Sailing - SD-WAN | 更加可靠的互联网接入方案返回首页

SD-WAN 高可用怎么做?控制器、设备与链路冗余方案

更新于 2026-11-16 · sailingnet.shop

简答:SD-WAN 高可用不能只做双线路:常见单点包括控制器、分支或中心 CPE、运营商和机房。先按故障域拆分,再用控制器冗余、双设备、多链路和 BFD/SLA 探测组合,并通过断链、断电、控制器不可达和链路劣化演练验证切换。

定义:SD-WAN 高可用是通过控制平面、边缘设备和底层 WAN 链路的冗余设计,让单个组件或故障域失效后,网络仍能维持转发或在可接受窗口内恢复。

先判断:你要防的是哪一种单点故障

以下内容以 2026-11-16 核对的公开页面为准。SD-WAN 高可用不是简单增加设备数量,而是让冗余组件位于不同故障域,并明确故障发生后由谁检测、谁接管、哪些会话可能重建。

建议先画出四类平面:管理平面负责配置和监控,控制平面负责拓扑与策略,数据平面负责转发,Underlay 则是承载 Overlay 隧道的底层线路。Cisco 的设计资料也将编排、管理、控制和数据平面分开说明,可作为通用分析框架,但具体实现仍需以所选平台和版本为准。Cisco Catalyst SD-WAN Design Guide

  • 控制器故障:设备可能失去部分控制连接,但已有数据隧道是否继续工作,要看平台的控制平面和数据平面机制。
  • CPE 或中心设备故障:需要另一台设备、另一组隧道或网关冗余承担转发。
  • 单 WAN 故障:通过另一运营商、另一接入介质或另一传输颜色切换。
  • 机房、云区或运营商故障:只有把组件和线路分布到不同故障域,才可能避免同一事件同时击穿主备。

先试这一步:把每个组件后面写上“同机房/同电源/同运营商/同 NAT/同云区”标签。如果主备共享其中任意一个关键条件,它们通常只能算设备冗余,不是完整的故障域隔离。

三层高可用架构:控制器、设备、链路分别怎么冗余

第一层是控制器或编排组件。控制器应至少分布在两个相互独立的位置,并让分支的控制连接跨位置建立。Cisco 26.x 及以后高可用页面自述:一个域可部署两个或更多 SD-WAN Controller,单个 Cisco IOS XE SD-WAN 设备默认连接其中两个;控制器组亲和性还可以把设备连接分配到不同位置。Cisco Catalyst SD-WAN High Availability Configuration Guide, Release 26.x and Later - High availability

第二层是 WAN Edge、CPE 或中心网关。分支和中心都可能部署双设备。两台设备应获得一致的路由和策略,并分别连接不同的传输、交换机、电源或防火墙路径。中心双设备不代表所有流量都要双活;主备更易控制,负载分担则需要额外验证状态同步、回程路径和故障后的容量。

第三层是 Underlay 链路。双 WAN 的价值取决于物理路径是否独立。两条线路如果共用同一运营商、同一入楼光缆、同一边界防火墙或同一 NAT,遇到上游故障时可能同时中断。多链路策略还应结合延迟、丢包、抖动和应用 SLA,而不是只按接口是否 Up 做切换。可以参考站内的SD-WAN 多链路与智能选路说明。

一个厂商中立的参考拓扑是:分支双 CPE,分别接运营商 A 和运营商 B;中心部署两台网关,分处不同机柜或故障域;控制器分布在两个位置;关键业务使用双隧道或应用级选路;管理面单独保留带外访问或应急入口。

主备、集群、双活、多链路:方案怎么选

下面的比较只描述常见设计取舍,不代表所有厂商的功能名称或实现方式。成本按相对投入理解,实际还要结合授权、设备型号、线路资费和运维能力核算。

如果业务主要是普通办公,通常先保证故障域隔离和可验证的主备切换;如果是数据中心、语音视频或跨地域业务,再考虑双活、负载分担和应用级冗余。

切换机制:BFD、SLA 与控制平面中断要分开看

BFD 通常用于数据平面隧道的快速存活检测,不能等同于控制器连接检测。Cisco 公开资料说明,BFD 默认运行在 Cisco IOS XE SD-WAN 设备之间的 IPsec 数据隧道上,而不是控制器建立的 DTLS 或 TLS 控制连接上。Cisco Catalyst SD-WAN High Availability Configuration Guide, Release 26.x and Later

因此,验收时至少拆成三类信号:

  1. 硬故障:接口、设备或隧道完全不可达,重点观察检测时间、丢包窗口和下一条路径建立时间。
  2. 灰度故障:链路仍然 Up,但延迟、丢包或抖动超过业务阈值,重点观察应用级选路是否生效,以及是否发生频繁回切。
  3. 控制平面故障:控制器不可达但 Underlay 仍可用,重点确认已有数据流是否继续转发、路由是否保持,以及恢复后是否自动回归正常 Overlay。

部分平台提供独立的 resilient data plane:在控制组件不可达但到中心仍有底层路径时,使用独立配置的 IKEv2/IPsec 隧道和 BGP 维持业务连接。Cisco 页面明确标注该功能的支持平台、版本和限制,不能直接泛化到其他产品。Cisco Catalyst SD-WAN High Availability Configuration Guide, Release 26.x and Later - Resilient data plane for Cisco Catalyst SD-WAN

