脆弱的冗余：链路聚合（LACP）中单条链路故障引发的网络震荡

1. 故障现象：令人困惑的“时好时坏”
   网络运维人员收到用户反馈：访问核心业务时断时续，ping包延迟忽高忽低且伴有大量丢包。检查核心设备（如PE路由器），其物理端口指示灯正常常亮，但网络性能却极不稳定，呈现一种“似通非通”的诡异状态。
2. 拓扑背景：看似高可用的设计
   两台核心PE路由器之间通过链路聚合（如LACP） 技术将两条物理链路捆绑为一个逻辑通道（如Port-channel/EtherChannel）。
   设计初衷：提高带宽、实现负载均衡和冗余备份。
   预期效果：当一条物理链路故障宕机（Down）时，流量会自动、无缝地切换到另一条链路，用户无感知。
3. 根因分析：最棘手的“亚健康”状态
   问题并非发生在链路完全宕机时，而是出现在一种“亚健康” 状态。如下图所示，这种状态通常有两种致命场景：
   导致这种“亚健康”状态的具体原因包括：
   物理层问题：光模块故障、光纤弯曲半径过小、端口硬件故障、单纤中断等，导致链路光衰过大或误码率极高。物理层可能保持Up，但数据链路层协议（LACP）无法正常维持。
   配置错误：两端聚合模式（如ON vs. Active）、速率、双工模式、VLAN允许列表不一致。
   协议超时：LACP报文因网络拥塞或设备CPU过高而丢失，导致对端认为邻居失效。
4. 影响与症状：为何负载均衡成为“帮凶”
   负载均衡机制的缺陷：聚合链路默认采用基于流的负载均衡（如基于源IP、目的IP哈希）。计算引擎通常只检查物理端口的Up/Down状态，而无法有效感知其协议状态或链路质量。
   流量黑洞：如图所示，当一条链路处于“亚健康”状态时，设备依然会根据哈希算法将一部分流量转发到该故障链路上，而这部分流量实际上无法通过，从而造成部分用户、部分业务随机性中断，故障现象难以捉摸。
5. 排查与解决：四步定位法
   6.第一步：查看聚合状态

Cisco设备

show etherchannel summary# 查看聚合组中所有端口的标志位，健康状态应为 ‘P’ (Port-channel) 或 ‘SU’（Stand-up）。# 若发