故障年年有，今年特別早。

前幾天，我在寫《2022年通信行業十大看點》的時候，就提到了網絡安全穩定的重要性。沒想到，這還不到一個禮拜，國內第一個斷網事件就誕生了。

根據媒體報道，1月12日凌晨，有大量用戶反映某運營商服務斷網。基于網友反饋的坐標來看，包括北京、廣州、杭州、長春、烏魯木齊等地，均出現了斷網問題。

據悉，此次大規模斷網事件，導致47%的該運營商用戶無法訪問網絡，骨干網受到影響，具體表現為路由追蹤無信息。

本次斷網發生在深夜，且很快得到了恢復（不到半小時），客觀來說，影響不大。

但是，斷網的原因卻遲遲未能公布（估計不會公布了）。

這次斷網，不禁讓人深思——都2022年了，運營商和設備商每天都把技術吹得天花亂墜，為什么我們的網絡還是會斷？

今天，小棗君就簡單和大家聊聊這個話題。

斷網的原因分析

前段時間，西安一碼通宕機的時候，幾乎所有人都把關注目光放在“單一來源采購”和“項目轉包”上。

我們在日常工作中，也經常見到甚至參與過類似的項目——高價中標，然后層層轉包，最后一個千萬級的項目，很可能是一個大學生團隊完成的。

軟件行業這種現象略見不鮮，于是人們就會覺得，通信行業出現問題，是不是也和項目轉包或者低價中標有關？

其實，通信行業的情況，和IT行業還是有些區別的。

通信項目，尤其是面向三大運營商的公共通信網絡項目，對安全性和可靠性的要求極高。

公共通信網絡（手機網絡、寬帶網絡）承載著海量的用戶，支撐國民經濟各個領域（金融、制造、交通）的發展，對于社會穩定意義重大。各個運營商身負非常嚴格的網絡安全運行考核指標，一旦出現問題，不是扣工資那么簡單，而是領導下課，甚至瀆職入獄。

所以，對于通信網絡主設備和核心服務的采購，運營商非常嚴謹和認真。能夠中標的，都是華為、中興、愛立信、諾基亞這樣的大型企業。

運營商那么重視，設備商就更不用說了。在目前激烈的市場競爭下，設備商們再摳門，也不敢在安全上松懈。一旦出事，大領導就要屁顛屁顛去道歉。一旦出大事，這個省的份額基本上就是完蛋，卷鋪蓋走人。

所以，通信網絡設備的采購，尤其是集團層面的集采，貓膩空間有限。目前，貓膩較多的，或者說存在低價競爭、灰色交易的，是一些中小型的采購。大家可以去運營商的采購網站看，每天都有幾十個采購項目掛出來，什么辦公樓裝修啊，顯示屏采購啊，信息系統運維啊，之類的。

通信圈里很多人抱怨運營商壓價，其實運營商壓價的項目，主要是運維、代運維、站點勘察之類的體力勞動項目。甲方會通過施工標準來卡供應商。

既要低價，又要符合標準，就看乙方供應商的本事。硬件和物料是明的，不好偷工減料，于是，就把目光放在員工身上，大幅克扣合作方員工的工資和獎金，以此達到壓低成本的目的。

說起來大家可能不信，有設備商在招外包合作的時候，明確要求了給外包員工的薪資比例。例如設備商給分包商1萬，那么，分包商必須承諾，至少要給員工7000，以此保證底層員工的積極性和態度。

為了保證分包商員工不瞎搞，設備商和運營商還專門制定了大量的流程制度和行為規范，文檔也是不斷地checklist，對操作步驟嚴格管控，防止出事。

前幾年廣西那個故障，就是外包員工誤操作，導致某設備商賠了幾個億。所以，設備商不會為了省那么幾個錢，在核心環節摳成本。

說來說去，我想表達的意思就是——通信網絡因為層層轉包、偷工減料導致出現重大網絡的可能性，極低極低。運營商、設備商、分包商，都不敢拿網絡安全當兒戲。

真正的原因

那么問題來了，通信網絡出現重大故障的主要原因，究竟是什么呢？

其實還是技術原因。

我們搞技術的通信人都知道，現在的通信網絡是極為健壯的，即使你想故意搞癱它，都很難。

通信網絡在設計之初，就有無數的專家進行架構設計和評審，考慮各種冗余和容災方案。為了避免癱局，所有的單板都是主備兩塊。再往上，網元也是容災的，要么pool池，要么1+1或1:1備份。傳輸設備就更不用說，各種環型組網，各種主備保護，就是為了應對設備故障或意外情況（地震、水災、恐襲等）。

