57、SRX设备高可用性与故障排查指南

SRX设备高可用性与故障排查指南

1. SRX设备基础运行机制

1.1 节点故障处理

当控制和数据平面的主设备检测到无法与其他节点通信时，会记录该节点已关闭。若剩余节点为从节点，它会在错过所有心跳信号后，判定该节点故障并接管其工作。

1.2 电源冗余设计

不同型号的SRX设备在电源冗余设计上有所不同：
| 设备型号 | 电源数量 | 运行要求 | 最佳部署数量 |
| ---- | ---- | ---- | ---- |
| SRX650、SRX3400 | 冗余电源 | 剩余电源可维持设备运行 | - |
| SRX3600 | 最多4个 | 至少2个运行，2个用于冗余 | 4个 |
| SRX5000系列 | 最多4个 | 建议最少3个，可根据卡数量使用1个 | - |

若安装组件的总功耗超过可用电源功率，所有卡将关闭，路由引擎（RE）会持续尝试启动卡，直到电源可用。为确保可用性，应部署电源供应能力最高的SRX设备。

1.3 软件监控

SRX设备会对控制和数据平面的运行软件进行监控，尝试尽快检测系统故障并做出相应反应。
- 分支设备数据平面 ：核心为flowd进程，RE持续监控其运行状态。若flowd进程崩溃或挂起，控制平面会迅速切换到其他节点，故障切换时间短。
- 数据中心SRX数据平面 ：每个服务处理单元（SPU）运行控制和数据软件，RE直接与SPU的控制软件通信以获取状态更新和进行配置更改。若flowd进程崩溃，整个数据平面将硬重置，