故障年年有,，今年特別早。
前幾天，我在寫《2022年通信行業(yè)十大看點》的時候,，就提到了網(wǎng)絡安全穩(wěn)定的重要性。沒想到,，這還不到一個禮拜,，國內(nèi)第一個斷網(wǎng)事件就誕生了。
根據(jù)媒體報道,，1月12日凌晨,，有大量用戶反映某運營商服務斷網(wǎng)?；诰W(wǎng)友反饋的坐標來看,，包括北京、廣州,、杭州,、長春、烏魯木齊等地,，均出現(xiàn)了斷網(wǎng)問題,。
據(jù)悉，此次大規(guī)模斷網(wǎng)事件,，導致47%的該運營商用戶無法訪問網(wǎng)絡,，骨干網(wǎng)受到影響，具體表現(xiàn)為路由追蹤無信息,。
本次斷網(wǎng)發(fā)生在深夜,，且很快得到了恢復（不到半小時），客觀來說,，影響不大,。
但是，斷網(wǎng)的原因卻遲遲未能公布（估計不會公布了）,。
這次斷網(wǎng),，不禁讓人深思——都2022年了,，運營商和設備商每天都把技術(shù)吹得天花亂墜，為什么我們的網(wǎng)絡還是會斷,？
今天,，小棗君就簡單和大家聊聊這個話題。
斷網(wǎng)的原因分析
前段時間,，西安一碼通宕機的時候,，幾乎所有人都把關(guān)注目光放在“單一來源采購”和“項目轉(zhuǎn)包”上。
我們在日常工作中,，也經(jīng)常見到甚至參與過類似的項目——高價中標,，然后層層轉(zhuǎn)包，最后一個千萬級的項目,，很可能是一個大學生團隊完成的,。
軟件行業(yè)這種現(xiàn)象略見不鮮，于是人們就會覺得,，通信行業(yè)出現(xiàn)問題,，是不是也和項目轉(zhuǎn)包或者低價中標有關(guān)？
其實,，通信行業(yè)的情況,，和IT行業(yè)還是有些區(qū)別的。
通信項目,，尤其是面向三大運營商的公共通信網(wǎng)絡項目,，對安全性和可靠性的要求極高。
公共通信網(wǎng)絡（手機網(wǎng)絡,、寬帶網(wǎng)絡）承載著海量的用戶,，支撐國民經(jīng)濟各個領(lǐng)域（金融、制造,、交通）的發(fā)展,，對于社會穩(wěn)定意義重大。各個運營商身負非常嚴格的網(wǎng)絡安全運行考核指標,，一旦出現(xiàn)問題,，不是扣工資那么簡單，而是領(lǐng)導下課,，甚至瀆職入獄,。
所以，對于通信網(wǎng)絡主設備和核心服務的采購,，運營商非常嚴謹和認真,。能夠中標的，都是華為,、中興,、愛立信,、諾基亞這樣的大型企業(yè)。
運營商那么重視,，設備商就更不用說了,。在目前激烈的市場競爭下，設備商們再摳門,，也不敢在安全上松懈,。一旦出事，大領(lǐng)導就要屁顛屁顛去道歉,。一旦出大事,，這個省的份額基本上就是完蛋，卷鋪蓋走人,。
所以,，通信網(wǎng)絡設備的采購，尤其是集團層面的集采,，貓膩空間有限,。目前，貓膩較多的,，或者說存在低價競爭、灰色交易的,，是一些中小型的采購,。大家可以去運營商的采購網(wǎng)站看，每天都有幾十個采購項目掛出來,，什么辦公樓裝修啊,，顯示屏采購啊，信息系統(tǒng)運維啊,，之類的,。
通信圈里很多人抱怨運營商壓價，其實運營商壓價的項目,，主要是運維,、代運維、站點勘察之類的體力勞動項目,。甲方會通過施工標準來卡供應商,。
既要低價，又要符合標準,，就看乙方供應商的本事,。硬件和物料是明的，不好偷工減料,，于是,，就把目光放在員工身上,，大幅克扣合作方員工的工資和獎金，以此達到壓低成本的目的,。
說起來大家可能不信,，有設備商在招外包合作的時候，明確要求了給外包員工的薪資比例,。例如設備商給分包商1萬,，那么，分包商必須承諾,，至少要給員工7000,，以此保證底層員工的積極性和態(tài)度。
為了保證分包商員工不瞎搞,，設備商和運營商還專門制定了大量的流程制度和行為規(guī)范,，文檔也是不斷地checklist，對操作步驟嚴格管控,，防止出事,。
前幾年廣西那個故障，就是外包員工誤操作,，導致某設備商賠了幾個億,。所以，設備商不會為了省那么幾個錢,，在核心環(huán)節(jié)摳成本,。
說來說去，我想表達的意思就是——通信網(wǎng)絡因為層層轉(zhuǎn)包,、偷工減料導致出現(xiàn)重大網(wǎng)絡的可能性,，極低極低。運營商,、設備商,、分包商，都不敢拿網(wǎng)絡安全當兒戲,。
真正的原因
那么問題來了,，通信網(wǎng)絡出現(xiàn)重大故障的主要原因，究竟是什么呢,？
其實還是技術(shù)原因,。
我們搞技術(shù)的通信人都知道，現(xiàn)在的通信網(wǎng)絡是極為健壯的,，即使你想故意搞癱它,，都很難。
