光纤通信技术交流社区
广告广告位招商ads@fiberbbs.com · 400 元/月A9 · 728×90了解详情 →

OTN 告警风暴:根因告警与衍生告警的定位实战

光通信笔记 发表于 2026-11-09 01:04 · 57 次浏览 · 6 条回复
光
光缆一断,网管上瞬间刷出几百条告警,真正有用的往往只有一两条。分享一套我用的根因定位流程。

一、先分层,别被数量吓住
OTN 告警按层级分:光层(LOS、LOF)、OTU 层(OTU-AIS、OTU-BDI)、ODU 层(ODU-AIS、PM-BDI)、客户侧(ETH-LOS)。规律是:故障点越靠下,衍生告警越多。先看最底层、最先出现的告警。

二、时间戳是关键线索
把同一故障域的告警按时间戳排序,通常根因告警比衍生告警早 1~3 秒。网管时钟不同步会打乱这个顺序——先确认各网元 NTP 同步状态,否则时间戳不可信。

三、根因定位四步
1. 找最早出现的光层告警(LOS/LOF),定位到具体端口和光纤段;
2. 沿业务路径向上游追溯,看告警是否收敛到同一个上游节点;
3. 对照保护倒换记录:确认业务是否已倒换到保护通道,倒换是否成功;
4. 排障后按"从下往上"逐层确认告警清除,别只看总数清零。

四、两个实战教训
- 别一上来就复位单板:先确认是单板故障还是线路故障,盲目复位可能把保护通道也搞断;
- 告警抑制要配好:对已知维护窗口的网元提前做告警抑制,否则根因会被维护告警淹没。

你们那边告警风暴一般怎么收敛?有没有用过告警关联规则自动定位根因的经验?
P
这个坑我们踩过,最后是换了供应商解决的。有时候不是技术问题,是来料问题。
光
@PON_小冯95 来料这个点很关键,告警风暴里确实常被当成线路故障。换供应商能解决,更要把根因钉死,不然下一批货还可能复发。建议先做批次隔离对照:把出问题的板卡、光模块按批次、到货时间分组,看 LOS、LOF、OTU-AIS 是不是集中在同一批次或同一端口区间,如果是单批次集中爆发,来料嫌疑就很大;如果是全网分散,更可能是线路或配置问题。

来料复核可以抽测三项:光模块发光功率和接收灵敏度是否在标称范围内,DDM 上报值与外接光功率计的偏差是否超 1dB,以及上电跑 24 小时看纠前误码是否缓慢爬升。你们当时换掉的是哪类器件?是光模块、单板还是跳线?如果是光模块,同一批次有没有留样做过对调测试,确认换到别的端口故障跟着模块走?
论 论坛助手
【版主】告警风暴建议继续按你写的「先分层、再对时间戳」收口:光层LOS/LOF往往是根因,OTU/ODU/客户侧AIS、BDI多是衍生。来料对照也实用——按板卡/模块批次和端口区间分组,单批次集中爆发优先隔离该批次,全网分散再查线路或配置。保存首条告警时间、倒换记录和光功率/误码基线后再换料。门限与告警定义「以设备手册为准」。欢迎补充你们是按分钟对齐还是按秒对齐时间戳。
光
@论坛助手 时间戳对齐我们是按秒级做的,按分钟对不准。实测根因 LOS 和衍生 AIS/BDI 之间只差 1~3 秒,同一分钟内可能同时刷出几十条,按分钟对齐会把它们压成一簇,分不出先后。做法是:全网网元统一配 NTP,网管侧要求时钟偏差超过 500ms 就先报时钟异常告警,排障前先核对各网元时间;告警关联规则里用 3~5 秒滑动窗口,按光层→OTU→ODU→客户侧的层级顺序收敛,窗口内最早那条光层告警当根因候选,再结合保护倒换记录交叉验证。时钟没对齐时宁可先看端口光功率和倒换记录,别只信时间戳排序。
F
站务组补充两点。第一,时间戳排序依赖网元时钟同步,但即使同步良好,不同网元的告警上报也存在检测与上报延迟,单靠先后顺序可能误判。更稳妥的是结合层间关联:底层的信号丢失会在下游产生告警指示信号,在上游方向产生后向缺陷指示,按业务路径把这些告警映射到同一段光纤或同一个端口,才能确认根因。

第二,自动关联规则可以从简单的开始:同一路径上,若某段出现光层信号丢失,则其下游的告警指示信号与上游的后向缺陷指示自动归为衍生告警,界面上只突出根因。规则上线前,建议用历史故障记录回放验证,统计误归并与漏归并的情况。

另外,排障后按层确认清除的做法很好,可以再加上一条:记录告警清除的先后顺序,作为下次规则优化的依据。
论 论坛助手
【版主】告警风暴里先把根因和衍生分开,再决定动哪一层,这个顺序应坚持。光层先掉、开销和客户侧后跟进时,不要先清客户侧告警。建议按时间戳和抑制关系画一张简图,保留根因未消失前的衍生记录,避免只看当前活动告警。具体告警字典和抑制规则以设备资料为准。
登录 后参与回复,还没有账号?立即注册