双机房业务通过云专线互联,怎样设计备用链路以减少单点故障影响?
云专线在双机房架构中承担的并不只是“把两地连起来”。边界路由器负责建立和调整路由,云侧网关负责转发不同网络之间的流量,防火墙和负载均衡设备负责访问控制与业务接管,数据库或存储系统则负责把数据副本同步到另一机房。任意一个环节只有单份实例,线路增加到两条也可能仍然存在单点故障。
因此,备用链路的设计重点不是简单购买第二条云专线,而是明确故障范围、确认哪些组件能够独立工作,并让路由、业务状态和数据副本在故障发生后按照预期协作。
先区分四类“冗余”
双机房业务的可用性通常由多个层面共同决定。机房数量、线路数量、设备数量和数据副本数量并不等价,不能用其中一个指标代替全部冗余能力。
| 冗余层面 | 需要避免的单点 | 常见设计方式 | 主要验证内容 |
|---|---|---|---|
| 机房冗余 | 单一楼宇、供电系统或机房环境故障 | 两个独立机房,尽量处于不同供电和网络故障域 | 一处机房失效后,另一处能否承载关键业务 |
| 接入冗余 | 单一运营商、光缆路由或入楼路径 | 两条独立接入线路,必要时选择不同运营商和不同物理路径 | 断纤、运营商维护、入楼设备故障时是否仍可通信 |
| 设备冗余 | 单台边界路由器、防火墙或交换设备故障 | 设备双机、双电源、不同上联端口 | 单台设备断电或重启时,路由和会话是否能恢复 |
| 云侧冗余 | 单一云侧连接实例、网关或转发区域 | 独立云侧连接、冗余网关或跨可用区部署 | 云侧连接或网关故障时是否能切换 |
| 数据冗余 | 单一数据库、存储卷或备份副本 | 跨机房复制,并保留独立备份副本 | 数据延迟、完整性、恢复时间和误删除恢复能力 |
| 控制与监控冗余 | 监控和切换系统依赖故障线路 | 从独立故障域探测,保留人工接管路径 | 线路中断时能否发现、判断和执行切换 |
其中,双机房解决的是场地级故障,双线路解决的是网络路径级故障,设备双机解决的是局部设备级故障,数据副本解决的是数据可恢复性问题。这些能力需要分别核对。
例如,机房A和机房B各自只有一条云专线,虽然业务具备机房切换能力,但任一机房的专线中断后,仍可能出现该机房无法访问云端资源的情况。相反,如果同一机房配置两条线路,却共用同一台边界路由器、同一入楼光缆和同一云侧网关,线路层面的冗余也会被共同依赖抵消。
云专线互联中各组件如何协作
一种常见结构是:机房A和机房B分别通过云专线接入云侧私有网络,再由云侧转发组件实现两个机房、云上业务网络之间的互联。若云服务只提供“机房到云上网段”的连接,不自动提供机房A到机房B的转发,还需要确认云侧路由表、转发网关或中转网络是否支持这种通信关系。
在这类架构中,各组件的职责可以拆分为以下几部分。
机房侧边界设备
边界路由器负责:
- 与运营商或云侧建立路由邻居;
- 发布本机房可达的业务网段;
- 接收云侧和另一机房的路由;
- 在主链路与备用链路之间调整路径优先级;
- 对链路状态、路由状态和下一跳可达性进行监测。
如果配置了两台边界路由器,应避免两台设备同时依赖同一电源、同一交换机端口或同一上联模块。设备双机本身不等于路径独立,设备之间还需要明确故障检测和主备关系。
云侧连接与转发组件
云专线通常不只包含一根物理线路,还可能涉及云侧端口、虚拟连接、路由实例和转发网关。选择备用线路时,需要核实两条连接是否真的落在不同的云侧故障域,而不是仅仅在客户侧显示为两个连接编号。
重点包括:
- 两条连接是否使用独立的云侧终端设备;
- 是否支持不同可用区或不同网络接入点;
- 两条线路是否可以同时发布相同业务网段;
- 云侧是否支持路由优先级、路由收敛和故障撤销;
- 机房A与机房B之间是否允许通过云侧转发;
- 云侧网关、路由表或中转组件是否存在单实例限制。
如果两条云专线最终都依附于同一个云侧网关,那么该网关仍可能成为共同故障点。产品咨询时不能只问“是否支持双线路”,还要问线路的终止位置、转发路径和云侧网关的冗余方式。
