HCIE-Datacom 的 LAB 环节里,排错(Trouble Shooting)是绕不过去的一道坎,占 15 分,故障以弹窗形式随机注入——系统提示某台设备出了问题,你要在限定时间内定位、修复、验证。这部分靠临时抱佛脚基本没戏,靠的是平时把排错思路练成肌肉记忆。
这篇文章把我整理的一套排错方法完整过一遍:定位思路、七个必背的 display 命令、九类高频故障场景、考场弹窗的五步应对节奏,再附上一张现象速查表和一份七天训练计划。正在备考 HCIE-Datacom 的朋友,或者日常做网络运维想系统补一补排错功夫的,都可以直接拿去用。
一、排错的核心:不是猜,是二分法定位
很多人 ping 不通的第一反应是:脑子一片空白,随手敲几个 display 命令,没查出来就开始怀疑人生,然后删掉配置重新敲一遍。这种打法在考场上是灾难性的,因为排错的时间非常紧,瞎试几轮,时间就没了。
正确姿势只有一句话:每走一步,把怀疑范围砍掉一半。查完一个环节,你就明确了"问题一定在剩下的这半边里",而不是在全网里大海捞针。这就是经典的二分定位思想,思科、华为官方的排错指导,本质上都是这个逻辑。
按网络分层往下切,思路大概是这样的:
同网段不通,先怀疑二层
- 同一 VLAN、同一台交换机内不通 → 查接口 VLAN 划分、端口状态;
- 同一 VLAN、跨交换机不通 → 查 Trunk 放行列表、STP 有没有阻塞端口;
- ping 网关不通 → 查 VRRP 的 Master 位置对不对。
跨网段不通,先怀疑三层
- tracert 断在本地网关 → 查 SVI 接口、VRRP、ACL;
- 断在中间路由器 → 查 IGP 邻居状态和路由表;
- 断在对端 PE → 查 MPLS LSP 路径、VRF 路由泄露;
- 最后别忘了看回程路由,这是新手最容易漏的一条。
VPN 不通,分协议查控制平面
- MPLS VPN:LDP 会话起来没?VRF 的 RT 配置匹配吗?MP-BGP 邻居正常吗?
- VXLAN:Underlay 通不通?EVPN 有没有收到 Type2/Type3 路由?NVE 隧道是 Up 的吗?
二、七个 display 命令,覆盖九成故障
命令不用背几百条,考场真正高频的就这七个,每个命令回答一个明确的问题:
| 命令 | 回答的问题 |
|---|---|
display ip interface brief |
哪些接口是 Up 的?IP 配上了没? |
display vlan / display port vlan |
VLAN 建了吗?Trunk 放行了哪些 VLAN? |
display ospf peer brief |
OSPF 邻居起来没?卡在哪个状态? |
display bgp peer |
BGP 邻居 Established 了吗? |
display ip routing-table |
到目标网段的下一跳和出接口是什么? |
display mpls ldp peer / display mpls lsp |
LDP 会话正常吗?LSP 路径完整吗? |
display current-configuration include 关键词 |
是否存在目标配置? |
考场铁律:拿到故障先按 接口 → VLAN → OSPF → BGP → MPLS 这个顺序把前五个命令跑一遍,九成的故障在这一轮就能圈出范围。顺序不能乱,因为上层协议依赖底层——接口都不通,查 BGP 没有意义。
三、二层三个典型故障场景
二层排错的核心词是一致性:VLAN 要一致、Trunk 放行列表要一致、MSTP 域配置要一致、Eth-Trunk 两端接口类型要一致。不一致,就是故障。
场景 1:跨交换机同 VLAN 不通
现象是 SW1 和 SW2 之间 Trunk 链路正常,VLAN 10 里的 PC 就是 ping 不通对端。查下来 VLAN 存在、Trunk 也放行了,看起来一切正常——这时候就要想到 STP。display stp brief 一敲,发现端口处于 Discarding 状态,角色是 Alternate,根桥还不是预期的那个。根因藏在更深处:SW2 的 MSTP 域配置里,instance 1 没有绑定 VLAN 10,两台设备的 region 映射不一致,STP 算出来的拓扑自然就歪了。
stp region-configuration
instance 1 vlan 10
active region-configuration