電子設備是不穩定的，CPU、內存、主板、硬盤、強弱電，都有可能故障。公共通信網絡要實現99.9999%以上的可靠性，必須做容災備份。說白了，就是砸錢。看上去是一套設備，其實后面是一堆設備。

但是，越復雜的網絡，其中的隱患就越難以察覺。目前，我們經歷2/3/4/5G的發展，網絡變得太過臃腫和復雜。網絡的開放化，也導致了廠商的魚龍混雜。

舊設備舍不得淘汰，新設備（新技術）剛剛上線，是混亂的高發期。

運維人員對設備和網絡的缺乏了解，信息的不對稱，導致了應對突發局面的慌亂和倉促。

說句實在話，目前運營商的一些員工，在技術上無法做到及時的技能更新，對設備商依賴越來越大，正在喪失對技術的控制和主導權。

少部分的運營商基層技術牛人，因為職業發展的原因，要么升職去做管理了，要么躺平或離職了，青黃不接，沒辦法和設備商工程師進行對等溝通，影響了故障的緊急恢復。沒有造成二次傷害，就已經不錯了。

全網級的重大故障，要么是核心網的鍋，要么是傳輸網的鍋。現在出故障，想都不用想，要么是骨干網路由掛了，要么是光纖斷了，要么就是DNS、鑒權這樣的基礎服務掛了。連Facebook和Google這樣的頂級技術巨頭，都會在BGP這樣的基礎路由協議上栽跟頭，你說還有什么不可能發生？

我們總吹牛，說自己控制了網絡。其實，一線技術人員都知道，很多技術上的事情，都是玄學。你根本不知道它為什么會好，也根本不知道它為什么會壞。

網絡出現故障的可能性太多了，蝴蝶效應也非常明顯。我們國內的工程質量把關很嚴格，還好一些。很多海外項目，簡直讓人抓狂。

舉個例子，曾經在印度的一個項目，本地員工中繼線接錯了，主用對的，備用錯了。結果，傳輸網絡一個閃斷，主用切備用，癱了。線癱了就癱了唄，結果數據溢出，把傳輸設備沖癱了。傳輸設備癱了，導致整網信令擁塞，又把MGW媒體網關（兼做信令網關）沖癱了，一路癱下去，一個邦（相當于國內一個省）就這么斷網了。你說神不神奇？

我們作為技術人，要對技術有敬畏之心。我們對技術的掌握，遠遠沒有到爐火純青的地步。所以，完全杜絕網絡故障，是不可能的。常在河邊走，哪有不濕鞋。出來混，還是要看點運氣。

從技術的長遠發展來看，現在都講網絡的自動駕駛（和開車沒關系，是網絡自己管理網絡的意思），講AI的智能化運維。其實我覺得，AI輔助運維應該可行，但是全面接管的話，還是蠻遙遠的。

目前，我們的通信網絡過于復雜，人員水平層次不齊，在沒有外部主動攻擊的情況下，我們都無法保證網絡的100%安全。一旦發生了敵對勢力對網絡的超限戰，會發生什么，誰也不知道。

客觀發生的情況我們控制不住，但是，主觀的預防行為我們還是可以做的。

一方面，加強對技術人員的尊重，給予合適的待遇，規劃技術線的跑道，有利于穩定技術人員隊伍。

另一方面，及時對員工進行技術培訓和實踐訓練，彌補技術差異，有利于故障的快速恢復。

第三，容災演練要落到實處，少搞貓膩，想方設法多設計一些極限的緊急情況，完善容災預案，會有很大幫助。

第四，簡化網絡架構設計，加速舊設備的淘汰，實現網絡極簡，有利于減小故障發生的風險。

好了，以上就是小棗君關于網絡故障的一些想法，歡迎大家補充、拍磚。

2022沒有開個好頭，希望后面大家平平安安，該拜還是多拜拜。