SD-WAN 路由环路怎么排查?BGP、OSPF、OMP 与策略路由检查清单
简答:先确认是否真的成环:记录源地址、目的地址、VRF 和时间,连续做 traceroute,再对照每一跳的路由表、下一跳与 FIB。确认后按 BGP/OSPF/OMP、重分发、VRF 和策略路由逐层回溯,避免直接修改配置。
定义:SD-WAN 路由环路,是同一目的前缀在多个设备或协议之间反复被转发、重新发布或策略改写,导致数据包无法稳定到达目的地的现象。
先做这张判断表:是真环路,还是路径偏转?
SD-WAN 出现路径变长、访问超时或链路来回切换时,先不要把所有异常都称为路由环路。真正的环路通常表现为相同或相邻的一组下一跳反复出现、TTL 持续递减后超时,或者同一前缀在多个协议之间重复发布后又被原路径重新接收。单纯的路径不符合预期,可能只是最长匹配、管理距离、度量、AAR/SLA 或策略路由导致的选路结果。
| 现象 | 优先判断 | 第一项检查 |
|---|---|---|
| traceroute 中几台设备反复出现 | 疑似数据平面环路 | 连续执行 traceroute,记录每一跳与 TTL 变化 |
| 路径只绕远,但每次稳定 | 可能是次优路由或策略偏转 | 比较最长匹配、管理距离、度量和策略命中 |
| 路由在 BGP、OMP、OSPF 间往返 | 疑似重分发闭环 | 查看 origin protocol、AS_PATH、DN bit、SoO 或域标签 |
| 只有一个 VRF 或一类业务异常 | 可能是分段、路由泄漏或 PBR | 分别查看业务 VRF、默认路由和策略命中计数 |
| 切换后才开始回流 | 可能是 TLOC、BFD、SLA 或回程变化 | 对照故障时间与隧道、控制连接、FIB 变化 |
厂商文档也把路由学习、邻居状态、路由策略、下一跳可达性作为分阶段检查对象;例如 H3C 的排查流程先查看 VPN 路由,再检查邻居、收到的路由和无效下一跳。可参考H3C SD-WAN 故障维护手册。
第 1 步:固定故障样本,先确认数据平面
每次排查只先固定一个业务流,记录源 IP、目的 IP、端口、业务 VRF/VPN、入口设备、出口设备、时间点和当时的 WAN 链路。若同一目的地址在不同源地址下表现不同,说明问题可能位于 VRF、PBR 或入口策略,而不是全局路由表。
- 从源端连续执行多次 traceroute,必要时分别测试 TCP、UDP 和 ICMP 形式;命令和参数以操作系统及设备版本为准。
- 在每一跳记录接口、下一跳、VRF、入出方向计数器,以及是否进入 SD-WAN 隧道。
- 从目的端反向测试,比较正向和回程路径。只看单向 traceroute,可能把回程异常误判成正向环路。
- 若可以抓包,检查 TTL 是否持续递减、同一报文是否回到相同接口,以及封装前后的五元组变化。
如果路径每次稳定但只是绕远,先进入路由优选检查;如果下一跳在两台设备之间交替,或路径在多个节点循环出现,再进入重分发与策略检查。
第 2 步:检查基础路由表、递归下一跳与 FIB
对目标前缀分别查看控制平面路由表和实际转发表,重点核对最长匹配、协议来源、管理距离、度量、下一跳和出接口。控制平面显示的最佳路由不一定已经安装到 FIB;下一跳不可达、接口状态变化或 VRF 不一致,都可能造成流量进入备用路径。
- 最长匹配:确认是否存在更具体的静态路由、业务前缀或策略生成路由。
- 管理距离与度量:记录 BGP、OSPF、OMP、静态路由之间的优选结果,不要只看协议名称。
- 递归下一跳:继续查询下一跳本身的路由,确认它没有递归回原接口或另一条异常路径。
- FIB/转发表:确认实际出接口、隧道、TLOC 或标签与控制平面的最佳路径一致。
- VRF/VPN:同一个地址在不同 VRF 中可能有不同下一跳,跨 VRF 泄漏还可能把流量送回原始分段。
H3C 文档示例使用 VPN 实例路由表检查业务前缀,并进一步区分收到的路由、无效路由和下一跳连接状态;这类顺序适合迁移到其他平台,但具体命令需按设备类型调整。
display ip routing-table vpn-instance <VPN名称> <目的前缀>
第 3 步:分别核对 BGP、OSPF 与 OMP
BGP:查看邻居是否 Established、目标前缀从哪些邻居收到、向哪些邻居发布,以及最佳路径的 AS_PATH、LOCAL_PREF、MED、Community 和 NEXT_HOP。若同一前缀从服务侧进入 OMP,再从 OMP 回到 BGP,重点检查是否保留路径属性、是否向原站点重新发布。Cisco 的案例指出,BGP 与 OMP 之间的互相重分发可能形成环路,Overlay-AS 可通过写入 AS_PATH 让同一 Overlay 中的设备拒绝再次接收该路径;SoO 则用于标识前缀的来源站点,防止重新发布回原站点。详见Cisco BGP-OMP 路由环路排查文档。
OSPF:检查邻居状态、区域、LSDB、外部 LSA 类型、E1/E2、重分发方向,以及 LSA 是否带 DN bit 或域标签。Cisco 设计指南说明,OMP 路由重分发到 OSPF 时可设置 DN bit,以阻止其他相关设备再次重分发;Versa 文档也将 DN bit 与域 VPN tag 作为双归属场景中的防环检查项,详见Cisco SD-WAN Design Guide和Versa VOS Edge Routing Protocols。
