这样的骨干网是如何炼成的？

引言

骨干网（Internet Backbone Network）是连接国与国、城市与城市之间的高速互联网络。如下图所示，它通过海缆和路缆，将分布在世界各地的数据中心连接起来，是互联网服务提供商和云计算服务提供商的重要基础设施，肩负着满足全球范围内网络数据通信需求的重任。

全球骨干网示意图

骨干网的角色如此重要，以至于与此有关的话题，常常会引起业界的关注和讨论。作为云计算的基础，国内的云计算服务提供商是如何运维自己的骨干网的？又是如何实现自动化运维的？有哪些值得分享、思考的经验和做法？作为一名从业10年的网络架构师，我向大家介绍一下金山云骨干网的现况，希望对大家有所帮助。

如何快速发现骨干网级别故障

首先简要介绍一下建设进展。金山云目前在北京和上海两地之间租用专线搭建起了骨干网络，按照计划，今年金山云会在广州部署节点，将进一步扩大环网规模，搭建北上广骨干环网，大幅提升金山云公有云服务的网络质量SLA。

当然，这并不是说建设骨干环网后就不会出故障了，对于互联网公司和云计算服务商来说，运营商的骨干网络故障是很让人头痛的，因为在通常情况下，这种故障会影响到多个省份用户网络的访问质量。

例如，2016年11月19日晚8点，包括华南、西南、华中等在内的国内多个地区，超过10个省份的用户，在访问华北地区的服务节点时，均出现了问题。测试结果显示，ICMP丢包率高达30%，延迟增大了约100ms，这种级别的丢包率和延迟情况，如果不及时处理，将导致用户的业务严重受损。

那么，对于这种骨干网级别的故障，云服务商能否做到快速发现定位呢？当然是可以的。

金山云的做法是，通过自研开源监控的方式，研发出服务于金山云整个骨干网的网络质量监控系统（Netbench）。

金山云网络质量监控系统监控图

如上图所示，金山云的这套系统支持多地区、多ISP监控，可在运营商发生骨干网故障时，快速发现并准确定位故障，同时采用电子地图这种直观形式，显示出各省份各地级市的网络质量（延迟、丢包等数据），如果某地出现问题，地图上相应位置的颜色就会变得不同。

金山云网络质量监控系统架构图

金山云网络质量监控系统的主要特点

一、定位策略

抓取访问客户服务的用户IP作为监控目的IP；

多对多的监控模式，多个源IP监控全国各个省市的用户IP（保证数据的准确性避免路由ecmp不均匀的问题）；

通过对抓取到的IP进行筛选，排除掉一些不准确的IP，最终筛选出每省份数百个有效IP进行监控；

商用的IP地址库与BGP IP结合对抓取到的IP进行区分（ISP、省、市等）；

Master-Slave的部署模式，监控周期可精确到分钟级（每1分钟）。

二、主要功能

提供短信、微信、邮件告警；

提供故障时的MTR数据（平均每省份多个MTR），可帮助判断loss节点；

提供柱状图、历史数据展示等功能，可追溯故障，查看故障时的丢包以及延迟情况；

可针对重要的IP进行指定监控。

三、应用场景

可覆盖CDN、静态、BGP等多网络类型；

目前可针对EIP（计算）、KS3（存储）、KLS（视频）等业务类型进行监控。

骨干网调度架构图

发现故障就要及时解决

如何才能快速的解决骨干网级别的故障呢？

云叔会在下期奉上

敬请期待~~~