割接时路由配置错误,导致全网瘫痪
2021-10-29
来源:物联网智库
当地时间2021年10月25日11点20分开始,韩国运营商KT的整个有线和无线互联网服务在全国范围内发生中断,导致其所有客户在大约一个小时内无法连接互联网和使用电话服务。
同时,因KT整网服务中断,还并发导致了韩国另外两家运营商SKT和LG U+的网络拥塞。
可以说,在这一个小时内,韩国通信界遭遇了“至暗时刻”。
10月26日,KT官网以CEO的名义发布了公开致歉信,并对事故原因进行了确认。
信中表示,对于引起这起重大网络事故的原因,最初估计是因外部DDoS攻击导致,但最终确认原因为:在更换路由器以升级网络的时候,因网络路由设置错误导致。
路由设置错误,可能会导致数据流量流向不正确而引起局部节点负荷过载,从而引发全网瘫痪。
看起来,与前几天日本软银遭遇的网络重大故障相似,本次事故也是因割接导致。
尽管KT已公布故障原因,但并未进行详细解释,仍然给业界留下了不少谜团…
1.为何没有自愈保护?
电信网络一直以高稳定性、高可靠性著称,早在PSTN电话网络时代,网络线路就设置了1+1保护或自愈保护,主用线路在发生中断后,通常可在50ms内自动切换到备用线路,或从相反方向迂回连通。
2018年11月,因KT位于首尔Ahyeon区中心的电信大楼发生火灾,导致该地区网络瘫痪,通信服务中断了数天。事后,有韩国业内人士质疑,这可能是因为KT的网络拓扑设计不够先进,设备和线路的冗余配置和自愈保护不够完善导致。他认为,尽管KT的骨干汇聚网络拥有充分的冗余配置和自愈保护机制,但在昂贵而庞大的接入网部分,冗余配置不够充足,环状自愈保护设计不够完善,从而导致了此次火灾后网络长时间中断。
但本次事故比2018年的火灾事故要严重得多,火灾事故影响范围为一个区域,而本次事故影响范围为全国。既然影响范围这么广,可以估计,本次事故的故障点并非在网络接入层,而是在网络骨干核心部分,这就好比“主动脉”阻塞,导致全网的“血液”输送不畅。
那问题是,难道KT的核心网络也缺乏完善的自愈保护机制?这显然是不太可能的。那是不是还有其他原因?
2.是否因为BGP路由配置错误导致?
BGP路由错误会阻止数据包到达其预期的IP 地址和服务器而导致服务中断。联想到最近 Facebook、Instagram和WhatsApp服务中断均由BGP路由问题导致,一些业内人士推测可能是由于BGP配置错误导致。
3.为什么割接操作在白天进行?
为避免影响网络业务,割接操作一般都在凌晨进行,这是电信业的常识。但本次事故因“更换路由器以升级网络”引起,且事故发生时间为白天。难道有什么不得已的原因非要在白天11点进行割接操作?还是因为凌晨割接操作后,白天才发生了故障?
4.是设备问题还是人工操作失误?
路由配置可能是自动化的,也可能是人工操作,那到底是设备的问题,还是人工操作失误?
不管是设备问题,还是人为操作失误,还是缺乏备份系统,一些韩国业内人士表示,这都反映了KT在网络和流程管理上存在疏忽。