核算。

三、质量指标采集与可视化

探测产生的原始数据需要经过采集、聚合、存储和展示。以IP SLA为例，设备端通过show ip sla statistics可查看最新RTT、丢包和抖动；SD-WAN控制器通常通过NETCONF/gRPC或SNMP定期拉取，写入时序数据库（如Prometheus、InfluxDB），再以Grafana或内置仪表盘展示。关键指标包括：RTT均值、P95/P99、抖动、丢包率、可用性和MOS估值。可视化时，建议按链路维度绘制时序曲线，并用红/黄/绿着色表示SLA状态。

# 示例：IP SLA UDP Jitter 配置片段（Cisco IOS-XE）
ip sla 100
 udp-jitter 10.10.10.2 16384 source-ip 10.10.10.1 num-packets 20 interval 20
 frequency 30
ip sla schedule 100 life forever start-time now

# 查看统计
show ip sla statistics 100
# 输出关注：RTT Min/Avg/Max、Jitter、Packet Loss

被动监测方面，NetFlow/IPFIX可提供流级字节数、包数和时间戳，但无法直接给出单向时延。若结合TCP时间戳或应用层响应时间，可估算部分质量指标。被动监测的优势是零探测开销，适合高带宽链路或探测受限环境；劣势是当流量稀疏时，采样不足会导致指标失真。因此，实际SD-WAN常采用“主动探测为主、被动监测为辅”的混合模式。

四、一个可落地的监测策略示例

假设某企业有两条互联网链路：MPLS主链路和5G备用链路。策略如下：对MPLS链路启用BFD，间隔100ms、倍数3，用于快速切换；同时启用IP SLA UDP Jitter，每30秒探测一次，采集RTT、抖动和丢包；对5G链路启用TWAMP，每5秒测量一次，因为5G质量波动较大。控制器每10秒聚合一次数据，若MPLS的丢包率连续3个周期超过1%或RTT超过150ms，则将语音流量切换至5G；若5G的抖动超过30ms，则仅切换非实时流量。所有指标在仪表盘上以链路为行、时间为列展示，并保留7天历史数据用于复盘。

注意：BFD和IP SLA探测包应标记DSCP EF或AF41，确保在网络拥塞时仍能获得优先转发，否则探测结果可能因探测包被丢弃而误判链路故障。

总结来看，链路质量探测不是单一机制的选择，而是“快速故障检测 + 精细质量测量 + 低开销被动补充”的组合。BFD解决“通不通”，IP SLA和TWAMP解决“好不好”，被动监测解决“省不省”。频率设置要在业务切换要求和设备开销之间找到平衡点，采集到的指标必须经过聚合和可视化，才能真正驱动SD-WAN的智能选路。