问题背景

生产网络核心层由两台华为 CE12800 核心三层交换机（CR1/CR2）通过 OSPF Area 0 互联，承载全网 200+ VLAN 的三层路由。2026 年 8 月 3 日 14:20 起，监控系统连续告警「OSPF Neighbor Down/Up」，同时全网出现间歇性丢包、部分业务系统数据库连接超时。BGP（与上游 ISP 做 eBGP）也受影响，出现大量路由撤回与重新注入。初步判断为 OSPF 协议层面的路由震荡。

故障现象

1. OSPF 邻居反复 Flap：CR1 与 CR2 的 OSPF 邻居状态在 Full ↔ Init/2-Way 之间切换，平均每 90 秒一次，持续约 40 分钟。
2. 路由表震荡：全网路由表（含静态 + OSPF + BGP）出现大规模撤回与重新学习，RIB/FIB 频繁更新。
3. 业务影响：核心业务数据库（MySQL 主从）出现大量「Lost connection to MySQL server during query」，部分应用接口返回 504。
4. BGP 受波及：上游 eBGP 会话因大量路由撤回而触发 damping，部分公网路由暂时不可达。

排查过程

第一步：确认 OSPF 邻居状态与日志

在 CR1 上执行：

1
2
3

display ospf peer
display ospf interface
display ospf error

发现 CR1 与 CR2 的邻居关系频繁在 Full → Init 切换，错误日志提示：

1

OSPF/3/IFSM: OSPF 1.1.1.1 Neighbor 10.0.0.2(GE1/0/1) from Full to Init, reason: 1-WayHelloReceived

同时发现两台设备上同一个接口的 Hello timer / Dead timer 配置不一致：

• CR1: Hello 10s, Dead 40s
• CR2: Hello 5s, Dead 20s

第二步：检查 passive-interface 配置

继续检查接口配置：

1

display current-configuration interface GE1/0/1

发现 CR2 的上联接口意外配置了 ospf silent-interface，导致 CR2 不再发送 Hello，但仍接收 CR1 的 Hello，形成单向邻居。

第三步：检查区域类型与认证

进一步对比两台设备的 OSPF Area 配置：

• CR1 Area 0 配置为 nssa no-import-route
• CR2 Area 0 配置为 stub no-summary

区域类型不一致导致 LSA 类型不匹配，邻居关系无法稳定建立。

第四步：全网路由震荡原因

OSPF 邻居 Flap 直接导致：

• 全网路由表大规模撤回（因为 OSPF 是 IGP，BGP 依赖 IGP 下一跳可达性）
• BGP 收到大量路由撤回后触发 damping
• 业务系统因路由瞬断而出现连接超时

解决方案

1. 统一 Hello/Dead timer：在 CR1 与 CR2 的所有 OSPF 接口上统一配置 ospf timer hello 10 dead 40。
2. 清理 passive-interface：删除 CR2 上误配置的 ospf silent-interface，恢复双向 Hello 发送。
3. 统一区域类型：将 CR1/CR2 Area 0 统一改为 nssa no-import-route，并在边界路由器上配置 import-route direct route-policy 精确控制路由注入。
4. 增加认证与 BFD：开启 OSPF MD5 认证 + BFD（双向转发检测），将故障收敛时间从秒级降到毫秒级。
5. 监控与告警：增加 OSPF 邻居状态监控 + 路由表变化速率告警，提前发现配置漂移。

根因分析

根本原因是三层配置漂移：

• 不同维护窗口由不同团队操作，Hello/Dead timer、passive-interface、区域类型三项关键参数未做版本化管理。
• 90 秒的 Flap 周期刚好是 Dead timer 的 2 倍，属于典型的 timer 不一致导致的单向邻居。
• passive-interface 误配 + 区域类型不匹配形成「三重失配」，任何一项修复都只能短暂缓解，最终必须三者同时统一才能根治。

预防措施

1. 配置版本化与 Review：所有网络设备配置变更必须走 Git + Review，关键参数（timer、area type、passive）做 diff 检查。
2. 自动化一致性巡检：每周运行一次脚本对比全网 OSPF/BGP 配置，检测 timer、area、认证差异。
3. BFD + 快速收敛：核心链路必须开启 BFD，把协议收敛时间控制在 50ms 以内。
4. 变更窗口隔离：网络变更必须在业务低峰期执行，变更后立即执行「配置漂移检查清单」。
5. 监控分层告警：OSPF 邻居 Flap 告警 → 路由表变化速率告警 → 业务连接超时告警，形成三级响应。

总结

一次看似普通的 OSPF 邻居 Flap，根源是三层配置漂移累积到临界点后引发的全网级雪崩。通过统一 timer、清理 passive、统一区域类型、开启 BFD + 认证，最终将故障收敛时间从分钟级降到毫秒级。网络排障永远是「配置一致性 > 协议特性」，任何参数漂移都可能成为压垮全网的最后一根稻草。