راهنمای جامع عیبیابی OSPF در شبکههای سیسکو
در این مقاله تلاش کردهام تجربه عملیاتی خودم از عیبیابی عمیق پروتکل OSPF در شبکههای سیسکو را به یک روش نظاممند و قابلتکرار تبدیل کنم. مسئله اصلی در اغلب خرابیهایی که دیدهام، نبودِ دانش پروتکلی نیست، بلکه نبودِ «ترتیب» در عیبیابی است؛ تیمها گاهی مستقیم سراغ لاگ SPF میروند در حالی که مشکل در لایهٔ دوم یا در یک عدمتطابق ساده MTU است. مسیری که پیشنهاد میکنم چهار لایه دارد: بررسی فیزیک و لینک، بررسی همسایگی (Adjacency)، بررسی سازگاری پایگاهداده توپولوژی (LSDB) و در نهایت بررسی انتخاب مسیر و جدول مسیریابی. در ادامه برای هر لایه، دستورات کلیدی سیسکو و تفسیر خروجی آنها را بهصورت کارتهای تصویری آوردهام تا بتوان از این متن هم بهعنوان آموزش و هم بهعنوان یک Runbook عملیاتی برای تیم NOC استفاده کرد. بخش پایانی مقاله به اتوماسیون پایش سلامت OSPF با پایتون و ادغام آن با سامانههای مانیتورینگ اختصاص دارد.
نقشه ذهنی عیبیابی: چرا باید رویکرد لایهای داشته باشیم؟
هر وقت زنگ خطر OSPF به صدا درمیآید، قبل از هر کاری این سؤال را از خودم میپرسم: «مشکل در کدام لایهٔ زنجیرهٔ OSPF است؟» این زنجیره چهار حلقه دارد و باید بهترتیب و نه بهصورت تصادفی بررسی شود:
- لایه ۱ و ۲ (L1/L2): آیا اینترفیس اصلاً Up/Up است؟ آیا VLAN ترانک میشود؟ آیا پکت میرسد؟ بدون این تأیید، هر تحلیل پروتکلی حدس بیش نیست.
- همسایگی L3: آیا پکتهای Hello ردوبدل میشوند؟ State همسایه چیست؟ آیا در INIT، EXSTART یا ATTEMPT گیر کرده است؟
- پایگاهداده توپولوژی (LSDB): آیا LSAهای موردانتظار در پایگاهداده هست؟ آیا دو روتر داخل یک Area، LSDB یکسانی دارند؟ آیا LSAای ناپایدار یا MaxAge شده است؟
- انتخاب مسیر و RIB: آیا SPF درست اجرا شده؟ آیا هزینهها (Cost) همان چیزی است که طراحی میخواست؟ آیا مسیرهای همهزینه (ECMP) بهدرستی در جدول نصب شدهاند؟
قاعده طلایی من این است: هیچوقت از حلقهٔ چهارم شروع نکنید. وقتی «مسیر غایب» گزارش میشود، ذهن بهسرعت سراغ cost و summarization میرود، در حالی که در تجربه من حدود نیمی از تیکتهای OSPF که در NOC باز میشوند، ریشهشان در حلقه اول یا دوم است.
بررسی حالتهای همسایگی OSPF (Adjacency States) و الگوهای خرابی
سریال حالتهای همسایگی OSPF را مثل نقشه راه تشخیص به کار میبرم. هر State یک «امضای خرابی» مشخص دارد:
- DOWN: هیچ hello دریافت نشده. احتمالات: لینک پایین، ACL بلاککنندهٔ پورت ۸۹، multicast 224.0.0.5 مسدود، یا فاصلهٔ زمانی.
- ATTEMPT: فقط در شبکهٔ NBMA با neighbor دستی دیده میشود؛ یعنی روتر فعالانه تلاش میکند ولی پاسخی نمیگیرد. اولین جایی که در محیط Frame-Relx یا DMVPN قدیمی سراغش میروم همین است.
- INIT: hello خودِ همسایه رسیده اما در آن لیستِ من نیست؛ یعنی ارتباط یکطرفه است. کلاسیکترین علتش عدمتطابق Subnet/Mask یا مسدود بودن یکطرفهٔ ترافیک است. در این حالت پیام معروف در لاگ ظاهر میشود: hello از همسایه دریافت شد اما «my Router ID not seen».