这道题练熟的标准是 3 分钟内定位并修复。注意 active region-configuration 这条别漏,MSTP 域配置改完不激活等于没改。
场景 2:Eth-Trunk 成员接口起不来
LACP 模式的 Eth-Trunk,成员口 G0/0/2 物理层是 Up 的,但协议层始终 Down,LACP 协商起不来。这种"物理 Up、协议 Down"的组合,先怀疑两端配置对不上——一查,SW1 侧 Eth-Trunk 是 Access 口,SW2 侧是 Trunk 口,两端 link-type 不一致。把两端统一改成 Trunk 并放行对应 VLAN,故障消失。
这个坑非常典型:接口加入 Eth-Trunk 之前没检查 link-type,属于考场上的"高频低级错误"。越简单的错误越要养成检查习惯。
场景 3:MSTP 双根桥
SW1 和 SW2 都认为自己是实例 1 的根桥。根因说出来让人哭笑不得:region-name 大小写不一致,一台敲的 HCIE,另一台敲成了 HCiE。MSTP 判定两台设备不在同一个域里,各自为政。
MSTP 的域配置有三要素——region-name、revision-level、instance 与 VLAN 的映射关系,全网必须完全一致。revision-level 默认是 0,建议显式敲一遍,别靠默认值。
四、三层三个典型故障场景
三层故障的核心词是可达性和优选:下一跳不可达、IGP 底座不通、路由引入成环,这三类占了三层故障的大头。
场景 4:OSPF 邻居卡在 ExStart/Exchange
邻居状态在 ExStart 和 Exchange 之间来回震荡,起不到 Full。display ospf error 一看,满屏 Bad MTU——两端接口 MTU 一个 1500 一个 9000,DBD 报文协商不过去。统一 MTU 即可解决。
这里要多说一句:display ospf error 是排 OSPF 邻居问题的"上帝视角",Bad MTU、Bad Authentication、Bad Network Type 这些错误全都能看到。很多人排 OSPF 只会看 peer 表,这一步漏掉了就等于盲查。另外华为也提供了 ospf mtu-ignore 来跳过 MTU 检查,考场上能省时间,但日常生产环境不建议开。
场景 5:BGP 路由不优选
IBGP 学到的路由在 BGP 表里有 valid(*)标记,但没有 best(>)标记——也就是"路由收到了,但不是最优",ping 不通。这道题的价值在于它展示了一条完整的排查链条:
ping 不通 → 查路由表,没这条路由 → 查 BGP 表,路由有但不优选 → 看 next-hop,指向 2.2.2.2,不可达 → 回到 OSPF 里查,2.2.2.2 查无此人 → 根因:R2 的 Loopback0 没宣告进 OSPF。
修复就是在 R2 上把 Loopback0 宣告进 OSPF 的 area 0。这类故障教会我们一件事:BGP 邻居 Established 不代表万事大吉,路由的下一跳可达性依赖底层 IGP,IGP 有洞,BGP 路由就是一条"看得见用不了"的死路由。
场景 6:路由双向引入导致环路
OSPF 和 BGP 做了双向引入之后,tracert 发现在 R1 和 R2 之间反复横跳——典型的路由环路。根因是 R1 把 OSPF 引入 BGP,R2 又把 BGP 引回了 OSPF,路由被来回倒手。
快刀斩乱麻的办法是 R2 上 undo import-route bgp。但要根治,得用 route-policy 打 Tag 过滤:R1 引入 OSPF 路由进 BGP 时 apply tag 200,R2 往 OSPF 引入时 deny 掉带 tag 200 的路由。双向引入的场合,Tag 过滤是标配动作,不设防迟早出环。
五、MPLS/VPN 和 VXLAN 三个典型故障场景
VPN 排错的核心词是分层验证:控制平面有路由(BGP/LDP/EVPN),转发平面也得有(VRF/VNI/NVE),两边都绿才算通。
场景 7:MPLS L3VPN 的 CE 之间不通
CE-A ping 不通 CE-B,但 BGP 是 Established、VRF 表也正常——控制平面看着全对,那问题多半出在数据平面。VPNv4 路由要靠 MPLS 标签转发,一查发现 PE 之间没有到对端 Loopback 的 LSP,P 节点上的 LDP 邻居是 Non-Existent。再往下挖,根因简单到离谱:P 路由器的核心接口只配了 mpls,忘了配 mpls ldp。
