混合云链路监控是什么
混合云排障难，本质是数据不足：链路两端分属不同团队，谁都没有完整视角。有效做法是先把可观测性做上去——监控专线流量、错包丢包与带宽利用率，监控 VPN 隧道的 SA 状态与重协商次数，监控 BGP 邻居状态与路由前缀数量的突变；再叠加主动拨测，从多个地域持续探测 IDC 里的关键服务。前者能发现「断了」，后者能发现「没断但劣化」——这类问题才是混合云里最容易被用户先发现的。
基本信息
| 链路指标 | 专线带宽利用率、错包与丢包率、时延 |
|---|---|
| 隧道指标 | VPN 隧道 SA 状态、重协商次数、隧道带宽 |
| 路由指标 | BGP 邻居状态与 uptime、收发前缀数量 |
| 拨测维度 | 多地域探测 IDC 服务，采集可用性与时延 |
| 基线 | 记录正常水位，异常时用于比对 |
| 告警设计 | 路由条数突变、隧道重协商、丢包率上升都要有告警 |
典型使用场景
- 专线交付验收：用拨测数据证明时延与可用性达到预期
- 故障复盘：拿出时间线证据定位是链路、路由还是应用层
- 变更前后对比：确认割接没有引入隐性劣化
- 容量规划：按带宽利用率趋势决定是否扩容
- SLA 举证：向运营商或业务方提供客观数据
监控清单与异常信号
| 监控项 | 正常表现 | 异常信号 |
|---|---|---|
| 专线带宽利用率 | 稳定在规划水位内 | 持续高位或突增，先怀疑异常流量 |
| 错包/丢包 | 接近零 | 持续增长说明物理层或链路质量劣化 |
| VPN SA 状态 | 长期建立且 uptime 稳定 | 频繁重协商，检查密钥、MTU 与两侧时钟 |
| BGP 前缀数量 | 与台账一致且稳定 | 条数突变，多与变更或误配有关 |
| 拨测时延与可用性 | 时延平稳、可用率达标 | 时延阶梯式上升或出现零星失败 |
从主机侧补充数据
从主机侧补充数据
mtr -rwzc 50 10.20.0.10 # 丢包与延迟分布，-r -w -z 便于留档
ping -c 100 -i 0.2 10.20.0.10 # 短间隔采样，观察抖动
ss -s # 本机连接状态概览
# 把结果按时间存档，与链路监控曲线对齐比对
# 长期观测建议用脚本定期执行并落盘，形成趋势数据路由条数突变往往由变更引发：把它与邻居状态一起做成告警，可以在用户报障前发现问题。出问题时先看「最近有没有变更」，再看数据曲线。
只监控接口 up/down 是典型的监控盲区：专线质量劣化（丢包、时延抖动）不会触发接口状态变化，业务已经受影响而监控全绿。以质量为口径的探测才是这类故障的唯一抓手。