核心交换机堆叠后 LACP 协商状态漂移导致 VLAN 单通的排查实录

问题背景

某生产核心交换机采用两台 S6860 堆叠组成双主控平面，承载全网核心路由与 VLAN 间转发。堆叠成员 A（主）与成员 B（备）各上联 2 条 40G 光模块至上游核心，配置 LACP 动态聚合（mode active）。日常运行稳定。

2026-09-14 凌晨 03:17，成员 B 因风扇模块告警触发「热插拔重启」。重启完成后，监控发现 VLAN 10（办公网）与 VLAN 30（开发测试）出现间歇性单通：从成员 B 下联的服务器 ping 网关正常，但反向或跨 VLAN 访问时丢包率 15-40% 不等；成员 A 下联的服务器则完全正常。现象持续约 47 分钟后自行恢复。

故障现象

单通特征明显：成员 B 下联服务器 → 网关（VLAN 10 SVI）双向正常；但成员 B → 成员 A（跨堆叠链路）或成员 B → 上游核心方向，VLAN 10/30 的 TCP 连接经常超时，UDP 单向可达。
LACP 状态异常：display lacp 显示成员 B 的 Eth-Trunk 10 中，端口 GE1/0/25（上联 40G-1）处于 Selected、Collecting、Distributing，但 GE1/0/26（上联 40G-2）处于 Selected、Collecting、Not Distributing。
MAC 漂移告警：上游核心收到来自同一 MAC（成员 B 的系统 ID）在两个不同端口的 LACP PDU，触发 MAC 漂移告警。
恢复无规律：故障期间多次执行 shutdown/no shutdown 端口或重启 LACP 进程，状态短暂正常后再次漂移；最终在 04:04 自动恢复正常。

排查过程

步骤 1：确认物理链路与光模块

成员 B 重启后所有端口 up，光功率正常（-2.3 dBm / -1.8 dBm），排除物理层。
display interface brief 显示 Eth-Trunk 10 的两个成员口均为 up，但 display eth-trunk 10 中「工作模式」显示 LACP，「链路状态」为 up，与预期一致。

步骤 2：抓 LACP PDU 对比协商状态

在成员 B 的两个上联口分别做 display packet capture interface：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11


# 成员 B GE1/0/25（正常口）
Partner System ID:  00e0-fc12-3456
Actor Port Number:  0x8001
Actor State:        0x3d (Collecting|Distributing|Defaulted)
Partner State:      0x3d

# 成员 B GE1/0/26（异常口）
Partner System ID:  00e0-fc12-3456
Actor Port Number:  0x8002
Actor State:        0x3c (Collecting|Defaulted)   # 缺少 Distributing 位
Partner State:      0x3c

关键差异：GE1/0/26 的 Actor State 缺少 Distributing 标志位，导致该链路虽然被 LACP 选中（Selected），但不会向该端口发送数据（Not Distributing）。

步骤 3：检查堆叠成员重启后的配置同步

堆叠配置本应在成员重启后自动同步，但检查发现：

1

display stack configuration

成员 B 的 Eth-Trunk 10 配置中，lacp system-id 字段显示为默认值（由系统 MAC 生成），而成员 A 的配置中明确指定了 lacp system-id 00e0-fc00-0001。

进一步 display current-configuration | section eth-trunk 发现：成员 B 的配置文件中 Eth-Trunk 10 的 mode lacp-static 配置在重启后丢失，回退到默认的 mode lacp-dynamic，导致两端协商参数不一致。

步骤 4：根因定位——堆叠配置漂移

堆叠成员 B 重启时，配置文件同步机制因风扇告警中断，部分配置（包括 Eth-Trunk 的 LACP mode）未正确加载。
成员 A 仍使用 lacp-static + 显式 system-id，成员 B 回退到 lacp-dynamic + 默认 system-id，导致 LACP 协商状态漂移。
部分链路因状态不一致被 LACP 置为 Not Distributing，形成单通。

解决方案

立即恢复配置：在成员 B 上重新执行 Eth-Trunk 10 的完整 LACP 配置（含 mode lacp-static 与 lacp system-id），强制触发重新协商。
验证状态一致：确认两个成员口的 Actor/Partner State 均包含 Distributing 标志位，MAC 漂移告警清除。
固化配置同步检查：在堆叠配置中增加「配置一致性巡检」脚本，每日 02:00 执行 display current-configuration | diff 并告警。
修改 LACP 超时策略：将上游核心的 LACP timeout 从 fast 改为 slow，降低因成员重启导致的瞬态协商失败概率。

根因分析

根本原因：堆叠成员重启后，配置文件同步机制中断，导致 Eth-Trunk 的 LACP mode 配置漂移，从 lacp-static 回退到 lacp-dynamic，与对端（成员 A + 上游核心）协商参数不一致，部分链路被 LACP 置为 Not Distributing，形成 VLAN 单通。

触发条件：成员 B 风扇模块告警触发「热插拔重启」+ 配置同步窗口被中断。

为什么只影响部分 VLAN：LACP 状态漂移仅发生在成员 B 的上联链路，VLAN 10/30 的流量恰好走该路径，而成员 A 的链路正常，故只出现间歇性单通。

预防措施

堆叠配置一致性门禁：在 Zabbix/云监控中增加「堆叠配置 diff」告警项，任意成员配置与主控不一致立即短信告警。
LACP 状态基线监控：对核心 Eth-Trunk 的每个成员口增加「Actor State 中 Distributing 位」监控，缺失即告警。
配置版本化与回滚：堆叠配置变更前先 save 并打标签，成员重启后若配置漂移可快速回滚。
风扇模块告警阈值收紧：将风扇转速告警阈值从 30% 提升至 50%，避免低级别告警触发不必要的成员重启。
定期演练堆叠成员重启：每季度执行一次「计划内成员重启 + 配置一致性验证」，检验配置同步机制的健壮性。

总结

本次故障的本质是堆叠成员重启后的配置同步失败，导致 LACP 协商状态漂移，形成单通。排查过程通过抓取 LACP PDU 对比 Actor State 标志位，精准定位到「Distributing 位缺失」这一关键异常，最终通过重新下发配置收敛。

经验教训：

堆叠/集群类设备，重启后的配置一致性是比链路状态更重要的监控项。
LACP 的 Not Distributing 状态是典型的「链路 up 但业务不通」场景，需纳入基线监控。
真实项目中「热插拔重启」往往伴随配置漂移，建议在变更窗口增加「配置一致性验证」这一道门禁。