阿里云香港线路机房常见网络故障排查与解决流程

1. 准备工作与信息收集

- 收集故障范围：受影响的实例ID、EIP、内网IP、所在VPC/子网、故障开始时间。
- 准备工具：能访问实例的跳板机、SSH权限、控制台账号、traceroute/mtr/ping/tcpdump/iperf3、浏览器打开阿里云控制台。
- 开始前记录基线：执行 ping -c 5 8.8.8.8 和 traceroute -n 到目标，截取输出保存，作为后续对比。

2. 初步连通性检查（实例侧）

- 本地到实例：SSH 登录实例，检查网络接口 ip addr / ifconfig，以及路由表 ip route / route -n。
- 内外网连通：内网互通测试 ping 内网IP，公网测试 ping EIP 和外网IP；用 curl 或 telnet 检查服务端口（例：telnet 目标IP 80）。
- 若无响应，先检查安全组和网络ACL规则（控制台或aliyun CLI），确认入站/出站策略允许对应协议与端口。

3. 物理链路与网卡问题排查

- 查看网卡状态：ethtool eth0 或 ip -s link，注意 RX/TX 错误、丢包、队列溢出。
- 重启网卡：sudo ip link set eth0 down && sudo ip link set eth0 up（注意生产风险，建议在维护窗口或单实例不可用时）。
- 检查虚拟网卡性能参数：禁用 GRO/TSO 可排查碎片与吞吐问题 sudo ethtool -K eth0 gro off gso off tso off。

4. VPC、ENI、EIP 与路由表检查

- 控制台核对：进入VPC -> 子网 -> 路由表，确认目标路由是否有误，检查是否指向了错误的NAT网关或虚拟路由器。
- 异常ENI：在控制台查看弹性网卡(ENI)状态，是否被解绑或重复绑定；若为SLB/负载均衡前端，检查后端服务器健康检查。
- EIP问题：确认EIP是否绑定到正确实例、是否被释放或计费问题导致暂停。

5. 安全组与网络ACL排查细则

- 安全组：逐条核对入站/出站规则，尤其检查来源CIDR、端口范围与协议；临时放宽规则测试连通性，再回滚。
- 网络ACL：子网级别的ACL可能覆盖安全组，查看是否存在拒绝规则；调整后等待生效并再次测试。
- 日志审计：若开通阿里云云防火墙或日志服务，检索相关时间段的被拦截记录。

6. DNS 与解析问题处理步骤

- 本地解析验证：dig +short 域名 或 nslookup，确认解析返回的IP是否正确。
- 本地/实例DNS：检查 /etc/resolv.conf 指向的DNS服务器是否可用；尝试直接查询权威DNS。
- CDN/解析缓存：若使用阿里云DNS/解析，刷新解析或降低TTL后观察是否恢复。

7. MTU、分片与性能异常排查

- MTU检测：使用 ping -M do -s 命令测试，例如 ping -M do -s 1472 目标IP（Linux），若超出需逐步减小size找出最大可通过值。
- TCP MSS：对于VPN/专线场景，调整MSS或在路由器/实例中设置减少分片（iptables --set-mss）。
- 性能测试：使用 iperf3 -c 目标IP 测试带宽与丢包率，记录RTT与抖动。

8. 专线/Express Connect 与 BGP 排查

- BGP会话：若使用专线或对端BGP，登录对端设备或阿里云控制台检查BGP会话状态，确认AS号、邻居状态为Established。
- 路由传播：查看路由表是否有丢失或被错误聚合，使用 traceroute/route -n 对比对端路由。
- 联系运营商：若怀疑物理链路或骨干问题，准备好BGP邻居信息、时间点与抓包文件，联系专线提供商与阿里云支持。

9. 抓包与日志证据收集

- 实例抓包：使用 sudo tcpdump -i eth0 host and (tcp or icmp) -w /tmp/cap.pcap，截取发生问题时段的数据包。
- 分析工具：下载cap并用Wireshark/MATTER进行分析，关注重传、RST、ICMP unreachable、MSS/DF标志等。
- 控制台日志：查看实例系统日志、SLB/OSS/云防火墙日志、CloudMonitor报警记录，保存为工单附件。

10. 提交工单与修复回滚流程

- 提交工单：在阿里云控制台 -> 支持与服务 -> 工单，填写影响范围、时间、操作记录、抓包文件与截图，标明紧急级别。
- 修复步骤：先在测试环境复现并验证方案（如调整MTU、修改路由、放宽安全组），再在生产逐步执行并实时监控。
- 回滚预案：每次修改前记录现状配置（route、security group、ACL、BGP配置），若问题未解决立即按预案回滚并向相关方通报。

11. 常见故障快速解决小结

- 若是单实例无网：先检查安全组/网卡绑定/路由，再重启网卡与网络服务。
- 若是全站延迟或丢包：抓包确认是链路层还是应用层问题，若链路则联系专线或IDC。
- 若疑似阿里云平台故障：提交工单并附上实例信息、时间线与抓包，等待官方处理。

Q: 出现间歇性丢包，如何快速定位是实例端还是阿里云网络侧问题？ A: 首先在实例侧持续 ping 目标并记录丢包时间点，同时在旁路或另一可达实例做相同测试；若实例ping本地网关无丢包但到外网有丢包，倾向网络侧或转发链路问题；准备 tcpdump 抓包并提交控制台工单。

Q: 专线（Express Connect）发生单向丢包或路由不通，我需要哪些信息提交给客服？ A: 提供专线ID、BGP邻居IP与AS号、出现问题的时间窗口、路由表截图、traceroute/mtr 输出和抓包文件，注明是否存在路由策略或流量镜像，便于阿里云与对端运营商联动排查。

Q: 修改安全组或路由后服务不可用，如何安全回滚且避免二次故障？ A: 变更前导出当前配置（截图或命令导出），变更后立即验证关键业务连通性；若出现不可用，按记录逐项回滚并在低峰窗口执行，回滚同时通知业务方并记录事件原因与改进措施。

文章标签：BGP VPC 专线 排查 机房 线路 网络故障 解决 阿里云 香港 更多»

来源：阿里云香港线路机房常见网络故障排查与解决流程