- 2WAY: در شبکههای Broadcast برای روترهای غیرDR/BDR کاملاً طبیعی است. اگر در محیط point-to-point در همین حالت بماند، یعنی روند Database Description آغاز نشده و باید سراغ عدمتطابق پارامترها رفت.
- EXSTART / EXCHANGE: اینجا مذاکرهٔ DBD و تعیین Master/Slave انجام میشود. گیر کردن در EXSTART تقریباً همیشه یعنی عدمتطابق MTU یا مشکل در پردازش DBD. رفع سریع روی اینترفیس با تنظیم ip ospf mtu-ignore ممکن است، اما راه درست، همتراز کردن MTU در مسیر (شامل سوئیچهای میانی و تونلها) است.
- LOADING: ارسال و دریافت Request و Update در جریان است. توقف در اینجا معمولاً به LSA خراب یا خطای Checksum اشاره دارد.
- FULL: همسایگی کامل است. اما دقت کنید FULL بهمعنی «هیچ مشکلی نیست» نیست؛ FULLی که هر چند دقیقه یکبار Drop میشود (Adjacentcy Flap) خودش یک الگوی خرابی مستقل است و معمولاً ریشه در CPU بالا، Timerهای تهاجمی، یا ناپایداری لینک دارد.
در همان ابتدای کار همیشه دو دستور را میزنم: نمایش خلاصه همسایهها و نمایش جزئیات هر همسایه همراه با Dead Time. اگر Dead Time بهطور مرتب به سمت صفر نوسان کند، helloها دارند حذف میشوند و باید بهسمت QoS، CPU یا عدمتطابق Timer رفت. کارت تصویری اول دقیقاً همین توالی دستورات و تفسیر آنها را بهصورت آمادهٔ استفاده نشان میدهد.
=== OSPF Neighbor Troubleshooting Playbook (IOS-XE) ===
-- Step 1: neighbor state overview --
R1# show ip ospf neighbor
Neighbor ID Pri State Dead Time Address Interface
10.255.0.2 1 FULL/DR 00:00:35 10.0.12.2 GigabitEthernet0/0/1
10.255.0.3 1 EXSTART/ - 00:00:38 10.0.13.2 GigabitEthernet0/0/2
Interpretation: FULL = healthy. EXSTART/EXCHANGE stuck -> MTU mismatch!
TWOWAY on a broadcast segment with non-DR/BDR is NORMAL.
-- Step 2: per-interface parameters that MUST match on the segment --
R1# show ip ospf interface GigabitEthernet0/0/1 | include Hello|Dead|Cost|MTU|Type|Area|ID
Area 0, Network Type BROADCAST, Cost: 1
Hello 10, Dead 40, Wait 40, Retransmit 5
Router ID 10.255.0.1, Interface MTU 1500
Mismatches that BLOCK or BREAK adjacency:
Hello/Dead timers -> neighbor never leaves DOWN/INIT (dead-timer expiry)
Subnet / mask -> neighbor stuck in INIT (only own hello seen)
Area ID mismatch -> log: 'received wrong area' / adjacency reset
MTU -> stuck in EXSTART/EXCHANGE (DBD packets dropped)
Network type + Pri -> DR/BDR election issues; point-to-point vs broadcast
Auth type / key -> neighbor stays in INIT or drops all hellos
جدول تطبیق پارامترهای اینترفیس و خطاهای رایج OSPF
همسایگی OSPF در سطح اینترفیس ساخته میشود و پنج گروه پارامتر باید در دو سرِ لینک سازگار باشند. جدولی که در ادامه میآید را در تیم خودمان بهعنوان چکلیست استاندارد استفاده میکنیم:
| پارامتر | اثر عدمتطابق | دستور بررسی |
| Hello/Dead Timer | همسایگی شکل نمیگیرد یا مرتب قطع میشود | show ip ospf interface |
| Subnet و Mask | همسایه در INIT گیر میکند | show ip interface، show run interface |
| Area ID | پیام خطای wrong area در لاگ و ریست همسایگی | show ip ospf interface |
| MTU | توقف در EXSTART/EXCHANGE | show interface | include MTU |
| Network Type | مشکل در انتخاب DR یا همسایگی ناموفق | show ip ospf interface |
| Router ID تکراری | ناپایداری LSDB و رفتار غیرقابلپیشبینی در توپولوژی | show ip ospf |
| Authentication | حذف کامل helloها | debug ip ospf adj |
یک نکتهٔ ظریف: در شبکهٔ Broadcast اگر نوع شبکه در دو سر متفاوت باشد (مثلاً یک سر broadcast و سر دیگر point-to-point) گاهی همسایگی FULL میشود اما مسیرها ناقص نصب میشوند، چون DR انتخاب نشده و LSA نوع ۲ تولید نمیشود. این سناریو را بارها دیدهام و همیشه با مقایسهٔ خروجی show ip ospf interface در دو سر مشخص میشود.
