系统问题定位总结

1、问题的描述：在ipran的组网环境中，设备之间建立LDP会话(MPLS转发中分发标签的协议)，在其中的一台设备中灌入3kospf路由和3k LDP标签协议，设备会生成3k条lsp，由于设备容量问题，只会生成2k条LDP LSP，设备容量达到上限。然后设备进行HA倒换（高可靠性），主备板卡需要平滑数据，LDP会建立gr-lsp。在这个过程中，会存在有的设备经过LDP GR后业务不通，路由转发也不通的现象。这是一个偶然出现的问题，所以不是简单的逻辑流程的问题，初步猜测应该是不同任务之间调度问题。备注：当建立LDP LSP后，路由转发的下一跳改为MPLS转发。

2、问题初步定为：之所以出现业务不通，是因为两台设备之间出现了不同的转发方式。执行HA的设备因为LDP会话down掉后，将转发更新到路由上，出问题的设备由于没有清掉LDP LSP，仍然保持MPLS转发。执行HA的设备进行路由转发，而与之出问题的设备已仍然走到MPLS转发上，导致两台设备之间的报文无法解封装，ping包和业务数据包不通。。

3、LDP知识背景： LDP在系统执行HA过程中存在两个角色，执行HA的设备称为Re-starter端，与之存在LDP会话的叫做Helper端，Helper端帮助Re-starter恢复转发表项。在这个过程中，Helper端会创建两个定时器，一个是重连定时器：重新建立LDP会话，在规定的时间内如果没有建立起LDP会话，则删除转发表项。一个是恢复定时器：当建立起LDP会话后，会创建LDP恢复定时器，等待定时器超时后，更新LDP建立的转发表项，删除在HA过程中建立的LDP LSP。重连定时器在LDP会话建立后删除，恢复定时器在LDP 会话的down掉后删除。所以这个恢复定时器在正常过程中都要等待超时，然后删除HA过程中建立GR-lsp。LDP会话通过发送消息的方式，通告本端LDP状态，比如会话超时等。

4、问题结论：  正因为存在恢复定时器的原因，GR-lsp的删除只能等待恢复定时器删除，但是如果在恢复定时器过程中LDP的会话down掉，会将定时器删除，GR-lsp没有等到超时删除，所以导致没法更新LDP lsp，使得转发在这种情况下没有办法更新到路由上。出问题的设备就是因为在LDP恢复过程中有收到对端设备发送的会话超时，导致将LDP的状态的down掉。另一端因为主动的down掉会话，将LDP转发表项删除，恢复路由转发。

5、动态协议在运行过程中，不可避免的要建立一些定时器来维护状态。尤其是基于TCP协议的应用层协议，受到影响的因素会更多。比如在TCP的协议状态机中就存在很多定时器，对于像LDP这种为数据建立转发表项的协议来讲，定时器对应着转发通道的建立和删除，所以在清除定时器过程中，需要检查对应维护的一下数据是否恢复正常。