双机频繁切换排查是什么
双机角色来回切换（震荡或 flapping）表现为业务时断时续、日志里主备频繁易位。原因主要分三类：心跳或互联链路质量差、检测参数过于敏感、对端设备或上游接口异常抖动。排查顺序应该是先链路、再参数、最后设备状态——参数放宽只能缓解症状，链路缺陷不修，故障在流量高峰时仍会复发，而且被放宽的参数会让真正的故障切换变慢。
基本信息
| 链路因素 | 心跳口错包、光衰、线缆接触不良、互联交换机抖动 |
|---|---|
| 参数因素 | 检测超时过短、探测间隔过密、连续失败阈值过小 |
| 设备因素 | 对端 CPU 过高、接口反复 up/down、上层链路异常 |
| 观察手段 | 接口错包计数、切换记录、告警时间线对齐 |
| 修复原则 | 先修链路，再调参数；参数调整需权衡切换速度 |
典型使用场景
- 业务反馈时断时续，日志显示双机角色频繁变化
- 更换机柜或线缆后出现切换，需确认物理链路质量
- 上游光链路不稳定导致接口抖动，进而触发双机切换
- 通信中断演练时发现切换过慢，需要复核检测参数
- 版本升级后出现无法解释的切换，需检查对端设备状态与兼容性
- 新接入设备加入心跳互联，需确认互联链路无环路与广播风暴
排查步骤
排查步骤
# 1. 查心跳口与互联口：错包、CRC、丢弃计数是否在增长
# 2. 调出切换记录与告警，把每次切换时间与链路事件对齐
# 3. 检查上游接口是否抖动，确认光模块与对端设备状态
# 4. 核对检测参数：超时、间隔、连续失败阈值是否过于敏感
# 5. 确认互联链路无环路、无广播风暴、无误接入其他设备
# 6. 修复后再观察一个业务周期，确认切换不再发生原因与验证
| 可疑原因 | 验证方法 | 修复方向 |
|---|---|---|
| 心跳口错包 | 查接口错包与 CRC 计数 | 更换线缆或光模块 |
| 参数过敏感 | 对比切换间隔与探测参数 | 放宽阈值，但需复核切换速度 |
| 接口抖动 | 查 up/down 记录与光功率 | 处理物理链路或上游设备 |
| 设备资源高 | 查对端 CPU 与内存曲线 | 降低设备负载或升级硬件 |
| 互联异常 | 查环路、广播风暴与误接入 | 整理互联拓扑与端口配置 |
先治链路再调参数：参数放宽只是缓解症状，链路缺陷不修复仍会复发，同时宽松参数会让真实故障时切换变慢。
更换心跳线缆或光模块属于双机关键部件变更，务必记录时间与型号，故障复现时才能判断是否与上次改动相关。