第26篇：堆叠分裂故障：双主检测与 MAD 机制

关键词：堆叠分裂、双主、MAD、直连检测、代理检测（relay）、Split-Brain

一、引言

当堆叠系统的堆叠链路全部故障时，原本统一的逻辑设备会变成两个独立的堆叠系统，每个分区都会尝试选举自己的主设备，形成"双主"（Split-Brain）状态。这会导致 IP 地址冲突、路由震荡等严重后果。MAD（Multi-Active Detection，多主检测）机制正是为了避免这种双主问题而设计的。

二、核心概念

2.1 堆叠分裂场景

堆叠分裂场景 - 图示

2.2 双主的危害

危害 说明
IP 地址冲突 两个堆叠系统使用相同的堆叠管理 IP
路由震荡 两个主设备同时发布路由，互相覆盖
MAC 地址漂移 同一 MAC 地址出现在两个堆叠系统中
数据回环 终端不知该访问哪个主设备
业务中断 ARP 表项频繁刷新，业务无法正常转发

2.3 MAD 检测方式对比

检测方式 原理 优点 缺点
直连检测（direct） 分裂后的两个堆叠系统用专用业务口 MAD 链路直连，按 1s 周期互发 MAD 报文 最直接、无需中间设备 需要额外占用专用端口（且该端口只能用于 MAD）
代理检测（relay） 堆叠侧 Eth-Trunk 配 dual-active detect mode relay、中间设备 Eth-Trunk 配 dual-active proxy，L2 转发 MAD 报文 复用现有上联聚合口、不额外占端口 需要中间设备（代理设备）配合

说明：MAD 有直连检测和代理检测两种方式；同一堆叠系统中两种方式互斥，不能同时配置。

三、技术细节

3.1 代理检测（relay）原理

代理检测借用堆叠系统与中间（代理）设备之间的 Eth-Trunk 上联链路来传递 MAD 报文，无需额外占用端口：

  • 堆叠侧 Eth-Trunk 配置 dual-active detect mode relay；
  • 中间（代理）设备的 Eth-Trunk 配置 dual-active proxy，仅转发 MAD 报文；
  • 堆叠正常运行时不发送 MAD 报文；一旦分裂形成双主，两侧经代理设备的 Eth-Trunk 互发 MAD 竞争报文，从而检测到双主冲突。

代理检测（relay）原理 - 图示

3.2 直连检测（direct）原理

在分裂后的两个堆叠系统之间用一条专用 MAD 链路直连。正常运行时不发送 MAD 报文；一旦堆叠链路全部故障形成双主，两侧按 1s 周期通过该链路互发 MAD 报文进行冲突检测与处理。

直连检测（direct）原理 - 图示

3.3 MAD 检测到双主后的处理

处理方式 说明 配置
关闭全部非保留业务端口 竞争失败方进入 Recovery 状态，自动 shutdown 除保留端口外的所有业务端口 自动执行
指定保留端口 预先指定 MAD 冲突后仍保持 Up 的端口（堆叠口默认保留） mad exclude interface
手动恢复 若 Detect 侧故障/被下线，可在 Recovery 侧执行 mad restore 打开被关闭端口、接替业务 mad restore

四、实战配置/案例分析

4.1 案例一：代理检测（relay）配置

需求：两台接入交换机的堆叠系统通过上联 Eth-Trunk 双链路连接到核心交换机，核心交换机作为 MAD 代理（中转）设备。

# ============ 堆叠系统侧（Stack-SW） ============
# 在承载上联业务的 Eth-Trunk 上启用"代理方式"多主检测
[Stack-SW] interface Eth-Trunk 1
[Stack-SW-Eth-Trunk1] dual-active detect mode relay
[Stack-SW-Eth-Trunk1] quit

# ============ 核心交换机侧（代理设备 Core-SW） ============
# 在与堆叠系统对接的 Eth-Trunk 上启用 MAD 代理（Relay）功能
[Core-SW] interface Eth-Trunk 1
[Core-SW-Eth-Trunk1] dual-active proxy
[Core-SW-Eth-Trunk1] quit

注意：代理设备必须为支持DAD代理功能的设备。如果是两套堆叠系统互为代理进行检查，对于同一个Eth-Trunk接口，不能既做代理检测功能的接口，又做代理功能的接口。

