MC-LAG主设备升级备设备业务中断的案例分析

故障现象

某地ZXR10 5960X MC-LAG组网，软件版本V6.00.00.70B18，现场升级版本，先升级MC-LAG主设备。主设备重启时，MC-LAG备设备业务中断大约3分钟。

MC-LAG双机二层组网，smartgroup127作为peerlink端口，smartgroup128作为keepalive端口。现场网络配置如下：

故障分析

Keepalive 联动检测配置缺失，联动检测未生效导致备设备退避。

故障处理

1. 对业务中断到业务恢复过程告警进行分析。

MC-LAG主设备升级执行reload重启后，备设备11:25上报smartgroup127(peerlink)和smartgroup128(keepalive)物理端口及MC-LAG成员端口(业务)口物理down告警，同时1144设备上报了退避告警。

1137备设备退避状态发生变化，变为master主设备。

1140开始MC-LAG备设备成员口逐步up(注：主设备还未启动完成，peerlink和keepalive物理端口还未起来)，此时业务恢复。

物理端口down 告警：

MC-LAG 退避告警：

退避状态变化，备设备变为master 主设备：

MC-LAG 成员端口up 告警：

2. 业务中断分析：

从告警初步判断主设备重启导致备设备退避，MC-LAG成员端口down，业务中断3分钟，然后MC-LAG成员端口up，业务恢复。主设备升级后出现以上现象存在疑点：

MC-LAG 双机，重启一台设备理论上不会影响另一台设备业务，现场却出现备设备业务中断，检查配置发现LACP全局下配置了keepalive联动检测，但SAMGR下并未做track 关联配置，相当于keepalive和物理端口联动检测未生效。当主设备重启时peerlink端口down，keepalive虽然物理端口down但keepalive协议检测未关联，认为还是up的(keepalive报文发送周期5 s，超时时间180 s)，因此MC-LAG备设备才会出现退避及物理端口down的现象。

3. 补充增加SAMGR配置，验证再次重启主设备则不会再出现备设备退避及业务中断影响。

故障总结

1. MC-LAG升级前一定要检查主备设备配置，参考开局指导规范实施。

2. MC-LAG升级理论上先升级主或先升级备均不会影响另外一台，但实施时建议升级备设备，备设备升级完成后再调整MC-LAG优先级。主备角色重新选举后再次升级备设备，升级完成后调整优先级恢复配置，要求始终保持每次升级均为备设备，这样会更安全。