3. 物理层与链路故障诊断

在 Arista 数据中心网络中，物理层与链路层故障往往表现为“上层协议看起来正常，但业务时通时断”或“接口频繁 Up/Down”。这类问题的根因通常集中在光模块、DAC/AOC 线缆、FEC 协商、链路抖动以及 CRC 错误上。与路由协议故障不同，物理层故障的定位必须依赖接口计数器、光模块诊断和链路事件日志，而不是仅看路由表或邻居状态。

一、先分清四类物理介质与它们的故障特征

数据中心常见的物理连接包括：

• 光模块 + 光纤：如 10G/25G/100G/400G 光模块，故障多表现为收发光功率异常、DDM 告警、FEC 纠错计数上升。
• DAC（直连铜缆）：短距离机柜内互联，故障常表现为链路抖动、CRC 错误、接口反复 Up/Down，且通常不涉及光功率。
• AOC（有源光缆）：两端固定光模块，故障特征介于光模块与 DAC 之间，需关注模块温度与误码。
• 背板/连接器：机箱内部链路，故障多表现为特定端口 CRC 增长，需结合硬件告警定位。

判断时先看“是否有光功率可读”。DAC 没有光功率，若用 show interfaces transceiver 看不到 DDM 数据，属于正常现象，不应误判为模块故障。

二、用 show interfaces 与 counters 定位错误方向

第一步是确认接口状态与错误计数。典型命令如下：

show interfaces Ethernet1
show interfaces Ethernet1 counters errors
show interfaces Ethernet1 counters rates
show interfaces Ethernet1 transceiver
show interfaces Ethernet1 transceiver detail

重点观察以下字段：

• linkStatus：Up/Down 状态及翻转次数。
• inErrors / outErrors：接收/发送方向错误。
• fcsErrors（CRC）：帧校验错误，通常指向物理链路质量。
• alignmentErrors：对齐错误，常与编码/FEC 相关。
• symbolErrors：符号错误，PAM4 高速链路中尤为关键。

判断方向的原则是：本端 inErrors 增长，问题多在上游发送端或本端接收侧；本端 outErrors 增长，问题多在本端发送侧或下游接收端。若两端同时出现 CRC，则优先怀疑中间链路（光纤、连接器、DAC 本体）。

三、FEC 与链路抖动的关系

25G/100G/400G 链路普遍启用 RS-FEC 或 Firecode FEC。FEC 本身不是故障，但 FEC 纠错计数持续上升说明链路误码已接近纠错上限，一旦超过阈值就会表现为“链路抖动”或接口 Down/Up。可用以下命令查看：

show interfaces Ethernet1 counters detailed
show interfaces Ethernet1 phy
show interfaces Ethernet1 fec

若 fecCorrected 持续增长而 fecUncorrected 为 0，说明链路仍在纠错范围内，但已存在劣化趋势；若 fecUncorrected 增长，则通常伴随 CRC 和丢包，需立即排查光功率或更换线缆。

四、光模块诊断：DDM 与告警阈值

光模块的 DDM（数字诊断监控）提供 Rx Power、Tx Power、温度、电压和偏置电流。使用 show interfaces Ethernet1 transceiver detail 可看到当前值与告警/告警阈值。典型判断如下：

• Rx Power 低于告警下限：接收光功率不足，常见于光纤脏污、弯曲半径过小、连接器未插紧或对端发送模块老化。
• Tx Power 异常：本端发送模块故障或驱动电路异常。
• 温度超过告警阈值：模块散热不良，可能导致误码率上升和链路抖动。
• 偏置电流异常升高：激光器老化，需更换模块。

示例：某 100G 链路出现间歇性丢包，show interfaces Ethernet1 transceiver detail 显示 Rx Power 为 -14.2 dBm，而告警下限为 -13.0 dBm，同时 fecCorrected 持续增长。此时应优先清洁光纤端面并检查连接器，若仍不恢复则更换光纤或对端模块。

五、DAC/AOC 与链路抖动

DAC 和 AOC 没有光功率可读，诊断重点在 CRC、symbolErrors 和接口翻转。若某端口 fcsErrors 持续增长且两端均为 DAC，常见原因包括：

• 线缆长度超过规格（如 3m DAC 用于 5m 场景）。
• 连接器松动或针脚氧化。
• 端口与线缆速率/编码不匹配（如 25G DAC 接 10G 端口）。
• 机柜内温度过高导致信号完整性下降。

链路抖动（flapping）通常表现为 linkStatus 在 Up/Down 之间反复切换。此时应查看 show logging 或 show interfaces Ethernet1 中的事件计数，确认是否与 FEC 失步、光功率瞬降或线缆接触不良相关。若抖动与特定时间段吻合，还需排查环境温度或电源波动。

六、实操排查顺序与判断依据

建议按以下顺序执行，避免盲目更换硬件：

1. 确认接口状态与翻转次数，记录 linkStatus 变化。
2. 查看 counters errors，区分 inErrors 与 outErrors。
3. 查看 transceiver detail，确认光功率、温度是否在阈值内。
4. 查看 FEC 计数，判断链路是否处于纠错边缘。
5. 若为 DAC/AOC，检查线缆规格、长度与连接器。
6. 清洁或更换光纤/线缆后，复测 counters 与 FEC 趋势，确认错误停止增长。