防火墙与负载均衡设备
线路切换后,流量能到达机房,并不代表业务会自动恢复。防火墙可能仍然保留旧的会话状态,负载均衡器可能仍把请求转发到不可用的后端,源地址转换还可能导致返回路径变化。
因此需要确认:
- 主备防火墙是否能够同步必要的会话和策略状态;
- 切换后是否允许新的连接建立;
- 旧连接是继续维持、重新建立,还是由应用重试;
- 两个机房的访问控制策略、路由策略和地址转换规则是否一致;
- 负载均衡器能否根据后端健康状态停止转发;
- 双机房同时承载业务时,是否存在会话粘滞或状态冲突。
对于有状态设备,线路冗余通常只能保证新的流量找到可用路径,不能保证所有已建立的TCP连接不受影响。业务端需要具备合理的超时、重试和幂等机制。
数据库、存储与备份系统
数据复制链路与业务访问链路可以共用云专线,但不建议不加区分地争抢同一带宽。复制流量突增时,可能占满线路,导致业务访问延迟上升;业务高峰时,复制又可能持续积压,最终无法满足RPO要求。
比较稳妥的做法是:
- 为复制流量和在线业务划分逻辑优先级;
- 预留故障接管所需的关键业务带宽;
- 监控复制延迟、日志积压和重放状态;
- 为数据库复制设置可接受的延迟阈值;
- 保留独立于实时复制的备份副本。
实时副本不等同于备份。误删除、错误更新或恶意加密可能迅速同步到备用机房,所以仍需要保留带时间点的独立备份,并确认备份副本不与生产数据共用相同的故障域。
备用链路的三种常见工作模式
备用链路并不只有“主用一条、备用一条”这一种实现方式。应结合业务是否允许同时在两个机房提供服务、数据写入方式和故障切换复杂度进行选择。
主备模式:优先控制复杂度
主备模式下,机房A承担主要业务,机房B处于热备或温备状态。主线路正常时,云侧和边界设备优先使用主线路;主线路出现故障后,路由设备降低主路径优先级或撤销主路由,流量转向备用线路和备用机房。
适合以下情况:
- 业务主要在一个机房运行;
- 备用机房可以接受短时间接管;
- 应用不适合同时双写;
- 更关注可控的切换流程和较低的运维复杂度。
备用链路可以低于主链路规格,但必须满足故障时的实际承载需求。如果备用机房需要完整承接全部业务,备用线路就不能只按平时少量心跳流量来选择。若只要求维持订单、登录、数据库访问等关键服务,可以通过流量分类和业务分级降低备用链路带宽。
主备模式的主要风险是切换过程可能包含多个动作:网络路由切换、负载均衡后端调整、数据库角色提升、应用启动和缓存预热。只切换BGP路由而不处理应用状态,通常无法得到完整的业务接管效果。
双活模式:提高资源利用率,但增加状态管理
双活模式下,两个机房同时承载业务,线路和计算资源平时都在使用。某一机房或线路发生故障后,另一机房扩大流量承载范围。
这种模式可以提高资源利用率,也能减少备用资源长期闲置的问题,但要求更高:
- 两个机房都能承载故障后的业务峰值;
- 数据库或存储系统支持并发写入、冲突处理或一致性控制;
- 负载均衡和路由策略能够避免流量来回抖动;
- 防火墙、缓存、消息队列等有状态组件能够处理跨站点切换;
- 需要考虑脑裂,即两个机房都认为自己是主节点。
双活并不能仅通过两条云专线实现。网络层同时可达,只说明路径具备并行条件,不能自动解决数据冲突和业务角色冲突。对于写入一致性要求较高的系统,通常还需要仲裁节点、第三故障域或明确的写入归属策略。
混合模式:在线双活与关键业务主备结合
部分企业会让无状态应用、读请求或静态资源在两个机房同时提供服务,而把核心数据库写入、财务交易和部分有状态服务保留为主备。这种方式可以在资源利用率和切换复杂度之间取得平衡。
例如:

- Web接入层双活;
- 读数据库在两个机房分布;
- 核心写库采用异步复制和主备切换;
- 文件上传先进入具备跨站点复制能力的存储;
- 消息消费端采用故障转移和重复消费保护。
这种模式需要按照业务组件分别设计切换条件,不能使用一条全局路由规则处理所有服务。
路由切换不能只看“线路是否亮起”
