前言：故障不可避免，設計要為故障負責

網路設計必須在「效能 vs 成本、可用性 vs 可維護性」間取捨。理解故障類型，才能在設計階段植入韌性與可觀測性。

四大故障類型與設計對策

1. 簡單故障：單一元件失效

特徵：單一組件掛掉（如 DNS 伺服器網線鬆脫），修復該點全網恢復。
設計對策：
• 關鍵服務雙節點主備（DNS、DHCP、RADIUS、核心交換機）。
• 關鍵鏈路雙上游/雙歸極，啟用 BFD + FRR 快速切換。
• 統一資產標籤+佈線圖，縮短物理定位時間。

2. 無關聯多重故障：巧合同時發生

特徵：多個獨立故障同時出現（如：光纖被挖斷 + 核心風扇故障過熱），易誤判為單一根因。
設計對策：
• NMS 具備事件關聯分析（拓撲感知、時間窗聚類），自動區分獨立/關聯告警。
• 故障單標準化：每個症狀獨立建單、獨立追蹤，避免合併導致遺漏。

3. 級聯故障：一個故障觸發連鎖反應

特徵：斷電 → 介面板損壞 → 鏈路震盪 → 路由震盪 → CPU 100% → 全網癱瘓。
設計對策：
• 故障域隔離：故障域不超過 2 層設備（存取層故障不波及核心）。
• 風暴控制/錯誤禁用：Storm Control、Err-disable Recovery、BPDU Guard 防環路擴散。
• 優雅降級：核心資源耗盡時保護控制平面（CoPP、Control Plane Policing）。

4. 系統性故障：非預期的相互作用

特徵：多個「正常」元件互動產生錯誤行為（如：MTU 不匹配 + ICMP 被擋 → PMTU 黑洞；VRRP 抢占 + 路由震盪 → 雙主震盪）。
設計對策：
• 標準化配置模板：消除配置漂移（Ansible/Oxidized）。
• 變更管理：所有變更經測試環境驗證、灰度發布、可回滾。
• 混沌工程：定期注入故障（斷纜、關介面、CPU 壓測）驗證韌性。
• 可觀測性三支柱：Metrics（指標）、Logs（日誌）、Traces（追蹤）全鋪設。

通用設計原則清單

1. 無單點失效：核心設備、關鍵鏈路、關鍵服務至少 N+1。
2. 故障域最小化：L2 域不超過存取層，核心純 L3；VLAN 不跨樓層/建築。
3. 確定性收斂：啟用 BFD、FRR、IP FRR、TI-LFA，目標 < 50ms。
4. 配置即代碼：GitOps 管理網路配置，變更可審計、可回滾、可重現。
5. 遙測驅動運維：gNMI/Telemetry 即時串流，取代輪詢 SNMP。
6. 文檔即時化：拓撲、IPAM、VLAN、埠口對照表隨變更自動更新（NetBox/NAV）。

結語

好網路不是「不壞」，而是「壞了好查、好修、影響小、恢復快」。在設計圖上為每條線、每個盒子標註「壞了怎麼辦」，才是資深架構師的基本功。