Sailing - SD-WAN | 更加可靠的互联网接入方案返回首页

SD-WAN 怎么做网络基线?延迟、丢包与抖动基准建立方法

更新于 2026-11-09 · sailingnet.shop

简答:SD-WAN 网络基线不要直接套用固定阈值。先统一 Underlay、Overlay、隧道和应用层的测量口径,再按工作日与业务高峰采集数据,用中位数、P95/P99和异常比例形成基线,最后通过测试规则验证阈值后再用于告警和选路。

定义:SD-WAN 网络基线,是在明确测量路径、探测方式、时间窗口和业务场景后,对延迟、丢包、抖动及可用性进行持续统计,用来描述网络的正常表现范围。

先定口径:三项指标测的不是同一件事

如果不同设备分别测公网地址、隧道对端和应用服务器,最后把结果放在同一张图里比较,基线很容易失真。建立 SD-WAN 基线前,先记录“在哪里测、测到哪里、使用什么协议、代表什么业务”。截至 2026-11-09,公开厂商资料普遍将延迟、抖动和丢包作为路径质量或 SLA 的基础指标,但具体算法、窗口和阈值仍会因平台而异。

指标本文统一定义适合回答的问题常见误区
延迟往返时延 RTT,即探测包发出到收到响应的时间这条路径访问对端需要多久把 RTT 当成单向时延,或忽略探测目标位置
丢包发送探测包中未收到响应的比例链路是否存在持续或突发丢包只看平均值,忽略短时连续丢包
抖动延迟随时间变化的程度实时语音、视频是否可能出现不稳定把一次延迟尖峰直接当成长期抖动
应用体验真实业务请求、会话或文件传输的表现用户实际是否卡顿、超时或重传认为 ICMP 探测结果等于应用体验

例如,Palo Alto Networks 明确说明,其 SD-WAN 探针测量的是 ICMP 探测包,而不是实际业务包;探针异常可以提示路径质量问题,但不能单独证明所有应用都受到相同影响。Palo Alto Networks:SD-WAN 延迟、抖动和丢包排查

因此,建议至少分成四层记录:Underlay 底层接入链路、Overlay 隧道、站点到站点端到端路径,以及关键应用路径。四层数据可以互相印证,但不要混成一个平均数。

三步建立可比较的 SD-WAN 网络基线

第一步:固定探测点、目标和协议

  1. 探测点:优先从实际转发流量的 SD-WAN 边缘设备或隧道端点发起探测,不要只在办公电脑上测试。
  2. 目标地址:分别准备运营商或链路侧目标、远端站点网关、云服务或应用入口。目标应稳定、可长期访问,并记录地域与运营商。
  3. 探测协议:ICMP 适合观察基础连通性;当 ICMP 被阻断或不能代表业务时,可使用 TCP 探测或应用层请求。Stormshield 的技术说明同时列出 ICMP 和 TCP Probe 两种检测方式,并建议根据目标是否允许 ICMP 进行选择。Stormshield:SD-WAN 选择最佳网络链路
  4. 包大小:记录探测包大小和是否设置 DF。若正在排查 MTU,不要只使用默认小包,应增加一组接近业务报文大小的测试。
  5. 业务映射:将探测目标与语音、视频会议、ERP、远程桌面、SaaS 和文件传输等业务关联,避免只建立“全网一个基线”。

第二步:连续采集并区分时段

建议先建立至少一个完整业务周期的数据集,再决定阈值。实际周期可按组织的工作日、周末、月末结算、夜间备份和业务高峰划分;如果业务变化明显,应延长观测时间,而不是用一次测速结果代表正常状态。

每条记录至少包含:日期、时间、站点、出口、目标地址、协议、包大小、样本数、平均 RTT、中位数、P95、P99、最大值、丢包率、抖动、链路状态、是否发生切换,以及当时的业务事件。Stormshield 文档说明,其抖动和丢包统计可基于过去 10 分钟的测量值计算;ThousandEyes 文档也展示了按 10 分钟聚合探针结果的做法。这些是平台的统计方式,不应直接当成所有设备都必须采用的统一标准。Stormshield 指标与 10 分钟统计说明 ThousandEyes:网络质量与探针聚合方式

第三步:清洗异常,再发布基线

不要看到最大延迟就把它直接写进 SLA,也不要未经说明地删除异常样本。建议给每条异常打标签:运营商维护、设备重启、隧道重建、路由切换、计划备份、目标端限速、探测失败或未知。发布两组结果:

  • 观测基线:保留所有样本,用来描述用户可能遇到的真实波动。
  • 运行基线:排除已确认的计划维护或测试事件,用来设置日常告警。

如果异常原因无法确认,保留样本并标记“未知”,不要为了让曲线好看而删除。对每条链路至少输出中位数、P95、P99、最大值、丢包异常比例和连续异常次数。平均值适合观察总体趋势,但不适合单独作为切换依据。

如何把基线转换成 SLA、告警和选路阈值

基线不是阈值本身。阈值应回答三个不同问题:什么时候需要观察,什么时候需要通知,什么时候允许策略切换。可以采用下面的分层模板,具体数值需根据实测数据、业务要求和设备能力核验:

层级判断方式动作注意事项
正常指标处于运行基线范围内记录趋势,不改变路径按站点、时段和业务分别判断
观察P95接近业务阈值,或短时出现异常增加日志和应用侧观测不要立即切换链路
告警连续多个采样窗口超过阈值,或丢包出现连续突发通知网络人员并关联链路、隧道和应用日志设置持续时间,避免单点尖峰触发
切换指标持续恶化且备用路径满足最低条件执行选路或故障切换加入冷却、保持和回切条件