验证双主检测状态：

# 查看堆叠双主检测详细配置信息
<Stack-SW> display dual-active
Stack domainID: 1
Dual-active status: Normal
Dual-active detect mode: Relay
Dual-active relay detect interfaces configured:
 Eth-Trunk1
   10GE1/0/5       up  (Physical)  up  (Protocol)  10   (PeerDomain)
   10GE2/0/5       up  (Physical)  up  (Protocol)  10   (PeerDomain)

配置双主检测功能的接口Physical和Protocol均为up，说明双主检测功能配置成功。

# 查看Core-SW配置的代理信息。
<Core-SW> display dual-active proxy
Dual-active proxy interfaces configured:
 Eth-Trunk1
      10GE1/0/1        up
      10GE1/0/2        up

# 验证双主检测功能
双主检测功能配置后：
1. 如果堆叠系统分裂，设备会发出告警“STACK_1.3.6.1.4.1.2011.5.25.246.1.1 hwDadConflictDetect”。
2. 如果分裂故障恢复，设备会发出恢复告警“STACK_1.3.6.1.4.1.2011.5.25.246.1.2 hwDadConflictResume”。

4.2 案例二：直连检测（direct）配置

# 在两台堆叠系统间用一条专用业务口 MAD 链路直连
# 在 MAD 链路的物理接口上启用直连检测（两侧堆叠系统均需配置），
# 该接口会进入阻塞状态，只用于承载 MAD 报文
[Stack-SW] interface GigabitEthernet 0/0/25
[Stack-SW-GigabitEthernet0/0/25] dual-active detect mode direct
# 对端堆叠系统在其对应的 MAD 接口上同样执行 dual-active detect mode direct

4.3 案例三：堆叠分裂故障处理实录

故障现象：某园区网络，两台接入交换机堆叠，堆叠成员之间的堆叠电缆被施工误剪。

事件时间线：

时间 事件
10:00 堆叠电缆被剪断
10:00:01 堆叠系统分裂为两个独立系统
10:00:02 两个分区各自重新选举主设备，形成双主
10:00:05 MAD（直连/代理检测）检测到双主
10:00:06 MAD 动作执行：竞争失败（Recovery）的一侧关闭业务端口
10:00:07 业务流量集中在正常分区，业务短暂中断
14:00 运维人员修复物理连接
14:00:10 堆叠系统重新合并，恢复正常

故障分析：

# 通过命令display alarm active查看设备是否有双主检测告警。
<Stack-SW> display alarm active | include Dual-active
--------------------------------------------------------------------------------------
Sequence   AlarmId     Severity  Date Time    Description                              
--------------------------------------------------------------------------------------
12         0x9A90000   Critical  2026-10-10   Dual-active scenario is detected.   
                                  15:00:38 
--------------------------------------------------------------------------------------

# 查看堆叠状态

<Stack-SW> display stack                                                           
--------------------------------------------------------------------------------
MemberID Role     MAC              Priority   DeviceType         Description    
--------------------------------------------------------------------------------
1        Master   00e0-fc12-1111   150        S6730-H24X6C-V2    
2        Standby  00e0-fc12-2222   100        S6730-H24X6C-V2                            
--------------------------------------------------------------------------------

备设备缺席（堆叠链路已断）

未配置 MAD 的后果： - 两个主设备同时使用同一 IP 地址 → 全网 ARP 异常 - 两个主设备同时发布 BGP/OSPF 路由 → 路由震荡 - 故障恢复后，堆叠重新合并时配置冲突 → 业务延迟中断

五、总结

MAD 方式 检测速度 配置复杂度 推荐场景
代理检测（relay） 快 中（需中间设备 Eth-Trunk 配合） 有 L2 上联聚合口可复用（推荐）
直连检测（direct） 快 低（需专用业务口链路） 无可用中间设备场景
堆叠分裂预防 说明
堆叠链路双归 至少部署两条堆叠链路（防单断）
启用 MAD 强烈推荐，优先复用现有上联聚合口配置代理检测（relay）
物理标记 堆叠线缆施工时贴警示标签
定期巡检 检查堆叠端口状态和日志

思考

  1. 堆叠分裂后 MAD 检测到双主，竞争失败（Recovery）的一侧会关闭业务端口。当堆叠链路恢复后，被关闭的一侧会自动恢复吗？
  2. 代理检测为什么要借用上联 Eth-Trunk 和中间（代理）设备，而不是像直连检测那样直接用一条专用链路？
  3. MAD 关闭业务端口后，堆叠链路恢复时会自动放开吗？还是需要在 Recovery 侧手动执行 mad restore？

下篇预告：第27篇：路由基础：什么是路由表，路由表关键字段