通信網(wǎng)絡在設計之初，就有無數(shù)的專家進行架構(gòu)設計和評審,，考慮各種冗余和容災方案,。為了避免癱局，所有的單板都是主備兩塊,。再往上,，網(wǎng)元也是容災的，要么pool池,，要么1+1或1:1備份,。傳輸設備就更不用說，各種環(huán)型組網(wǎng),，各種主備保護,，就是為了應對設備故障或意外情況（地震、水災,、恐襲等）,。
電子設備是不穩(wěn)定的，CPU,、內(nèi)存,、主板、硬盤,、強弱電,，都有可能故障。公共通信網(wǎng)絡要實現(xiàn)99.9999%以上的可靠性,，必須做容災備份,。說白了，就是砸錢,。看上去是一套設備,，其實后面是一堆設備,。
但是，越復雜的網(wǎng)絡,，其中的隱患就越難以察覺,。目前，我們經(jīng)歷2/3/4/5G的發(fā)展,，網(wǎng)絡變得太過臃腫和復雜,。網(wǎng)絡的開放化，也導致了廠商的魚龍混雜,。
舊設備舍不得淘汰,，新設備（新技術(shù)）剛剛上線，是混亂的高發(fā)期。
運維人員對設備和網(wǎng)絡的缺乏了解,，信息的不對稱,，導致了應對突發(fā)局面的慌亂和倉促。
說句實在話,，目前運營商的一些員工,，在技術(shù)上無法做到及時的技能更新，對設備商依賴越來越大,，正在喪失對技術(shù)的控制和主導權(quán),。
少部分的運營商基層技術(shù)牛人，因為職業(yè)發(fā)展的原因,，要么升職去做管理了,，要么躺平或離職了，青黃不接,，沒辦法和設備商工程師進行對等溝通,，影響了故障的緊急恢復。沒有造成二次傷害,，就已經(jīng)不錯了,。
全網(wǎng)級的重大故障，要么是核心網(wǎng)的鍋,，要么是傳輸網(wǎng)的鍋?，F(xiàn)在出故障，想都不用想,，要么是骨干網(wǎng)路由掛了,，要么是光纖斷了，要么就是DNS,、鑒權(quán)這樣的基礎(chǔ)服務掛了,。連Facebook和Google這樣的頂級技術(shù)巨頭，都會在BGP這樣的基礎(chǔ)路由協(xié)議上栽跟頭,，你說還有什么不可能發(fā)生,？
我們總吹牛，說自己控制了網(wǎng)絡,。其實,，一線技術(shù)人員都知道，很多技術(shù)上的事情,，都是玄學,。你根本不知道它為什么會好，也根本不知道它為什么會壞,。
網(wǎng)絡出現(xiàn)故障的可能性太多了,，蝴蝶效應也非常明顯。我們國內(nèi)的工程質(zhì)量把關(guān)很嚴格，還好一些,。很多海外項目,，簡直讓人抓狂。
舉個例子,，曾經(jīng)在印度的一個項目,，本地員工中繼線接錯了，主用對的,，備用錯了,。結(jié)果，傳輸網(wǎng)絡一個閃斷,，主用切備用,，癱了。線癱了就癱了唄,，結(jié)果數(shù)據(jù)溢出,，把傳輸設備沖癱了。傳輸設備癱了,，導致整網(wǎng)信令擁塞,，又把MGW媒體網(wǎng)關(guān)（兼做信令網(wǎng)關(guān)）沖癱了，一路癱下去,，一個邦（相當于國內(nèi)一個?。┚瓦@么斷網(wǎng)了。你說神不神奇,？
我們作為技術(shù)人,，要對技術(shù)有敬畏之心。我們對技術(shù)的掌握,，遠遠沒有到爐火純青的地步,。所以，完全杜絕網(wǎng)絡故障,，是不可能的,。常在河邊走，哪有不濕鞋,。出來混,，還是要看點運氣,。
從技術(shù)的長遠發(fā)展來看,，現(xiàn)在都講網(wǎng)絡的自動駕駛（和開車沒關(guān)系，是網(wǎng)絡自己管理網(wǎng)絡的意思）,，講AI的智能化運維,。其實我覺得，AI輔助運維應該可行，但是全面接管的話,，還是蠻遙遠的,。
目前，我們的通信網(wǎng)絡過于復雜,，人員水平層次不齊,，在沒有外部主動攻擊的情況下，我們都無法保證網(wǎng)絡的100%安全,。一旦發(fā)生了敵對勢力對網(wǎng)絡的超限戰(zhàn),，會發(fā)生什么，誰也不知道,。
客觀發(fā)生的情況我們控制不住,，但是，主觀的預防行為我們還是可以做的,。
一方面,，加強對技術(shù)人員的尊重，給予合適的待遇,，規(guī)劃技術(shù)線的跑道,，有利于穩(wěn)定技術(shù)人員隊伍。
另一方面,，及時對員工進行技術(shù)培訓和實踐訓練,，彌補技術(shù)差異，有利于故障的快速恢復,。
第三,，容災演練要落到實處，少搞貓膩,，想方設法多設計一些極限的緊急情況,，完善容災預案，會有很大幫助,。
第四,，簡化網(wǎng)絡架構(gòu)設計，加速舊設備的淘汰,，實現(xiàn)網(wǎng)絡極簡,，有利于減小故障發(fā)生的風險。
好了,，以上就是小棗君關(guān)于網(wǎng)絡故障的一些想法,，歡迎大家補充、拍磚,。
2022沒有開個好頭,，希望后面大家平平安安,，該拜還是多拜拜。