厂商的默认值只能作为配置入口,不能直接证明某条线路适合你的业务。例如,Palo Alto Networks 文档展示了延迟、抖动和丢包阈值的配置入口,并说明阈值会影响路径替换;页面中的默认值和范围属于该产品配置,不应泛化为跨厂商标准。Palo Alto Networks:配置 SD-WAN 应用阈值

建议用“基线加业务余量”的方式起步:先以运行基线的 P95 或 P99 作为观察参考,再结合业务容忍度设置告警和切换条件。实时语音或视频通常更关注连续抖动与丢包;ERP 和远程桌面更关注持续 RTT、重传和会话超时;文件传输还要结合吞吐量,不能只看延迟。

选路前先做中性验证。Stormshield 建议先建立测试路由或中性规则,观察指标变化和链路切换行为,确认阈值不会让生产流量频繁改变路径,再应用到生产策略。Stormshield:先用测试规则校准 SLA 阈值

基线记录模板与上线后复核清单

可以先用下面的字段建立 CSV、表格或监控标签:

timestamp,site,egress,underlay,overlay,target,protocol,packet_size,samples,avg_rtt,p50,p95,p99,max_rtt,loss_pct,jitter,link_state,failover,event_tag

上线前逐项确认:

  • 每个站点是否有明确的出口、隧道和目标地址。
  • Underlay 与 Overlay 是否分别采集,应用层是否至少覆盖一项关键业务。
  • 探测频率、超时、失败次数和统计窗口是否已记录。
  • 是否同时保留平均值、中位数、P95/P99、最大值和异常比例。
  • 是否区分工作日、高峰、夜间、周末和维护窗口。
  • 告警是否要求连续窗口或持续时间,而不是一次超阈值就触发。
  • 切换后是否设置保持时间、恢复条件和回切条件。
  • 探测目标失效时,是否有备用目标,避免把目标端故障误判为链路故障。

上线后至少复核三类结果:第一,告警是否与用户实际问题同时出现;第二,链路切换是否减少了业务异常,还是造成频繁抖动;第三,探针指标与真实应用日志是否一致。ThousandEyes 也强调,路径质量是由丢包、延迟和抖动等指标汇总出的风险或质量视图,满足某个阈值并不等于用户体验始终良好。ThousandEyes:路径质量、QoS 与 QoE 的区别

本文为跨厂商技术资料整理,不代表任何设备厂商的官方配置指南;菜单名称、探针算法和阈值范围应以实际设备文档为准。

常见问题

SD-WAN 基线至少要采集多久?

没有适用于所有网络的固定天数。至少应覆盖完整工作日和主要高峰;如果存在周末、月末结算、夜间备份或跨地域明显波动,应继续采集,直到这些场景都有样本。短时测试只能作为初筛,不能代表长期基线。

为什么 ICMP 延迟正常,视频会议仍然卡?

ICMP 探针与实际业务可能使用不同的队列、端口、路径和报文大小。先对比 Overlay 探针、出口接口、隧道状态、应用日志和业务侧重传,再检查是否存在 QoS、MTU、DNS 或目标服务端问题。不要仅凭 Ping 正常就排除网络路径。

应该用平均值还是 P95、P99 建阈值?

平均值适合看总体趋势,P95 或 P99 更适合描述尾部波动;最大值适合排查极端事件,不宜单独作为日常切换阈值。建议三者同时记录,再根据业务是否能容忍短时尖峰决定告警和切换逻辑。

阈值太严格为什么会导致频繁切换?

当探测频率较高、失败次数较少,或阈值贴近正常波动区间时,短时尖峰可能被误认为链路恶化。可增加持续时间、连续失败次数和回切冷却,并先用中性测试规则观察行为,再进入生产策略。

是否可以直接使用设备默认的延迟、丢包和抖动值?

默认值只能作为初始配置参考。不同站点、运营商、业务和目标地址的正常范围可能不同;应先采集本地数据,再将业务要求、历史基线和设备限制一起纳入阈值评估。

常见问题

SD-WAN 基线至少要采集多久?

至少覆盖完整工作日和主要业务高峰;若有周末、月末结算或夜间备份,应继续采集到这些场景都有样本。

为什么 ICMP 延迟正常,视频会议仍然卡?

ICMP 探针与实际业务可能使用不同队列、端口、路径和报文大小,应同时检查隧道、QoS、MTU、应用日志和重传。

应该用平均值还是 P95、P99 建阈值?

平均值用于趋势,P95/P99用于尾部波动,最大值用于极端事件排查;不要只用单一统计值。

阈值太严格为什么会频繁切换?

短时尖峰、探测频率过高或失败次数过少都可能触发误判,应增加持续时间、连续失败次数和回切冷却。

可以直接使用设备默认阈值吗?

默认值只能作为起点,不能替代本地链路、业务路径和历史数据的基线测量。

相关阅读

参考资料

  1. Palo Alto Networks:How to Troubleshoot SD-WAN Latency, Jitter, and Packet Loss
  2. Stormshield:SD-WAN: selecting the best network link
  3. Palo Alto Networks:Define Custom SD-WAN Application Thresholds
  4. ThousandEyes:Understanding Quality