مکانیک LSA و بررسی سازگاری پایگاهداده توپولوژی (LSDB)
وقتی همسایگیها سالماند ولی مسیر نادرست یا ناقص است، پایگاهداده توپولوژی را زیر ذرهبین میبرم. ساختار LSDB مثل پازلی است که هر نوع LSA یک تکه مشخص از آن را پر میکند: LSA نوع ۱ (Router-LSA) خودِ روتر و لینکهایش را معرفی میکند؛ نوع ۲ (Network-LSA) را فقط DR در شبکههای Broadcast/NBMA میسازد؛ نوع ۳ (Summary-LSA) از سوی ABR مسیرهای بینناحیهای را تبلیغ میکند؛ نوع ۴ مسیر رسیدن به ASBR را اعلام میکند و نوع ۵ (External-LSA) مسیرهای بازتوزیعشده را در کل دامنه سیل میکند؛ در ناحیههای NSSA نیز نوع ۷ جایگزین نوع ۵ میشود و بیت P تعیین میکند که آیا به نوع ۵ ترجمه خواهد شد یا نه.
آنچه در عمل بیشتر به دردسر باز میشود چند الگوی مشخص دارد. نخست، LSAای که Age آن به سقف یکساعت نزدیک میشود و Refresh نمیگیرد؛ این یعنی روتر مبدأ دیگر از مسیر قابلدسترس نیست و باید همسایگی سمت آن بررسی شود. دوم، وجود دو Router-LSA با همان Router ID ولی توالیهای متفاوت که نشانهٔ تکراری بودن Router ID در شبکه است؛ این مورد را جدی میگیرم چون رفتار SPF را کاملاً بههم میریزد. سوم، حضور LSA نوع ۵ داخل ناحیهای که بهعنوان Stub یا Total Stub طراحی شده؛ یعنی یک پیکربندی اشتباه که باید فوراً اصلاح شود. چهارم، طوفان flush شدن LSAها که در لاگ بهصورت MaxAge و Delete متوالی دیده میشود و معمولاً از لینکی ناپایدار یا نرمافزار معیوب نشئت میگیرد.
ابزار اصلی من در این مرحله، مقایسه LSDB دو روتر داخل یک ناحیه است؛ اگر LSDB یکی نباشد، مسیرها هم یکسان نخواهند بود. دستور database-summary هم نمای کاملی از تعداد LSAها در هر ناحیه میدهد و برای کشف رشد غیرعادی پایگاهداده (که مستقیماً روی زمان SPF اثر میگذارد) عالی است. کارت تصویری دوم این دستورات و الگوهای ناهنجاری را جمعبندی میکند.
=== LSA / LSDB Consistency Checks ===
R1# show ip ospf database
Router Link States (Area 0)
Link ID ADV Router Age Seq# Checksum Link count
10.255.0.1 10.255.0.1 512 0x8000001C 0x00A1F3 3
10.255.0.2 10.255.0.2 401 0x80000019 0x00B244 2
What each LSA type tells you:
Type-1 Router-LSA : every router, links + intra-area prefixes
Type-2 Network-LSA : only from DR on broadcast/NBMA segments
Type-3 Summary-LSA : ABR injects inter-area routes
Type-4 Summary-ASBR: path to ASBR (only if needed)
Type-5 External-LSA: ASBR redist; floods whole domain (not stub)
Type-7 NSSA-LSA : NSSA externals, P-bit controls 7->5 translation
R1# show ip ospf database router adv-router 10.255.0.2
R1# show ip ospf database summary 10.20.0.0
R1# show ip ospf database external 172.16.0.0
R1# show ip ospf database database-summary | include Area|Router|Network|Summary
Common anomalies to look for:
Age near 3600 + no refresh -> lost adjacency to advertising router
Same ADV Router, two Router-LSAs without 'MaxSeq' -> duplicate Router-ID!
