网络性能监测检查表

网络性能监测检查表一、适用范围与执行要求网络性能监测不是单纯的技术堆砌，而是保障业务连续性的最后一道防线，其执行刚性等同于生产安全规程。本文档适用于企业级局域网（LAN）、广域网（WAN）边界及核心数据中心网络设备的日常性能监测、合规性检查与异常处置。执行人员必须按表单规定的周期与参数执行检查，严禁凭经验跳过所谓“低风险”检查项。任何偏离本规程的操作必须在网络运维主管书面授权下进行，并在变更结束后24小时内补充记录。二、监测对象与工具配置准确的监测数据依赖于合理的监测边界与经过校准的工具链，错配的工具会输出误导性的数据，导致误判或漏判。2.1监测对象界定•核心层设备：核心路由器、核心交换机（如承载全局业务流量的机箱式设备）。•汇聚/分发层设备：连接多个接入层并实施策略的路由/交换设备。•关键链路：数据中心互联（DCI）链路、互联网出口链路、跨地域专线。•安全边界设备：下一代防火墙（NGFW）、入侵防御系统（IPS）、Web应用防火墙（WAF）。2.2监测工具与配置规范•协议优先级：优先使用SNMPv3协议进行数据采集（认证算法SHA-256，加密算法AES-256）；若老旧设备不支持v3，可降级使用v2c，但必须配置复杂Community字符串并限制源IP；严禁在网络中明文使用SNMPv1协议。•采集频率：核心设备接口流量统计必须设置为1分钟一次，CPU/内存监测30秒一次；广域网链路质量探测（丢包/抖动）必须设置为每10秒发一个探测包，以捕捉微突发。•时间同步：所有被监测设备与监测系统必须强制开启NTP，与内网主时钟源同步，偏差必须控制在<50三、核心监测指标与判定标准脱离了量化阈值的监测毫无意义，本节定义了决定网络健康度的五项核心指标及其严格判定基线。3.1带宽利用率带宽利用率直接反映链路拥塞状态，持续的高利用率是丢包和延迟陡增的先兆。•计算公式：U•正常范围：<•预警阈值：连续5分钟均值在70%•告警阈值：连续1分钟均值>•动作机理：当利用率超过85%•处置要求：达到预警阈值时，应当启动流量明细分析（通过NetFlow/sFlow）；达到告警阈值时，必须在15分钟内启用备用链路或触发QoS限流策略，保障关键业务（如ERP、数据库同步）带宽。3.2丢包率丢包率是衡量链路物理健康与设备转发能力的金标准，任何非预期的丢包都代表底层存在缺陷。•正常范围：核心/汇聚网络<•告警阈值：连续3分钟统计>•判定方式：通过IPSLA或双向主动测量协议（TWAMP）发送1000字节探测包，连续发送100个，丢失超过1个即判定为单次异常。•出问题怎么办：若物理层正常但丢包持续，优先查看光模块光功率是否在阈值内（接收光功率低于灵敏度下限将产生误码转化为丢包）；若光功率正常，应当排查设备接口ASIC芯片是否过载（通过查看接口丢弃计数Drop计数）。3.3端到端延迟与抖动延迟与抖动直接决定实时业务（如VoIP、视频会议、工业控制指令）的可用性。•单向延迟（One-wayDelay）：跨城域网必须<20毫秒，跨省骨干必须<•抖动：实时业务路径抖动必须<30•异常处置：发现延迟陡增，严禁盲目重启路由协议进程（会导致路由震荡全网瘫痪），应当先通过Traceroute定位拥塞或异常绕行节点，查实后再行处理。3.4设备资源利用率CPU和内存是网络设备的生命线，资源枯竭将导致协议邻居关系断裂。监测项正常范围预警阈值告警阈值（持续5分钟）异常后果说明CPU利用率<50>BGP/OSPF计算进程抢占不到时间片，导致Hello包超时，邻居状态Down内存利用率<60>无法为新会话分配内存，ACL匹配失败，严重时触发设备看门狗复位接口温度<60>触发硬件保护机制，端口自动shutdown以防烧毁四、日常检查作业流程标准化的作业流程是隔离人为失误的唯一手段，所有网络运维人员必须无偏差执行此PDCA闭环。