通信行业运维部工程师网络故障排查手册.docxVIP

通信行业运维部工程师网络故障排查手册

第1章故障现象描述与初步信息收集

1.1故障发生场景与影响范围界定

首先需明确故障发生的物理环境与时段，例如是在主数据中心核心交换机上发生，还是在边缘节点的接入层设备，亦或是特定业务时段（如凌晨3点业务低峰期或业务高峰期）；需界定故障的具体波及范围，包括涉及到的网段数量（如接入网、汇聚网、核心网各多少个网段）、受影响的设备数量（如某几台核心路由器、几台防火墙或几台接入交换机）；

需确认故障的持续时间，例如故障是瞬时跳变、持续数分钟、持续数小时还是长达数天，以及故障是否伴随有服务中断；需明确故障对业务的具体影响，例如是仅导致部分用户无法访问网站，还是导致整个办公网完全瘫痪，亦或是仅影响特定业务系统（如ERP、OA系统）；需评估故障对运维团队自身的冲击，例如是否需要立即启动应急预案、是否需要调用外部专家资源、是否需要升级故障等级进行通报；

需记录故障发生前的关键操作，例如是否有大规模数据备份、是否有进行过重负载测试、是否有进行过网络扩容等，以便后续分析。

1.2故障现象标准化描述

需使用标准化的术语描述故障现象，例如将“网络不通”明确表述为“Ping测试超时（Ping64包）”或“ARP广播风暴导致链路层震荡”；需量化故障表现的具体数据指标，例如记录故障发生时的接口带宽利用率（如100%）、丢包率（如1