MaxAge / 'Deleted' LSAs -> purged; check flush storms
تلههای طراحی شبکه: Stub، NSSA، قوانین ABR و لینکهای مجازی
خیلی از مشکلات OSPF اصلاً مشکل عیبیابی نیستند، مشکل طراحیاند. تجربهٔ من این موارد را بهعنوان پرتکرارترین تلههای طراحی نشان داده است:
- همه ناحیهها باید به ناحیه ۰ متصل باشند. اگر ناحیهای از نظر توپولوژی به Backbone وصل نیست، از Virtual-Link استفاده میشود، اما من Virtual-Link را آخرین راهحل میدانم: عبور ترافیک کنترل از یک ناحیه واسط، ناپایداری آن ناحیه را به کل Backbone منتقل میکند و عیبیابی را پیچیده میکند. راه بهتر، طراحی مجدد یا تونل با پشتیبانی درست است.
- قواعد ABR: روتری که همزمان عضو ناحیه ۰ و ناحیهٔ دیگر است، خروجیهای ناحیهٔ دیگر را بهصورت نوع ۳ به Backbone میبرد و بالعکس. اگر ABR در ناحیه ۰ همسایه فعال نداشته باشد، ممکن است مسیرهای بینناحیهای یکی از دو سو را از دست بدهد؛ این را با show ip ospf border-routers بررسی میکنم.
- در Stub و Totally Stub نباید LSA نوع ۵ وجود داشته باشد؛ در NSSA مسیرهای خارجی از نوع ۷ میآیند. اگر کل شبکهتان مهاجرت به طراحی سادهتر را تحمل میکند، Stub کردن ناحیههای انتهایی، هم اندازهٔ LSDB را میکاهد و هم دامنهٔ ناپایداری را محدود میکند.
- تعداد ناحیهها در هر روتر و تعداد همسایگیهای هر روتر را در طراحی بشناسید؛ تجاوز از ظرفیت پردازشی در زمان flap، خودش را بهشکل تأخیر در همگرایی نشان میدهد نه خطای صریح.
شناخت این ملاحظات در طراحی و مدیریت شبکههای سازمانی مبتنی بر OSPF اهمیت دارد. برای آشنایی با مسیرهای آموزشی مرتبط با تجهیزات و فناوریهای سیسکو، میتوانید صفحه دورههای سیسکو را بررسی کنید.
مهندسی هزینه (Cost)، انتخاب مسیر و خلاصهسازی در OSPF
OSPF برای انتخاب مسیر ابتدا بر اساس نوع مسیر اولویتبندی میکند (درونناحیهای بهتر از بینناحیهای، و مسیرهای خارجی نوع E1 در اولویت با E2)، سپس Cost کل مسیر را میسنجد. فرمول پایهٔ هزینه تقسیم پهنایباند مرجع بر پهنایباند اینترفیس است؛ با مقدار پیشفرض ۱۰۰Mbps، هر اینترفیس گیگابیت و بالاتر هزینهٔ ۱ میگیرد و عملاً تفاوت لینکهای پرسرعت دیده نمیشود. به همین دلیل روی تمام روترهای شبکه دستور auto-cost reference-bandwidth را با مقدار واحد تنظیم میکنم؛ اگر این تنظیم فقط روی بخشی از شبکه اعمال شود، محاسبهٔ مسیر در مرز روترها ناسازگار میشود.
