运维网络如何做容灾

运维网络的容灾（Disaster Recovery，DR）目标是：当网络、设备、链路或整个机房/区域发生故障时，业务流量能快速切换、可访问性不受严重影响。下面从体系化角度说明“运维网络如何做容灾”。

一、先明确容灾目标和等级

在做技术前，先定义：

• RTO（恢复时间目标）：网络中断后多久恢复
• RPO（数据丢失目标）：允许多久的数据/状态丢失（网络层通常关注会话和路由状态）
• 容灾级别：
  • 设备级（单设备冗余）
  • 链路级（多链路）
  • 机房级（双机房）
  • 地域级（多地域/多云）

二、网络架构层面的容灾设计

1. 设备冗余（避免单点）

• 核心/汇聚交换机、路由器、防火墙 双机热备
• 使用：
  • 交换机堆叠 / VPC（虚拟化）
  • 防火墙 HA（Active-Standby / Active-Active）
  • 负载均衡器集群（如 LVS、F5、Nginx、云 SLB）

2. 链路冗余（多出口）

• 多运营商出口（电信 + 联通 + 移动）
• 主备链路 + 动态路由（BGP / OSPF）
• 链路失效自动切换（BFD、IP SLA）

3. 路由与协议容灾

• 动态路由优先于静态路由
• BGP 多归属（Multi-homing）
• 使用：
  • OSPF / IS-IS（内网）
  • BGP（跨域、多出口）
• 控制平面与转发平面分离（如 SDN）

4. 双活 / 多活网络

• 同城双中心：
  • 大二层延伸（VXLAN、EVPN）
  • 任播（Anycast）IP
• 异地多活：
  • DNS 容灾
  • GSLB（全局负载均衡）
  • 业务分片 + 就近接入

三、接入层与业务层容灾

1. DNS 容灾

• 多 DNS 服务商
• 健康检查 + 自动摘除故障节点
• TTL 合理设置（太短影响性能，太长切换慢）

2. 负载均衡容灾

• 本地 LB：健康检查、慢启动、熔断
• 全局 LB（GSLB）：
  • 按地域、延迟、健康状态调度

3. 服务与端口容灾

• 多实例部署
• 服务注册发现（如 Consul、Nacos）
• 客户端重试 + 超时控制

四、机房 / 地域级容灾

1. 同城双活

• 网络延迟低（< 2ms）
• 数据库主备或同步复制
• 网络层使用 Anycast / 双出口

2. 异地灾备

• 冷备：故障时手动切换
• 热备：实时同步、可快速接管
• 使用：
  • 跨地域专线
  • 云厂商跨区容灾方案
  • 混合云容灾

五、运维与自动化保障

1. 监控与告警

• 网络质量监控（延迟、丢包、抖动）
• 设备、端口、BGP 会话状态
• 自动化告警（Prometheus + Alertmanager）

2. 自动切换

• 脚本 / 平台自动切换路由
• BGP 路由撤回
• DNS / GSLB 自动隔离

3. 演练

• 定期容灾演练（断链、关机、机房隔离）
• 验证 RTO / RPO 是否达标
• 记录故障切换时间

六、常见网络容灾方案示例

中小公司

• 双出口 + OSPF
• 防火墙 HA
• DNS + 云 SLB

中大型

• BGP 多线
• 同城双活
• SDN + 自动化切换

大型 / 金融

• 异地多活
• Anycast + GSLB
• 全链路故障演练

如果你愿意，可以告诉我：

• 是自建机房 / 云上 / 混合云？
• 业务规模和对中断的容忍度？
• 当前网络拓扑或痛点？

我可以直接给你一套可落地的容灾方案。