2008-11-07
事故现象：有时RPU A不能被其他网络设备访问，从其他主机或RPU板上PING RPU A，不通。RPU A自己PING自己，也不通。RPU板复位后，恢复正常。此问题偶然出现。
问题分析步骤：
首先分析造成RPU板网络不通的原因通常有以下几种：
A) 物理连接的问题(如网口坏)；
B) 以太网设置为自环工作方式；
C) 以太网链路层协议有误，Ethernet II、SNAP不一致；
D) MAC地址非法(如为广播地址或首位不是偶数等)；
E) MAC或IP地址与其它网络设备重复；
F) IP协议设置为不转发；
G) 设置了防火墙；
经过检查，可以完全排除A、B、C、D、E、F这几种原因，而以太网口也没有设置任何防火墙规则，默认的包过滤设置为允许通过。但不能排除是防火墙的原因。
为了验证是否是防火墙造成的，打开RPU A的防火墙调试信息。果然，发现是防火墙有限制，采用了防火墙规则2，该规则限制访问网络设备。
可是以太网口的防火墙没有配置任何规则，从理论上来说，它应该只适用规则0，即默认规则。是什么原因使以太网口采用了2号规则呢？
进一步观察调试信息，发现以太网口所分配的内部用户号为49！这时我们想到防火墙所用的内部用户号可能与DMU通道号有直接对应关系。经过试验，果然发现对应普通拨号来说，防火墙内部用户号就等于用户所占用的DMU通道号。
这时，把RPU板上的所有DMU通道闭塞，只保留49号DMU通道，用户拨号上网，让它占用第49号通道，并使该用户采用第3号防火墙规则。这是，以太网口同样也该为收第3号防火墙规则限制。
最后，我们从头重复一次刚才的过程：
1、复位RPU板后，用户没有拨号上网，RPU板以太网口所采用的防火墙的内部用户号为49，采用第0号防火墙规则。
2、第49号MODEM有用户上网，且该用户采用的防火墙规则为X(0<X<=50)，则以太网口防火墙规则也相应为X。
至此，问题已经查明，防火墙对以太网口处理不当，不应该分配内部用户号为49给以太网口，以致与第49号DMU通道形成不应有的关联。这给系统运行带来极大隐患。
评论1
楼主 2008/11/7 13:20:29
数据通信某产品，在进行终端并行测试的过程中发现一很奇怪的问题。先通过TELNET或NETTERM登录到主机系统上，然后在两个TELNET终端同时以大包PING主机，PING XXX。XXX。XXX。XXX ，包长为1000个Bytes，其中一个终端收到两个应答后，不再有任何反应，另一个终端收到一个应答后，显示超时，此后不再有任何反应。重新TELNET登录，还可以登录一个TELNET终端，但试图再登录第二个TELNET终端失败（此系统共支持3个TELNET终端）。测试人员怀疑此前登录的两个TELNET任务已经死掉。于是通过超级终端登录到串口，打开TRACE信息，TRACE信息显示当前已有3个TELNET任务处于运行状态，但实际上此时已只有一个TELNET终端可用，另两个TELNET终端已经没有反应了，而且确定再没有其它人登录到此交换机系统上，至此，确定是前述两个TELNET任务已经死掉。但是，在与开发人员一起重现此问题时，奇怪的现象发生了，在有的机架上重复上述测试步骤，问题每次都能重现，而在有的机架上重复上述测试步骤，却非常正常，没有任何问题。开发人员仔细检查程序也无法发现问题症结所在。此问题持续多日无法解决。最后，经众开发人员会诊，怀疑是pSOS系统配置的问题，经比较两个产生不同现象的机架上pSoS系统的系统配置文件，发现其中关于pNA+的Buffer配置部分，某些配置不同。将配置改为无问题的机架上的系统配置后，进行测试，问题消失。若恢复原配置则问题重现。因此，此问题最后确定为系统配置有误。
由此案例，我们可得到一个经验，那就是，当系统在不同机架上运行现象不同时，除考虑其它可能原因外，还应考虑是否操作系统配置不当。另外，此问题还带出了一个附加的问题，那就是，我们的版本管理存在较大的问题，同为测试机架，但不同的机架上运行的程序版本却不一样。
