调度数据网为什么老是断？双平面、路由与通道告警的排查顺序

调度数据网为什么老是断，这个问题在运维电话里出现的频率很高。实际项目中遇到过一个风电场，通道每天断两三次，每次十几秒自己恢复，运维换了交换机、换了光模块，问题还在。后来查出来是 B 平面的一条静态路由指向了已经停用的网关，主用平面一抖动，备份平面接不上，业务就闪断。

调度数据网承载的是站与调度主站之间的实时业务，链路上有交换机、路由器、纵向加密装置、远动装置四段，任何一段出问题都表现为"通道中断"。排查的关键不是换件，而是按层把范围缩到一段。下面按分层定位、双平面、路由与 VLAN、装置侧参数、现象对照的顺序讲，现场按这个顺序走，多数问题能在半小时内定位。

一、先把"断"定位到某一层，别一上来换板卡

四层从下往上：物理链路、网络层、加密隧道、应用规约。物理层看光模块收发光功率与端口状态，交换机端口频繁 up/down、光功率低于 -20dBm，基本可以判定链路问题。网络层看能不能通到对端网关，用带源地址的 ping 和 tracert，不带源地址的 ping 会走管理口，测出来的结论和业务无关。

加密隧道层看隧道状态是已建立还是协商中。隧道断开时业务一定不通，隧道正常但业务不通，问题就在规约或主站侧。应用层看 104 的连接是否建立、有没有反复重连。主站侧能看到的通道状态和站内看到的不一定一致，两边要同时看。

这里有个容易踩的坑：加密隧道对 ICMP 不响应，用 ping 判断隧道通不通会得出错误结论。正确做法是用业务端口做连通性测试，或者直接看装置状态页的隧道列表。现场因为 ping 不通去换光模块、换交换机的例子不少。

二、双平面一个通一个不通，先看三处

双平面的意义是互备，两个平面走不同的物理路径、不同的路由器、不同的加密隧道。一个通一个不通，先看三处：一是备份平面的隧道策略是否与主用平面完全一致，地址和端口有没有改；二是备份平面的路由是否指向可用的下一跳；三是两个平面是否走了同一台交换机或同一根光缆。

第三处最隐蔽。有的场站 A、B 平面在站内分了两台交换机，但上行的两根光纤进了同一个 ODF 柜的同一根光缆，光缆被挖断时两个平面一起断，双平面等于没做。查这个要看光缆走向图，不能只看设备面板。

调度数据网的双平面在交换机侧还要看端口归属。A 平面接在交换机的第一个千兆上联口，B 平面接第二个，两个上联口如果划进同一个 VLAN，双平面在站内就被合并了，出去的两条路由实际走同一张转发表，断一根线两个平面一起掉。查这个看两件事：两个上联口的 VLAN 划分、生成树实例里的端口状态。同一个实例里只应有一个转发口，两个都在转发就说明配置重复或者存在环路。

我公司的 调度数据网路由器与 调度数据网交换机在双平面配置里分别对应两个独立的设备组，路由策略和 VLAN 各自独立，配置时把两台设备的配置文件分别备份，出问题时能快速比对差异。备份平面长期不用，配置漂移是常态，建议每季度比对一次。

三、路由与 VLAN 配置里最容易错的地方

VLAN 划分错位是最常见的配置问题。站内把远动装置、保护测控、故障录波放在同一个 VLAN，广播报文互相串，网络一忙就丢包，表现为通道周期性中断。正确做法是按业务分区划 VLAN，控制区与非控制区不共用 VLAN，管理口单独一个 VLAN。

路由配置常见的错法有三种：默认路由指向管理网关、静态路由的下一跳写成对端业务地址、两条等价路由没有做优先级。第一种在站内能通、到主站不通；第二种表现为时通时不通，因为下一跳有时可达有时不可达；第三种在主备切换时出现路由震荡，通道反复重连。

104 的端口按 2404 算，路由器与防火墙上的策略要放通这个端口。有的场站把 2404 当成高端口屏蔽掉，或者只放了 102，调试时表现为 TCP 连接建不起来，在主站侧看是"对方不响应"，实际是中间设备丢了包。

改配置要有回退方案。现场改路由前先把原配置导出，改完业务不通就立刻回滚，不要在现场边猜边改。这一点在调度数据网上尤其重要，一次错误的路由改动可能让整个站失联，恢复要靠人到现场，代价比多花十分钟备份大得多。

调度数据网的路由表要看三样：去主站网段的路由有没有、下一跳是否可达、优先级是否分明。有的场站两条等价路由没设优先级，链路一抖动就来回切，通道跟着断。把主用平面的路由优先级设高，备份平面作为浮动静态路由，切换才会稳定。主备平面各配一条浮动路由，是调度数据网双平面配置的基本要求。

四、104 通道反复中断，装置侧还要查什么

远动侧的参数要和主站对齐，四组参数最常出错：公共地址（ASDU 地址）、传送原因长度、信息体地址长度、时标长度。这四项任何一项不一致，连接能建立，数据却解析不出来，主站侧看到的是通道正常、遥测全零。

t1、t2、t3 三个超时参数决定重连行为。t1 是发送或测试后等待确认的时间，默认 15s；t2 是无数据时发送测试帧的间隔，默认 10s；t3 是长时间无报文后判定连接失效的时间，默认 20s。链路抖动大的场站把 t1 放宽到 20～30s，能减少无谓的重连。

装置侧还要看通信口的会话数。一台远动装置同时接主站、接保信子站、接本地后台，会话数配少了会出现"主站连上、后台掉线"的争抢。我公司的 TY920A 远动管理机按通道独立配置会话与规约， TY920B 通讯管理机侧重站内装置的规约转换，两者在通道数量与转发逻辑上要分开设置，把两类业务混在一台设备的一个通道里，中断时定位会很困难。

通道中断还有一种情况是主站侧主动断开。主站巡检时发现某个点长期不变化或者数据异常，会主动踢掉连接，站内看到的就是通道中断、装置侧却没有任何故障记录。这类情况调度数据网本身没坏，站内也查不出问题，要做的是主动联系调度，把主站侧的连接日志取回来对照时间点。只盯着站内设备查，查到晚上也找不到原因。

五、现象对照表与现场排查顺序

排查顺序建议这样排：先看两个平面是不是同时断，同时断往物理链路查，单侧断往路由和隧道查；再看隧道状态，隧道断查证书与策略，隧道正常往规约查；再往后看装置侧参数，抓一段报文比对。每一步都留下记录，下次再断能直接对照。

每次中断都要留记录：断的时间、持续多久、哪个平面、当时的告警。调度数据网的通道中断多数有规律，记录攒到五六次就能看出是固定时段还是随机发生。固定时段的往站内广播和备份任务查，随机发生的往链路质量和路由查。没有记录的场站，每次都是从头查一遍，查完也说不清上次是怎么好的。

现场还有一类容易被忽略的原因：改造遗留。二次安防改造后，有些场站把旧的直连通道留着没拆，新旧两条路径同时存在，路由表里出现两条去同一目的地的路由，通道就在两条路径之间来回切，表现为周期性中断。改造收尾时把废弃链路彻底拆掉，比事后排查省事。