SD-WAN 高可用怎么做?控制器、设备与链路冗余方案
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:
- 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。
- 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。
- 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:
- 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。
- 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。
- 断开一台分支 CPE,确认网关、路由和回程路径是否正常。
- 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。
- 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。
- 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
- Cisco Catalyst SD-WAN Design Guide
- Cisco Catalyst SD-WAN High Availability Configuration Guide, Release 26.x and Later - High availability
- Cisco Catalyst SD-WAN High Availability Configuration Guide, Release 26.x and Later
- Cisco Catalyst SD-WAN High Availability Configuration Guide, Release 26.x and Later - Resilient data plane for Cisco Catalyst SD-WAN