4.1计划与准备(Plan)运维人员在每日08:30前完成监测系统健康状态确认。必须核实监测探针状态，若发现探针离线，必须在15分钟内通过备用监控手段（如堡垒机定时Ping脚本）建立临时监测覆盖。4.2执行检查(Do)按附录《网络日常巡检工单》逐项核对。执行Ping探测时，优先设置DSCP字段为EF（加速转发）以模拟语音业务质量；严禁仅使用默认Best-Effort探测作为唯一判定依据——普通探测在链路拥塞时不具代表性，会掩盖真实业务劣化。发现参数越线，必须当场截取系统日志与流量趋势图作为证据留存。4.3检查与响应(Check)将实测数据与第3节阈值进行比对。超出正常范围但未达告警阈值时，应当填写《性能趋势异常登记表》，并在当日17:00前提交至网络运维组。若达告警阈值，必须立即转入第5节异常处置规程。4.4改进与回退(Act)每周五16:00召开网络质量复盘会。针对本周内发生告警的节点，分析根因。若属配置缺陷（如路由策略不合理导致非对称路由引起抖动），必须在下周一凌晨02:00-04:00维护窗口期进行配置变更，变更后持续观察48小时，未复现方可关闭事件工单。五、异常告警分级与处置规程网络故障的扩散往往呈指数级，分级响应的目的是在业务感知到降级前切断故障传播链。5.1响应级别与权限矩阵级别判定标准启动权限响应时效处置原则一级（重大）核心节点不可达、双活数据中心链路中断、全网BGP路由表丢失运维总监/值班架构师5分钟内响应必须启动应急预案，业务流量切换至灾备路径二级（严重）汇聚节点宕机、单条互联网出口中断、关键设备CPU持续>网络运维主管15分钟内响应隔离故障域，通过备用路径承载业务，严禁影响核心网全局路由三级（一般）接入层设备单端口Down、非关键链路丢包>当班网络工程师30分钟内响应排查物理层，做好备件更换准备，记录并跟踪5.2风险演化与阻断机制以核心交换机CPU飙升为例，其风险演化路径为：网络扫描/环路风暴产生海量ARP报文→报文被上送至设备主控板处理→主控板CPU占用率飙升至100%→OSPF/IS-IS协议进程得不到调度时间片→Hello包超时→邻居关系断开→路由表全网撤销→阻断机制要求：发现CPU利用率突然>90%时，严禁直接重启设备（会丢失所有现场诊断数据并导致断网）。应当立即通过管理口登录设备，使用硬件ACL丢弃上送主控板的ARP广播包（如5.3故障回退机制执行任何性能优化变更（如调整QoS队列、修改路由Cost值）前，必须导出当前有效配置文件并存档。变更窗口期为30分钟，若30分钟内未达到预期效果或引发次生告警，必须在5分钟内执行配置回退（rollback命令或粘贴备份配置），恢复至变更前状态。回退后应当保留所有现场日志，组织专项分析。六、数据记录与趋势分析历史数据不仅用于追溯，更用于预测，缺乏趋势分析的网络运维等同于盲人摸象。6.1日志留存规范•性能数据（CSV/TSV格式）必须保留至少90天，系统级日志必须保留180天。•数据存储优先采用分布式时序数据库（如InfluxDB/TimescaleDB）；若存储资源受限，可采用RRDtool以固定步长轮转覆盖，但严禁将性能数据以纯文本格式无压缩堆积在单台服务器上。6.2趋势分析方法每月1日生成上月《网络性能基线报告》。必须对比前三个月数据，计算各核心接口的带宽增长率。若带宽利用率月增长率超过5%，应当七、附录：日常巡检工单模板本工单供一线运维人员直接打印执行，检查完毕后归档备查。所有空格必须填写实测数值，无此项填“N/A”。巡检日期：__________值班人：________主管签字：__________序号检查项检查标准与命令参考实测值/状态异常判定（是/否）处置动作简述1核心交换机CPU`<70%2核心路由器内存`<80%3互联网出口入向流量带宽利用率`<85峰值:______Mbps4专线丢包率统计连续100包探测`<