OMP:检查控制连接、OMP 邻居、目标前缀的 origin protocol、TLOC、路径状态、TLOC preference、BFD 和 FIB 安装状态。Cisco 文档说明,OMP 路由不会自动重新分发到其他路由协议;如果启用本地重分发,应逐台设备核对方向和过滤条件,详见Cisco OMP route redistribution 文档。
第 4 步:回溯重分发闭环与策略路由
把每个协议画成“入口—处理—出口”三列,不要只搜索某一条 redistribute 配置。常见闭环包括 BGP→OMP→BGP、OSPF→OMP→OSPF、BGP→OSPF→BGP,以及同一前缀在多个站点双向发布。检查时应确认:原始前缀来自哪里、在哪一台设备第一次进入 Overlay、在哪一处被重新发布、是否有前缀过滤、标签、AS_PATH、SoO、DN bit 或域标签阻断回流。
| 检查对象 | 要记录的字段 | 异常信号 |
|---|---|---|
| 重分发 | 协议方向、入口 VRF、出口 VRF、过滤策略 | 同一前缀双向启用且没有来源标记 |
| 策略路由 PBR | 匹配条件、优先级、set next-hop、set interface | 命中后绕过普通路由表,下一跳递归回入口 |
| SD-WAN 业务策略 | 应用、源/目的、服务链、TLOC、SLA | 策略命中后改变隧道或出口,回程未对称 |
| VRF 与路由泄漏 | 源 VRF、目标 VRF、默认路由、泄漏方向 | 业务前缀被导入错误分段或再次导回原 VRF |
对 PBR 特别要检查“未匹配流量”走哪张普通路由表,并确认 set next-hop 的递归解析不会落到同一条策略路径。策略命中计数、接口计数器和抓包结果应相互印证,而不是只凭配置文本判断。
第 5 步:修复、验证与保留回滚边界
定位到根因后,一次只改一个控制点:先关闭重复的重分发方向或收紧前缀过滤,再验证路径;如果问题来自来源识别,再补充适合平台的 AS_PATH、SoO、DN bit、域标签或 VRF 标记。不要在尚未确认路径的情况下同时调整管理距离、策略优先级和 SLA,否则难以判断哪项改动起作用。
- 清理或限制重复发布,保留最小必要的协议方向。
- 重新查看 BGP received/advertised routes、OSPF LSDB、OMP 路由和 FIB。
- 从正向和回程分别执行连续 traceroute,并测试实际业务端口。
- 观察 BFD、TLOC、控制连接和接口计数器,确认没有因为切换产生新的回流。
- 保存变更前后配置、路由快照、抓包和故障时间线,设置明确回滚点。
验收目标应写成“指定源、目的、VRF 和业务在故障场景下的路径符合设计,路由不重复回灌,回程可达”,而不是只写“自动恢复”。若业务经过本地出口 NAT,主备切换后公网源地址变化可能使长连接中断;因此应把 Overlay 业务与本地直连上网业务分别记录和验证。
厂商无关的最小检查清单
- 是否记录了源地址、目的地址、VRF、业务策略和故障时间?
- 是否用连续 traceroute 或抓包证实了重复下一跳,而不是只看到路径绕远?
- 是否同时检查了正向和回程路径?
- 是否比较了路由表、递归下一跳和 FIB?
- 是否查看 BGP 邻居、received/advertised routes、最佳路径属性?
- 是否检查 OSPF 邻居、LSDB、外部 LSA、DN bit 与域标签?
- 是否检查 OMP 控制连接、TLOC、BFD、SLA 和 FIB 安装?
- 是否逐项核对 BGP、OSPF、OMP 之间的重分发方向?
- 是否检查 PBR、业务策略、VRF 泄漏和默认路由?
- 是否一次只修改一个控制点,并保留回滚配置?
常见问题
traceroute 路径变长就一定是 SD-WAN 路由环路吗?
不一定。路径稳定但绕远,可能是最长匹配、管理距离、度量、TLOC 优选或业务策略造成的。只有看到重复下一跳、TTL 持续递减、报文回到原设备等证据,才应优先按真实环路排查。
BGP 与 OMP 互相重分发时先看什么?
先确认前缀的原始来源,再查看它进入 OMP、从 OMP 回到 BGP 的位置和属性。重点检查 AS_PATH、Overlay-AS、SoO、发送 Community 以及是否向原站点重新发布。Cisco 对此场景提供了 Overlay-AS 与 SoO 两类防环思路。
OSPF 的 DN bit 为什么值得检查?
在部分 SD-WAN 设计中,OMP 路由重分发到 OSPF 后会带 DN bit,用于避免相关设备再次重分发该路由。若设备处于 VRF、双归属或跨域场景,还要同时核对域标签和接收设备对 DN bit 的处理。
策略路由会造成看起来像路由环路的现象吗?
会。PBR 可能绕过普通路由表,把匹配流量送到指定下一跳或接口;如果下一跳递归回入口、回程策略不对称,路径可能反复或形成回流。应查看策略顺序、匹配计数、set next-hop、递归路由和未匹配流量的默认路径。
什么时候应该检查 VRF 或 VPN 分段?
如果只有一个业务、一个 VPN 或一类源地址异常,应尽早检查 VRF。重点查看目标前缀是否被导入错误分段、是否存在路由泄漏、默认路由是否来自预期位置,以及同一前缀在不同 VRF 中的下一跳是否一致。
相关阅读
- 先看 SD-WAN 路由规划:静态、动态与策略路由的边界
- 继续查看 SD-WAN BGP 配置与路由传播方法
- 结合 SD-WAN 日志按隧道、路由与策略定位
- 查看 SD-WAN 网络故障的分层排查流程
- 排查完成后验证自动故障切换与回程路径