物理接口正常、云专线状态正常,并不代表业务路径可用。线路可能出现高丢包、路由黑洞、云侧转发异常或目标服务不可达。因此,健康检查至少应分为三个层次:
- 链路层:接口状态、光模块状态、错误包、链路抖动。
- 路由层:BGP邻居、下一跳、目标网段、路由数量和路径优先级。
- 业务层:关键端口、服务探针、数据库角色、复制延迟和应用响应。
只有链路层健康而业务层异常时,仍然维持主路由,可能造成流量持续进入故障机房。反过来,如果探测规则过于敏感,又可能因为短暂丢包导致主备频繁切换。
主备路由可按以下状态管理:

| 状态 | 路由处理 | 数据与业务处理 | 运维动作 |
|---|---|---|---|
| 正常 | 主路径优先,备用路径保持可用 | 主机房提供服务,副本持续同步 | 监控延迟、丢包和复制状态 |
| 降级 | 主路径仍可用,但指标接近阈值 | 限制非关键复制或降低非关键流量 | 告警并确认是否需要预切换 |
| 故障切换 | 降低主路径优先级或撤销主路由 | 提升备用角色,启动关键服务 | 记录切换时间和未完成事务 |
| 恢复观察 | 主线路恢复但暂不立即抢回流量 | 补齐副本、校验数据和应用状态 | 经过稳定观察后再执行回切 |
| 回切完成 | 按计划恢复主路径优先级 | 逐步迁回业务,保持备用资源就绪 | 核对会话、路由和监控告警 |
如果云侧和运营商支持动态路由,可以使用BGP及更快速的链路检测机制,但具体收敛时间取决于设备、运营商和云服务的实现。配置过短的检测周期可能把正常抖动误判为故障,配置过长又会延迟切换。应通过实际演练测量,而不是只根据协议默认值推算RTO。
回切尤其需要谨慎。主线路恢复后立即自动抢回流量,可能造成业务在两个机房之间来回移动,也可能在数据副本尚未追平时再次发生中断。更稳妥的流程是:先确认线路稳定,再确认路由和数据同步正常,最后分批恢复业务流量。
数据副本与带宽如何共同确定
RPO决定了允许丢失多少时间范围内的数据,RTO决定了业务需要在多长时间内恢复。两者都会影响备用线路的规格。
同步复制与异步复制的取舍
同步复制要求主副本在数据提交前获得备用副本确认。它能够降低网络故障时的数据丢失范围,但会把跨机房网络延迟、抖动和线路中断直接带入写入链路。两个机房距离较远或线路质量不稳定时,同步复制可能增加业务写入延迟,甚至在备用端不可达时阻塞写入。
异步复制先完成主端写入,再将日志或变更传送到备用端。它对距离和瞬时网络抖动更宽容,也更适合主备场景,但故障发生时可能存在未同步的数据。异步复制是否满足要求,不能只看“副本存在”,还要持续测量复制延迟和积压量。
对于需要低数据丢失的业务,应明确以下问题:
- 复制延迟超过多少秒需要告警;
- 复制中断后最多允许积压多少日志;
- 备用数据库提升前是否需要人工确认;
- 主机房恢复后,双方数据如何判定谁是权威副本;
- 误写、重复提交和未完成事务如何处理。
按峰值而不是平均值计算复制带宽
例如,某业务每天产生约1.2 TB十进制增量数据。仅按24小时平均计算:
1.2 TB × 8 × 1000 ÷ 86400秒 ≈ 111.1 Mbps。
如果业务高峰是平均值的2.5倍,则复制峰值约为:
111.1 Mbps × 2.5 ≈ 277.8 Mbps。
再考虑协议开销、重传、压缩效果变化和短时积压,按30%的余量估算:
277.8 Mbps × 1.3 ≈ 361.1 Mbps。
这只是复制流量。如果备用链路在故障时还要承载约200 Mbps的关键业务访问,则有效需求接近:
361.1 Mbps + 200 Mbps = 561.1 Mbps。
如果还有集中迁移、缓存重建或故障接管期间的额外流量,实际评估还要继续上调。若按另一种更紧张的窗口计算,例如400 GB数据需要在2小时内完成复制:
400 GB × 8 × 1000 ÷ 7200秒 ≈ 444.4 Mbps。