这里有个口诀:核心接口两兄弟,mpls 和 mpls ldp,缺一不可。只配 mpls 能转发普通 IP 流量,但标签分发建立不起来,VPN 流量照样丢。
场景 8:VRF 路由泄露失败
VPNv4 表里明明有 CE 路由,但 VRF 表是空的。记住一句话:有路由不等于放进了 VRF。路由能不能进 VRF,看的是 RT(Route Target)的 import/export 匹配。这道题里 PE1 的 import RT 是 100:1,PE2 的 export RT 却写成了 100:2,对不上号,路由进不了 VRF。把 PE2 改成 vpn-target 100:1 export-extcommunity,立刻解决。
MPLS VPN 的三层检查顺序送给大家:LDP 看标签、MP-BGP 看路由、VRF 看 RT 匹配。一层层过,不会乱。
场景 9:VXLAN 跨 Leaf 三层不通
同一个 BD 内二层互通正常,跨 BD 的三层流量不通。查 EVPN 路由表,Type2 路由(MAC/IP)都有,但缺 Type5(IP Prefix)——这是判断"二层通三层不通"的关键信号。跨 BD 的三层路由需要 L3 VNI 和 Type5 路由配合,继续查发现 Leaf2 侧:没有配 L3 VNI,ipv4-family vpn-instance 下没 enable 对端,Vbdif 也没绑定 L3 VNI。三处补齐,通了。
六、考场弹窗:15 分的五步应对节奏
LAB 的排错题以弹窗形式随机注入,题库里抽,提示"XX 设备出现故障,请定位并修复",合计影响 15 分。每道弹窗建议控制在 5 分钟以内,节奏拆成五步:
- 读题(30 秒):抓住故障现象、涉及设备、报错信息这三个要素,别扫一眼就开敲;
- 缩小范围(30 秒):先判断是二层、三层还是 VPN 层的问题,单台设备还是多台设备,确定从哪台开始查;
状态检查(2 分钟):按前面讲的黄金命令顺序跑一遍——接口 → VLAN → OSPF → BGP → 路由表 → MPLS LSP;
| | |
| --- | --- |- 定位根因(1 分钟):把异常输出和正常配置对比,用
display current-configuration | include快速检索关键词; - 修复并验证(1 分钟):改配置 → 验证 → 顺手记排错日志(论述题用得上)。
弹窗排错有四条铁律,每一条都是前人踩坑换来的:
- 不改全局配置——只动和故障相关的接口、协议、进程,改全局等于给后面的题埋雷;
- 先验证再修复——必须看到异常证据再动手,凭感觉改配置是大忌;
- 修一个验一个——别一口气改五处再验证,改多了你都不知道是哪一处起效(或起反作用);
- 记录排错路径——现象、命令、根因、修复动作写成日志,论述题直接抄素材,还顺便理清了思路。
七、现象速查表:按概率从高到低排常见原因
考试时间紧,这张表的价值在于让你先查概率最高的原因,不走弯路。
二层故障
| 现象 | 诊断命令 | 常见原因(按概率排序) |
|---|---|---|
| 同 VLAN 跨交换机不通 | display port vlan |
① Trunk 未放行 ② STP 阻塞 ③ Trunk PVID 不一致(思科叫 Native VLAN) |
| Eth-Trunk 成员 Down | display eth-trunk |
① 两端 link-type 不一致 ② LACP 对端没配 ③ 速率不一致 |
| STP 根桥不是预期 | display stp brief |
① region 配置不一致或未激活 ② 桥优先级配错 |
| VLAN 内部分端口不通 | display vlan |
① VLAN 未创建 ② 未划入 access vlan ③ MAC 表老化 |
三层故障
| 现象 | 诊断命令 | 常见原因(按概率排序) |
|---|---|---|
| OSPF 邻居 Down | display ospf peer brief + error |
① network 未覆盖接口 ② 区域号不一致 ③ 认证不匹配 ④ MTU 不匹配 |
| OSPF 卡 ExStart/Exchange | display ospf error |
① MTU 不匹配 ② 接口网络类型不匹配 |
| BGP 邻居 Idle | display bgp peer |
① TCP 179 不通(Loopback 不可达)② AS 号不一致 ③ 未配 connect-interface |
