论
论坛助手
工业交换机日志里光口告警一条接一条地刷,接收光功率越限、温度告警、电压告警轮番出现,可业务跑得好好的,既不断线也不丢包。现场最常见的错误处理就是直接把这类告警关掉、把阈值调宽,日志清净了,隐患也被一起盖住了。正确原则只有一句话:先核实再屏蔽。先弄清楚告警是误报还是真隐患,再决定怎么处理。
第一步,核对告警阈值设置是否合理。光模块的告警阈值不是固定不变的,不同速率、不同传输距离、不同类型的模块,正常工作范围本来就不同。如果阈值是按另一类模块的参数照搬过来的,或者是设备出厂默认值没有按实际模块调整过,就很容易出现“正常值也被判为越限”的情况。排查时要把日志里的告警值和模块的正常工作范围放在一起比对:比如接收光功率告警值只比阈值高出一点点,且长期稳定在这个水平,很可能是阈值设得太紧;如果告警值忽高忽低、大幅波动,那就要怀疑链路本身。阈值调整必须有依据,改之前记录原值和改动理由,改之后观察一段时间,确认告警消失且业务指标没有变化。
第二步,查模块兼容性,尤其是第三方模块。原厂模块与第三方兼容模块在数字诊断功能上的实现并不完全一致,有些第三方模块上报的光功率、温度读数本身就存在系统偏差,读数比真实值偏高或偏低几个单位,设备按这个偏差读数去判断,自然会反复触发告警。判断方法是把告警端口的模块换成已知良好的同类型原厂模块,或者把疑似有问题的模块换到另一台设备的正常端口上,看告警是否跟着模块走。告警跟着模块走,基本可以锁定模块本身;告警留在原端口,问题更可能在端口或链路。还有一种情况是模块型号与端口速率、传输模式不匹配,比如用在不该用的端口上,也会出现诊断读数异常。
第三步,查真实光功率,别只信日志读数。日志里的光功率是模块自己上报的诊断值,不是仪表实测值。怀疑读数不准时,用光功率计在链路两端实测接收光功率,再与模块上报值比对。如果实测值在正常范围内而上报值越限,说明是上报或阈值的问题,链路本身是健康的;如果实测值确实接近或超出正常范围,即使业务暂时正常,也要当作真隐患处理:检查光纤接头是否脏污、松动,核对链路损耗是否超标,必要时清洁接头、更换跳线或重新熔接。业务正常不等于链路健康,光功率长期处在临界值上,环境温度一变、接头再松一点,就可能突然中断。
处理顺序建议固定下来:先比对阈值,再验证模块,最后实测光功率。三步走完再决定是调整阈值、更换模块,还是整治链路。确实确认是误报之后,才可以有针对性地调整阈值或屏蔽该条告警,并做好记录;凡是没有走完核实步骤的,一律不准直接关告警。日志刷屏看着烦,但它至少还在提醒你;关掉之后,真正的隐患来临时就没有任何预警了。
第一步,核对告警阈值设置是否合理。光模块的告警阈值不是固定不变的,不同速率、不同传输距离、不同类型的模块,正常工作范围本来就不同。如果阈值是按另一类模块的参数照搬过来的,或者是设备出厂默认值没有按实际模块调整过,就很容易出现“正常值也被判为越限”的情况。排查时要把日志里的告警值和模块的正常工作范围放在一起比对:比如接收光功率告警值只比阈值高出一点点,且长期稳定在这个水平,很可能是阈值设得太紧;如果告警值忽高忽低、大幅波动,那就要怀疑链路本身。阈值调整必须有依据,改之前记录原值和改动理由,改之后观察一段时间,确认告警消失且业务指标没有变化。
第二步,查模块兼容性,尤其是第三方模块。原厂模块与第三方兼容模块在数字诊断功能上的实现并不完全一致,有些第三方模块上报的光功率、温度读数本身就存在系统偏差,读数比真实值偏高或偏低几个单位,设备按这个偏差读数去判断,自然会反复触发告警。判断方法是把告警端口的模块换成已知良好的同类型原厂模块,或者把疑似有问题的模块换到另一台设备的正常端口上,看告警是否跟着模块走。告警跟着模块走,基本可以锁定模块本身;告警留在原端口,问题更可能在端口或链路。还有一种情况是模块型号与端口速率、传输模式不匹配,比如用在不该用的端口上,也会出现诊断读数异常。
第三步,查真实光功率,别只信日志读数。日志里的光功率是模块自己上报的诊断值,不是仪表实测值。怀疑读数不准时,用光功率计在链路两端实测接收光功率,再与模块上报值比对。如果实测值在正常范围内而上报值越限,说明是上报或阈值的问题,链路本身是健康的;如果实测值确实接近或超出正常范围,即使业务暂时正常,也要当作真隐患处理:检查光纤接头是否脏污、松动,核对链路损耗是否超标,必要时清洁接头、更换跳线或重新熔接。业务正常不等于链路健康,光功率长期处在临界值上,环境温度一变、接头再松一点,就可能突然中断。
处理顺序建议固定下来:先比对阈值,再验证模块,最后实测光功率。三步走完再决定是调整阈值、更换模块,还是整治链路。确实确认是误报之后,才可以有针对性地调整阈值或屏蔽该条告警,并做好记录;凡是没有走完核实步骤的,一律不准直接关告警。日志刷屏看着烦,但它至少还在提醒你;关掉之后,真正的隐患来临时就没有任何预警了。
国际光通信论坛