加上30%的余量后约为577.8 Mbps。此时再叠加关键业务流量,500 Mbps备用线路很可能只能维持部分服务,不能保证副本快速追平;1 Gbps档位会更接近可评估范围,但仍需通过压测确认。

上面的数据是容量估算示例,实际选型还要使用数据库日志增长量、压缩比例、重传率、业务峰值和线路计费口径重新计算。需要特别区分:
- GB、TB表示存储数据量;
- Gbps、Mbps表示网络速率;
- 十进制数据量换算到比特速率时,需要乘以8,再乘以1000换算为兆比特,最后除以秒数;
- 线路标称带宽不一定等于业务可长期使用的有效吞吐。
备用线路的产品选择条件
选择云专线产品或互联方案时,应把“线路可用”拆成可验收的能力,而不是只比较标称带宽。
双机房互联也涉及企业站点与业务系统之间的网络连接。A5idc数据提供企业网络专线业务,可用于连接企业站点、办公地点和业务系统;同时,香港及多个海外地区的物理服务器资源涵盖不同计算、存储与线路方案,可承载相应的应用和数据服务。企业可按业务所在地区和资源需求组合网络连接与运行资源,为跨地点业务部署提供支持。
物理路径是否真正独立
两条线路如果经过同一光缆、同一入楼管道、同一运营商接入点或同一机房弱电间,仍可能在一次施工或设备维护中同时中断。较高可用性要求下,建议核对:
- 是否可选择不同运营商;
- 是否经过不同接入点和物理路由;
- 是否使用不同云侧网络入口;
- 运营商能否提供路径隔离说明;
- 两条线路的维护窗口是否可能重叠。
如果只能提供同一运营商的两条线路,也可以作为基础冗余,但需要明确其共同故障边界,不宜直接按两条完全独立链路评估。
云侧终止和路由能力是否匹配
需要向服务提供方确认:
- 云专线是否支持BGP或其他动态路由方式;
- 是否支持多连接同时建立;
- 是否支持主备优先级或等价路径;
- 云侧网关是否具备多实例或跨可用区能力;
- 是否允许两个机房之间通过云侧网络互联;
- 路由变更由客户、运营商还是云平台负责;
- 故障时的路由收敛和告警由哪一方提供。
如果云侧只能配置一个路由实例,或者两条线路必须共享一个不可替代的终止点,那么新增第二条线路只能降低部分链路故障风险,不能消除云侧共同故障。
带宽和计费口径是否适合备用状态
主备线路通常也需要为端口、连接实例和基础带宽付费,即使平时几乎不承载业务。选型时应分别计算:
- 云侧端口或连接费用;
- 机房接入和本地环路费用;
- 主、备两条线路的带宽费用;
- 跨区域、跨网络或跨机房流量费用;
- 云侧网关、路由或转发组件费用;
- 监控、托管和故障演练服务费用;
- 设备双机、授权和维护成本。
备用线路降配可以减少固定支出,但会带来更长的复制追赶时间、更高的RPO风险和更小的故障接管范围。若业务要求备用机房完整承接生产流量,不能只因为备用线路平时空闲就大幅降低规格。
SLA与责任边界是否清楚
产品交付时应明确故障判定和责任边界,例如:
- 线路中断由谁发现;
- 云侧连接异常是否提供告警;
- 运营商只负责到机房交付点,还是负责到云侧端点;
- 客户设备、云网关和应用之间的故障如何区分;
- 维护是否提前通知;
- 故障处理是否有升级联系人;
- 线路切换由自动系统完成还是由客户执行。
这些条件直接影响故障处理时间。没有清晰的责任边界时,线路、云平台和机房设备之间可能出现重复排查,延长实际恢复时间。
一个可落地的设计示例
某业务有两个机房,要求主机房故障后5分钟内恢复关键服务,允许分钟级数据丢失,普通报表和批处理可以延后恢复。业务平时主要运行在机房A,机房B保持热备。
可以采用以下思路:

- 机房A和机房B各部署两台边界设备,并让主、备云专线分别接入不同设备。
- 每个机房至少保留一条主用连接和一条备用连接;如果预算有限,优先保证承载生产的机房具备双线路,再为备用机房配置可满足接管需求的线路。
- 两条关键线路尽量选择不同运营商、不同物理路径和不同云侧终止点。
- 机房A发布生产网段的高优先级路由,机房B发布低优先级路由或仅在接管后发布。
