什么是DPCF

---

DPCF（Data Plane Crossing Faults，数据面故障穿越）是一种秒级故障恢复技术，针对静默故障导致的业务会话级异常，如链路故障，转发表项异常，转发器件异常等，提供基于数据面的故障快速感知和快速收敛能力，提升网络级可靠性。

---

为什么需要DPCF

当网络中出现静默故障导致的业务会话级异常，如链路故障，转发表项异常，转发器件异常、端口物理状态是UP但无法转发流量、配置错误等，往往无法快速识别。当前业界主要通过分析器采集流量，检测异常，然后人工介入逐一排查，修复故障。排障需要数十分钟到数小时不等，严重影响业务。在这种情况下，华为进一步推出DPCF技术，无需分析器和人工参与，自动感知网络故障，涵盖路由黑洞、ARP表项异常等业界无法自动检测的故障场景，然后根据预置策略换路，实现秒级路径切换。在金融、存储以及超算等关键场景，保障业务秒级恢复，效率是业界的上千倍。

DPCF VS DPFR

DPCF与DPFR（Data Plane Fast Recovery，数据面故障快速恢复）都是不依赖于控制面，完全在数据面实现的故障恢复技术。DPCF与DPFR两者的主要区别如下：

• DPFR基于端口进行故障检测，而DPCF能够通过ACL规则匹配特定的业务流进行故障检测。
  D- PFR只能检测端口光模块故障、传输光缆松动等硬件故障现象，而DPCF支持识别网络中各种原因导致的转发异常的故障流，包括链路故障，转发表项异常，转发器件异常、物理端口假死、配置错误等，不局限于硬件故障。
• DPFR仅支持切换一次路径，而DPCF限制15分钟内最多切换三次路径。
• DPFR的故障收敛时间是亚毫秒级，而DPCF的故障收敛时间是秒级。

DPCF是如何工作的

DPCF提供基于数据面的网络故障感知和故障恢复功能。

网络故障感知

如下图所示，TCP流量传输过程中，发送端发送数据报文给接收端，接收端成功接收到数据报文后，会回复给发送端一个ACK报文，表示确认接收到ACK确认号前面的所有数据。如果超过一定时间未收到ACK报文，发送端设备会重传数据报文。

设备针对ACL规则匹配的TCP流量建立流表，如果设备重传数据报文的时间间隔超过用户设定的故障检测时间，则判定超时故障，从而实现网络故障感知功能。

TCP的确认机制

网络故障恢复

在识别到网络中的故障流后，重新进行哈希选路，切换路径。

如下图所示，Leaf1作为发送端设备，Leaf3作为接收端设备，Spine1和Spine2为中间传输设备。报文从Leaf1到Leaf3进行转发，正常的转发路径是Leaf1->Spine1->Leaf3。发送端设备Leaf1识别到故障流后，修改报文的哈希seed，报文携带新哈希seed换路，通过Leaf1->Spine2->Leaf3转发，实现故障恢复，具体过程如下：

1. 发送端设备Leaf1根据ACL规则匹配故障报文，并修改报文的哈希seed，同时将换路标识置1。报文携带新哈希seed换路，转发至传输设备Spine2。
2. 传输设备Spine2根据报文携带的新哈希seed，重新哈希选路转发至接收端设备Leaf3。
3. 接收端设备Leaf3接收报文，将哈希seed和换路标识还原为0，并转发给服务器。

网络故障恢复

DPCF的典型应用

如下图所示的传统L3组网，服务器采用独立IP接入，Leaf交换机部署为独立的L3网关，承担二、三层流量转发，Spine层部署为独立的L3设备，与Leaf之间形成ECMP，实现流量负载分担。这种组网主要应用于金融、存储、超算等无损场景。网络中一旦出现静默故障，中断时间长，对上层业务影响严重。比如对于在线交易类型应用，如果出现持续丢包会导致交易失败，甚至可能引发对端协议栈连接超时，应用性能会出现明显大幅下降。部署DPCF功能后，当业务流转发异常时，设备能够自动感知故障，同时快速切换到其他ECMP成员，保障业务秒级恢复。

传统L3组网

---