7506E單引擎三個業務板卡其中兩塊板卡莫名down掉

看下收發光正常不？看下deepseek回複

關鍵日誌分析

1. 堆疊分裂與主備倒換：

   • %HA/5/HA_SLAVE_TO_MASTER: Slave board in chassis 2 slot 0 changes to master
     從設備（Chassis 2）升級為主控，表明原主設備（Chassis 1）失效。

   • %MAD/1/MAD_COLLISION_DETECTED: Multi-active devices detected
     MAD檢測到雙主衝突，確認堆疊分裂。

2. 主設備（Chassis 1）硬件故障：

   • %DEVM/2/BOARD_STATE_FAULT: Board state changes to FAULT on Chassis 1 Slot 2/3/4
     Slot 2/3/4的三塊業務板卡同時報告故障（LSQ1GP24SC/LSQ1GV48SA等）。
     關鍵點：多槽位板卡瞬間集體故障，極可能是 主控板（Slot 0）或背板供電/通信故障 引發連鎖反應。

3. 鏈路大規模宕機：

   • 所有 GigabitEthernet2/x/x/x 端口（屬於Chassis 2）的物理鏈路DOWN，因堆疊分裂後邏輯端口失效。

   • 聚合接口（BAGG4/BAGG51等）因物理端口DOWN變為INACTIVE。

4. BFD與MAD聯動異常：

   • BFD會話在分裂後短暫恢複UP（BFD_CHANGE_FSM: DOWN->UP），但MAD仍檢測到衝突，說明堆疊邏輯已破壞。

故障根本原因

• 主控板（Chassis 1 Slot 0）硬件老化：運行十年後，主控板電容、芯片等元件可能失效，導致突發重啟（%SYS_RESTART）並觸發堆疊分裂。

• 背板故障：若主控板正常，但背板供電或通信模塊損壞，會導致多槽位板卡同時異常（Slot 2/3/4 FAULT）。

• 堆疊鏈路單點故障：雖無配置變更，但堆疊線纜/光模塊老化可能導致分裂，但此情況通常不會引發多板卡故障。

解決步驟

1. 緊急恢複業務

• 主設備（Chassis 1）下電檢修：

  bash

  複製

  下載

  system-view irf member 1 priority 1 # 降低優先級防止誤切主 quit reboot slot 1 # 強製重啟Chassis 1

• 臨時運行業務：
  若重啟後堆疊仍無法恢複，暫時以 單機模式 運行Chassis 2（當前主設備），確保業務不中斷。

2. 硬件診斷

• 檢查主控板狀態：

  bash

  複製

  下載

  display device # 查看Chassis 1 Slot 0狀態 display environment # 檢查溫度/電源

  • 若狀態為FAULT或Absent，更換主控板。

• 測試背板與業務板卡：

  • 將Chassis 1的業務板卡（Slot 2/3/4）插入Chassis 2的空閑槽位，驗證是否正常。

  • 若仍報錯，更換故障板卡；若正常，則Chassis 1背板故障。

3. 堆疊重建

• 重置堆疊配置（避免配置衝突）：

  bash

  複製

  下載

  system-view irf domain 0 # 進入IRF域 irf auto-update enable # 啟用自動配置同步 undo irf-port 1/1 # 刪除原堆疊口 quit

• 重新配置堆疊：

  bash

  複製

  下載

  irf member 1 priority 32 # 設置Chassis 1為主 irf member 2 priority 1 # Chassis 2為備 interface range Ten-GigabitEthernet 1/0/xx to 2/0/xx # 堆疊物理端口 irf-port 1/1 port group interface Ten-GigabitEthernet1/0/xx port group interface Ten-GigabitEthernet2/0/xx

• 激活堆疊：

  bash

  複製

  下載

  irf-port-configuration active save reboot

4. 預防措施

• 更換老化硬件：優先更換主控板、堆疊線纜及使用超10年的板卡。

• 配置MAD多主檢測：確保使用BFD或LACP檢測，快速隔離故障。

• 堆疊鏈路冗餘：至少配置2條堆疊鏈路，分屬不同板卡。

• 定期維護：

  • 清潔設備風扇/濾網，避免過熱。

  • 每年進行堆疊切換測試。

結論

核心故障點是Chassis 1的主控板（Slot 0）或背板硬件老化。建議立即更換主控板並重建堆疊，同時規劃硬件迭代（設備已運行10年，進入故障高發期）。若背板損壞，需整機更換。