- 链路探测同时检查路由状态、关键服务端口和数据库复制延迟,避免只依据物理接口状态切换。
- 数据库采用异步复制,复制延迟超过预设阈值时告警;主机房故障后,由受控流程确认备用副本状态,再提升备用数据库。
- 备用线路对关键业务、数据库复制和管理流量进行分类,暂停非关键批处理,防止接管时带宽被低优先级任务消耗。
- 主线路恢复后先保持备用路径承载流量,完成数据追平和应用验证,再分批回切。
这个方案的关键不是“部署了几条线”,而是把路由切换、数据库提升、业务接管和回切过程串联起来。若数据库提升需要3分钟,线路收敛需要30秒,应用实例启动和检查还需要2分钟,那么即使线路能在数秒内切换,整体RTO仍可能接近5分钟。RTO应按各环节实际耗时相加评估:
实际恢复时间 = 故障发现时间 + 路由收敛时间 + 数据库或存储角色切换时间 + 应用启动时间 + 业务验证时间。
验收时应分别制造不同故障
一次简单的“拔掉主线”测试,无法覆盖全部单点故障。建议在维护窗口内分项验证,并在测试前保存路由、设备和数据配置,确认能够恢复到原有状态。
线路与设备测试
- 关闭主线路接口,观察备用路由是否接管;
- 断开主线路物理连接,确认不是只有管理状态变化;
- 重启单台边界路由器,检查另一台设备是否继续转发;
- 模拟单个云侧连接失效,确认另一路径是否可达;
- 检查切换前后的丢包、时延、路由数量和路径方向;
- 验证返回流量是否经过正确的防火墙和负载均衡设备。
涉及生产网络权限、路由策略或设备重启的测试,应提前明确影响范围,保留本地管理路径,并准备人工回退方案。
应用与数据测试
- 线路仍然连通但业务端口不可用时,验证业务探针能否触发接管;
- 数据库复制延迟超阈值时,确认系统是否阻止不安全的自动提升;
- 机房A故障后,验证机房B是否能提供登录、核心交易和查询服务;
- 检查未完成事务、重复请求和客户端重试行为;
- 测量RPO,而不是只查看备用数据库是否处于运行状态;
- 恢复主机房后,验证数据追平、权限策略和业务一致性,再进行回切。
监控与告警测试
监控系统最好位于独立于两个机房和主云专线的故障域,并同时关注以下指标:
- 两条线路的接口状态和实际吞吐;
- 丢包率、时延、抖动和错误包;
- 路由邻居状态及路由变更;
- 云侧网关和转发组件状态;
- 防火墙主备状态;
- 数据复制延迟和积压量;
- 业务探针成功率;
- 切换、回切和人工确认记录。
告警信息应明确指出“链路故障”“路由异常”“业务不可达”还是“数据复制延迟”,否则值班人员仍需要从多个系统中重新定位,无法缩短处理时间。
哪些场景不适合简单增加一条线路
以下做法容易产生“看起来有冗余、实际仍有单点”的结果:
- 两条线路共用同一运营商、同一光缆和同一入楼设备;
- 两条线路接入同一台没有高可用能力的边界路由器;
- 两个机房都连接云端,但云侧只有一个不可替代的网关;
- 只配置DNS切换,却没有处理私有路由、数据库角色和防火墙状态;
- 备用线路带宽只按心跳和监控流量选择,未计算故障接管流量;
- 只做实时复制,没有独立的时间点备份;
- 两个机房同时写入同一业务数据,却没有冲突处理和脑裂防护;
- 主线路恢复后立即自动回切,没有确认数据和应用状态;
- 用单次拔线测试代替完整的设备、云侧、应用和数据演练。
如果两个机房位于同一栋楼、共用同一供电系统或共用同一条入楼光缆,那么它们更接近“设备级或局部机房冗余”,不能直接视为能够抵御楼宇、区域或基础设施级灾难。
落地前应先确定业务的RPO、RTO和故障接管范围,再反推备用线路是否需要承载全部生产流量。随后重点验证两条云专线的物理路径、云侧终止点、路由收敛方式和数据复制能力。只有当线路、设备、云侧转发、数据副本和业务接管流程分别通过演练,双机房互联才真正具备减少单点故障影响的能力。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/10012.html