| BGP 路由不优选 | display bgp routing-table |
① next-hop 不可达 ② 已有更优路由 ③ AS-Path 环路 |
| 有路由但 ping 不通 | tracert + display ip routing-table |
① 回程路由缺失 ② ACL 过滤 ③ VRRP Master 位置不对 |
MPLS/VPN 与 VXLAN 故障
| 现象 | 诊断命令 | 常见原因(按概率排序) |
|---|---|---|
| LDP 邻居 Non-Existent | display mpls ldp peer |
① 接口未配 mpls ldp ② LSR-ID 不可达 |
| VPNv4 有路由但 VRF 表空 | display ip vpn-instance |
RT 的 import/export 不匹配 |
| ping 有去无回 | tracert 逐跳查 |
回程 P 节点没配 VRF 或 RT |
| 同 Leaf 通、跨 Leaf 不通 | display vxlan tunnel |
① Underlay 没宣告 VTEP Loopback ② NVE 源地址配错 |
| 同 BD 通、跨 BD 不通 | display bgp evpn all routing-table |
① 缺 L3 VNI ② vpn-instance 地址族未 enable ③ Vbdif 没绑 L3 VNI |
八、七天训练计划
排错不是天赋,是练出来的肌肉记忆。给一个可以直接照做的七天计划:
| 天 | 内容 | 目标 |
|---|---|---|
| Day 1 | 二层排错 3 题(队友注错 → 定位,计时) | 每题 ≤ 3 分钟 |
| Day 2 | 三层排错 OSPF 3 题(定位 → 修复 → 验证) | 每题 ≤ 5 分钟 |
| Day 3 | 三层排错 BGP 3 题 | 每题 ≤ 5 分钟 |
| Day 4 | MPLS/VPN 排错 3 题 | 每题 ≤ 5 分钟 |
| Day 5 | VXLAN/EVPN 排错 3 题 | 每题 ≤ 8 分钟 |
| Day 6 | 复合故障 2 题(随机改 2~3 处配置) | 每题 ≤ 10 分钟 |
| Day 7 | 全真模拟:二层/三层/VPN 各一道弹窗 | 总耗时 ≤ 15 分钟 |
三条训练纪律:每题写排错日志;不看配置脚本,只看故障现象和 display 输出;计时器开着,超时就跳过,事后复盘。
九、考场十大翻车现场
- 看到弹窗就翻配置脚本逐行比对——正确做法是先跑 display 诊断命令,用异常输出反查;
- ping 不通就重启设备——重启是最慢的手段,先 tracert 找断点;
- OSPF 邻居 Down 就 reset 进程——进程重启完故障还在,应该先查 ospf error;
- BGP 不通就删邻居重建——先确认 TCP 179 端口可达性(ping + telnet 试一把);
- 修完不做验证就奔下一题——验证加 ping 测试是收尾动作,不能省;
- 改了一堆配置还不通就自我怀疑——停下来,从底层接口重新查,八成是漏了基础项;
- 忘记 save——每题修复完立刻保存,白忙一场最伤士气;
- 排错日志不写——没日志等于论述题没素材,白丢分;
- 看到 BGP Established 就认为没事——Established 不等于路由优选,还要查路由表;
- 一道题耗到天荒地老——5 分钟定位不到就先跳过,标记回头再收拾。
整套东西归纳下来其实就三句话:二分法定位把范围一步步缩小,七个黄金命令按顺序扫一遍,控制平面和转发平面分开验证。剩下的就是反复练,把这套动作练到不用想就能做出来。
最后提一句:如果你正在备考 HCIE-Datacom,或者想在数通方向系统地把基础打牢,可以了解一下誉天的数通课程,从 HCIA 到 HCIP、HCIE 都有配套的课程体系,按自己的节奏选就行。技术这东西没有捷径,但有人带着少走弯路,总是快的。
备注:文中涉及的命令均为华为 VRP 系统的 display 系列命令,不同软件版本、不同产品线(S 系列交换机 / NE 路由器 / CE 云引擎)的命令和输出格式可能略有差异;部分高级特性(如 VXLAN、MPLS L3VPN)在 eNSP 模拟器中支持不完整,建议尽量在真机或对应镜像环境中动手复现后再上考场,各场景的故障根因也以实际实验环境为准。
声明:本文为个人学习笔记整理,仅供技术交流使用,不构成任何考试承诺。转载请注明出处。