配置或验收前,可先阅读站内的SD-WAN SLA 阈值设置方法与SD-WAN 自动故障切换验证步骤,把阈值、检测时间和回切条件写成测试项,而不是只观察“线路是否恢复”。

容量规划:按故障后状态计算,不按正常峰值计算

高可用架构最容易被忽略的是故障后的剩余容量。双设备或双线路在正常状态下看起来有余量,但一条路径退出后,剩余组件可能同时承担更多吞吐、隧道和控制连接。

  • 吞吐量:按关键业务峰值和加密开销估算,验证单设备或单链路退出后的剩余能力。
  • 隧道数量:统计分支到中心、分支到分支、云网关和备用隧道数量,并确认设备型号的并发限制。
  • 控制连接:确认每台设备与控制器的连接数量、控制器组分布和升级期间的迁移行为。
  • 线路冗余:不要只把两条带宽相加,应分别计算任一路径退出后可承载的关键业务。
  • 设备资源:观察 CPU、内存、加密吞吐、接口队列和会话数,故障演练时记录峰值。

对于大型网络,控制器数量、设备上限和隧道规模必须以具体平台的版本文档、型号规格和测试结果为准,当前资料未核实其他厂商的统一数量上限。可以配合站内的SD-WAN 监控指标清单建立基线。

高可用验收:至少做六类故障演练

上线前不要只做拔掉一根网线的测试。建议把下列场景写入变更计划,并记录检测、切换、恢复和回切四个时间点:

  1. 关闭一条 WAN 链路,确认业务是否迁移到另一运营商或接入介质。
  2. 让链路保持 Up,但人为制造延迟、丢包或抖动,确认 SLA 选路是否触发。
  3. 断开一台分支 CPE,确认网关、路由和回程路径是否正常。
  4. 关闭一台中心设备或中心网关,确认分支是否能连接备用中心。
  5. 阻断控制器连接但保留 Underlay 到中心的路径,确认数据平面行为是否符合平台设计。
  6. 逐台升级或重启控制组件,确认控制器组、亲和性和设备重新上线过程。

验收结果至少包括:业务是否中断、丢失多少会话、切换花费多长时间、恢复后是否自动回切、是否出现路由环路、是否发生频繁抖动,以及故障后的 CPU、内存和链路利用率。若涉及 BGP,可进一步检查邻居状态和路由收敛,参考站内的SD-WAN BGP 配置与验证方法。

安全方面,不要把管理接口、控制器、监控端口或带外入口直接暴露到公网;应使用访问控制、专用管理网络、证书或密钥轮换,并为演练保留回滚配置。

SD-WAN 高可用冗余方案对比

方案适用条件优点主要限制相对投入
主备普通分支、对切换复杂度要求较低拓扑和故障边界清晰,策略较容易验证备用资源在正常状态下利用率较低,切换时可能重建部分会话低到中
集群控制器或管理组件需要横向扩展与节点故障隔离可分散控制连接,单节点故障影响较小需要关注成员一致性、容量分配、升级顺序和版本兼容中到高
双活或负载分担中心、云网关或高吞吐站点需要同时利用多台设备资源利用率较高,可分摊流量回程路径、状态同步、会话保持和故障后的容量验证更复杂高
双设备网关分支或中心存在设备单点风险可覆盖设备、电源、接口或局部机柜故障若共用同一交换机、运营商或防火墙,故障域仍未完全隔离中
多链路冗余站点需要应对运营商、接入介质或局部线路故障可结合 BFD、SLA 和应用策略动态选路两条线路若共享上游路径,实际独立性可能不足;带宽需按故障后计算中到高

常见问题

SD-WAN 高可用是不是配置两条宽带就够了?

不够。双 WAN 只能覆盖部分链路故障,仍需检查 CPE、中心网关、控制器、交换机、电源、运营商和 NAT 是否存在共同故障域。两条线路共用同一上游路径时,独立性也需要进一步核实。

控制器不可达时,SD-WAN 业务一定会中断吗?

不一定。已有数据隧道是否继续转发取决于平台的控制平面和数据平面机制、路由保持方式以及故障持续时间。部分平台提供独立的备用隧道或 resilient data plane,但支持版本、设备型号和配置限制必须按官方资料核对。

主备和双活应该怎么选?

普通分支通常先选择主备,重点做好故障检测、回切和容量余量;中心、云网关或高吞吐站点才考虑双活或负载分担。双活并不自动代表更可靠,还要验证状态同步、回程路径和单节点故障后的资源是否足够。

BFD 能检测所有 SD-WAN 故障吗?

不能。BFD主要用于数据平面隧道或链路存活检测,不能替代控制器连接、设备资源、路由策略和应用体验检查。链路没有完全中断但延迟、丢包或抖动升高时,还需要结合 SLA 和应用级选路验证。

高可用验收应该记录哪些指标?

至少记录故障检测时间、切换时间、丢包窗口、会话是否保持、业务恢复时间、回切时间、路由收敛、CPU/内存峰值和是否出现频繁切换。不同业务应分别验收,不能只用 Ping 判断整体可用性。

相关阅读

参考资料

  1. Cisco Catalyst SD-WAN Design Guide
  2. Cisco Catalyst SD-WAN High Availability Configuration Guide, Release 26.x and Later - High availability
  3. Cisco Catalyst SD-WAN High Availability Configuration Guide, Release 26.x and Later
  4. Cisco Catalyst SD-WAN High Availability Configuration Guide, Release 26.x and Later - Resilient data plane for Cisco Catalyst SD-WAN