57、SRX设备高可用性与故障排查全解析

SRX设备高可用性与故障排查全解析

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在无法与另一个节点通信时，会记录该节点已关闭，但仍会继续转发流量。若剩余节点为备用节点，它会在错过所有心跳信号后，判定该节点故障，随后接管主控制权。

1.2 电源冗余设计

不同型号的SRX设备在电源冗余方面有不同设计：
| 设备型号 | 电源数量 | 运行要求 | 最佳部署数量 |
| ---- | ---- | ---- | ---- |
| SRX650、SRX3400 | 冗余电源 | 剩余电源可维持机箱运行 | - |
| SRX3600 | 最多4个 | 至少2个运行 | 4个 |
| SRX5000系列 | 最多4个 | 建议最少3个，可根据机箱内运行卡数量使用单个电源 | - |

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，直至电源可用。为确保可用性，建议部署具有最大可用电源的SRX设备。

1.3 软件监控机制

SRX设备会对控制和数据平面的软件进行监控，尝试在系统出现故障时立即检测到，并做出相应反应。若RE中的某个进程失败，它可以重启该进程，并记录故障以便进一步排查。

在分支数据平面，核心flowd进程由RE持续监控。若flowd进程崩溃或挂起，控制平面会迅速切换到另一个节点，此过程比检测到节点死亡的时间更短。在数据中心SRX的数据平面，每个服务处理单元（SPU）同时运行控制和数据软件，RE直接与每个SPU的控制软件通信以获取状态更新和进行配置更改。若数据