Netprobe 数据中心网络链路探测白皮书

Netprobe数据中心网络链路探测白皮书ODCC-2023-06008主要介绍了在面对超大规模数据中心网络中网络监控的需求和挑战，提出了一套网络诊断方案，以实现对网络的高精度、实时监控，包括故障快速发现与自愈。

项目背景与目标

项目背景

• 静默丢包与芯片丢包：在大型数据中心网络中，静默丢包和芯片丢包是监控难题。这些问题可能导致业务有感知但监控无告警，增加故障定位和修复的时间。
• 大规模网络架构：超大规模数据中心网络采用框式解耦、盒式多平面设计，带来网络节点间的复杂连接，增加故障定位难度。
• 长传链路监控：骨干网络中的长传资源（陆缆、海缆）质量不可控，面临路径切换和链路故障等挑战。

项目目标

• 秒级故障发现：设计一套通用性强、底层轻载、底层简单、上层灵活的网络监控系统，实现秒级故障发现和自愈能力。
• 精准高效监控：确保监控系统在超大规模数据中心网络中提供稳定、可靠、精准、高效的通信服务。

技术原理与方案实现

技术原理

• 常用检测技术：包括镜像技术、探测报文构造和随流检测技术。
• 业内检测方案：对比了Pingmesh和NetBouncer等方案，指出各自的优点和限制。
• 厂家支持能力：评估不同厂家对特定检测技术的支持程度，以实现全网设备的覆盖。

方案实现

• 核心思想：采用探测报文构造+镜像报文收集的策略，通过控制器、探测节点、锚点交换机、反射点和采集节点协同工作，实现网络探测。
• 实现步骤：
  • 拓扑收集：基于网络数据库和LLDP信息构建全网拓扑。
  • 探测包构建：根据拓扑信息构造探测数据包，使用GRE和IP-IN-IP封装技术。
  • 发包与反射：探测节点发送探测包，锚点交换机反射并镜像数据包至采集节点。
  • 丢包分析：采集节点通过镜像数据包比较，分析丢包情况。
  • 告警与自愈：系统根据丢包数据触发告警，并通过内置机制执行故障自愈。

下一步工作建议

• 持续优化：根据实际应用反馈，持续优化方案，提升性能和稳定性。
• 拓展应用：探索方案在不同场景下的应用可能性，进一步提升数据中心网络管理效率。

结论

Netprobe数据中心网络链路探测方案通过创新的网络探测技术，有效解决了超大规模数据中心网络中的监控难题，实现了高效、精确的网络故障发现与自愈，为数据中心网络提供了稳定可靠的监控保障。