در مسیرهای خارجی، تفاوت E1 و E2 سرنوشتساز است: در E2 هزینهٔ بیرونی تنها ملاک است (مگر دو مسیر همهزینه باشند که آنگاه هزینهٔ داخلی مقایسه میشود) اما در E1 هزینهٔ داخلی هم جمع میشود. انتخاب نادرست بین این دو، توضیحدهندهٔ بسیاری از سؤالهای «چرا ترافیک از آن مسیر نمیرود؟» است. برای ECMP، تعداد مسیرهای همهزینه با maximum-paths کنترل میشود و تقسیم بار در سطح جریان با CEF انجام میشود نه per-packet؛ وقتی شکایت از عدم توازن بار است، اول سراغ الگوریتم load-sharing و کلیدهای هش میروم.
خلاصهسازی دو جا انجام میشود: روی ABR با area range و روی ASBR با summary-address. خلاصهسازی درست، هم اندازهٔ LSDB و هم فرکانس اجرای SPF را کاهش میدهد؛ چون flap یک مسیر جزئی دیگر کل دامنه را تکان نمیدهد. اما خلاصهسازی نادرست مسیر سیاه (Blackhole) میسازد، مخصوصاً اگر مسیر خلاصه بدون تبادل مناسب تبلیغ شود در حالی که هیچ جزئی از آن در دسترس نیست. کارت سوم چکلیست کامل این بخش را بهصورت تصویری ارائه میکند.
=== Route Selection, Cost & SPF Checks ===
R1# show ip route ospf | section ospf
O 10.20.0.0/16 [110/30] via 10.0.12.2, GigabitEthernet0/0/1
O E2 172.16.0.0/16 [110/20] via 10.0.13.2, GigabitEthernet0/0/2
O IA 192.168.40.0/24 [110/129] via 10.0.12.2, GigabitEthernet0/0/1
Reading the path: [AD=110 / metric]
Cost = ref_bw / int_bw (ref_bw default 100 Mbps)
Router(config-router)# auto-cost reference-bandwidth 10000 ! fix on ALL routers
E1 = cost + internal ; E2 = external only (default)
R1# show ip ospf border-routers
i 10.255.0.2 [5] via 10.0.12.2, type AREA_BORDER, area 0.0.0.0, spf 12
i 10.255.0.9 [64] via 10.0.13.2, type AS_BOUNDARY, area 0.0.0.1, spf 12
R1# show ip ospf spf log
R1# show ip ospf statistics router ! SPF runs, triggered-by reasons
R1# show ip route summary | include ospf
Path preference (intra > inter > E1 > E2 default) resolves typical surprises:
'Why not the faster link?' -> cost of the WHOLE path, incl. outbound links
ECMP: equal cost -> up to 'maximum-paths' (default 4) next-hops installed
Per-packet CEF load-share: show ip cef 10.20.0.0 internal
R1(config-router)# maximum-paths 6
R1(config)# interface gi0/0/1
چکلیست گامبهگام و Runbook عملیاتی برای تیم NOC
این چکلیست را طوری نوشتهام که هر اپراتور NOC بدون نیاز به حفظ کردن، بتواند آن را دنبال کند:
- ثبت دقیق شکایت: کدام مقصد؟ از کدام منبع؟ از چه زمانی؟ آیا flap است یا غیبت کامل؟
- بررسی سلامت لینکها: وضعیت اینترفیس، شمارش خطاها، وضعیت VLAN و ترانک.
- بررسی همسایگی: نمایش جدول همسایهها، تأیید FULL بودن، بررسی Dead Time و تاریخ flap.
- بررسی پارامترهای اینترفیس: مقایسهٔ Timer، Mask، Area، MTU، نوع شبکه در دو سر لینک.
- بررسی LSDB: مقایسهٔ پایگاهدادهٔ دو روتر داخل ناحیه، جستوجوی LSAهای MaxAge یا ناپایدار.
- بررسی انتخاب مسیر: نمایش جدول مسیریابی، هزینهٔ مسیرها، اجرای SPF و border-routers.
- بررسی لاگ: رویدادهای ADJCHG، پیامهای wrong area، سرریز بافر، خطای Checksum.
- اقدام و مستندسازی: اعمال اصلاح، تأیید همگرایی، ثبت الگوی خرابی و راهحل در پایگاه دانش تیم.
اتوماسیون پایش سلامت OSPF با پایتون و ابزارهای مانیتورینگ
وقتی شبکه بزرگ میشود، چکلیست دستی دیگر مقیاسپذیر نیست. من جمعآوری سلامت OSPF را با پایتون و کتابخانهٔ Netmiko خودکار کردهام: اسکریپت بهصورت دورهای به روترها متصل میشود، خروجی همسایهها و اینترفیسها را میگیرد، State هر همسایه را تجزیه میکند و نتیجه را هم بهصورت CSV برای گزارش NOC و هم JSON برای مصرف سامانههای مانیتورینگ ذخیره میکند. در همان اسکریپت آستانههای هشدار تعریف میکنم؛ مثلاً اگر نسبت همسایههای FULL کمتر از صددرصد باشد یا Dead Time هر همسایه از آستانهٔ مشخصی پایینتر آمد، هشدار صادر شود. برای شبکههای بزرگتر، Scrapli با قابلیت Async بهکار میرود تا پیمایش صدها دستگاه بهموازات انجام شود. کارت چهارم همین اسکریپت کامل را نشان میدهد.
=== Python + Netmiko: OSPF Health Collector & NOC Report ===
import json, csv, datetime
from netmiko import ConnectHandler
DEVICES = [
{"host":"10.0.0.1","device_type":"cisco_xe","username":"noc",
"password":"***","secret":"***"},
]
CMDS = ["show ip ospf neighbor",
"show ip ospf interface brief",
"show ip ospf database database-summary"]
ALERT = {"dead_time_pct": 75, "full_ratio": 100} # thresholds
rows=[]
for dev in DEVICES:
with ConnectHandler(**dev) as net:
net.enable()
out = net.send_command("show ip ospf neighbor")
for line in out.splitlines()[1:]:
f = line.split()
if len(f) >= 6 and "/" in f[2]:
state, iface, addr = f[2].split("/")[0], f[5], f[4]
rows.append({"device":dev["host"],"neighbor":f[0],
ادغام با زیرساخت مانیتورینگ نیز سه مسیر موازی دارد: Syslog برای دریافت رویدادهای تغییر همسایگی بهصورت لحظهای؛ SNMP با Trapهای استاندارد OSPF MIB مثل ospfIfStateChange و ospfVirtIfStateChange برای هشدار رسمی؛ و در محیطهای مدرن، مدلهای دادهٔ YANG و استریم Telemetry که داده همسایگی را بدون Poll دورهای به موتور تحلیل میفرستند. ترکیب هر سه، هم دید لحظهای میدهد و هم تاریخچه روند.
جمعبندی و چکلیست نهایی
OSPF پروتکل پیچیدهای نیست، اما لایههای تعاملی زیادی دارد و هر خرابی میتواند چند علتِ درهمتنیده داشته باشد. کلید عیبیابی مؤثر، حرکت منظم در چهار حلقهٔ L1/L2، همسایگی، LSDB و انتخاب مسیر است، همراه با شناخت عمیق الگوهای خرابی در هر State. به اینها سه اصل طراحی را هم اضافه کنید: یکسانسازی مقدار مرجع هزینه در کل شبکه، خلاصهسازی هوشمند در مرزها، و محدود کردن دامنه ناپایداری با طراحی درست ناحیهها. و در نهایت، عیبیابی دستی را به اتوماسیون و پایش پیشکنشی تبدیل کنید تا NOC از حالت واکنشی خارج شود. چکلیست نهایی من این شش مورد است: تأیید لایهٔ فیزیکی، تأیید State و Timer، مقایسه پارامترهای دو سر لینک، صحت LSDB، منطق انتخاب مسیر و Cost، و داشبورد هشدار مبتنی بر آستانهها.
منابع
- RFC 2328, OSPF Version 2, J. Moy, IETF, 1998.
- Cisco Systems, «Configuring OSPF» و «Troubleshooting OSPF» در Cisco IOS-XE Documentation.
- Cisco Documentation: IP Routing: OSPF Configuration Guide.
- RFC 5709 و مستندات مرتبط با احراز هویت OSPF.
- تجربهٔ عملیاتی نگارنده در محیطهای NOC و مهاجرتهای شبکهٔ سازمانی.