上周帮一个朋友处理机房故障他一上来就跟我说光模块买了插上去端口就是起不来是不是模块质量不行我让他把模块型号和交换机端口信息发过来看了一眼心里就有底了。这不是模块的问题是选型、物理连接、配置和排障这一整条链路上某个环节踩了坑。交换机搭配光模块这件事说简单很简单插上光纤就能通但说复杂也真复杂光口down、光衰异常、误码丢包、链路聚合起不来每一类问题背后都有固定的原因。今天我不讲教科书理论就讲我这些年实际干过的活儿从选模块、插光纤、配接口到看光衰把一套能直接照做的流程完整捋一遍。你照着这个顺序走一遍不敢说百分之百解决但至少能筛掉八成常见故障。1. 先选对模块光口能不能起来在插之前就注定了1.1 接口规格和速率匹配看着都是光口内涵差远了很多人分不清交换机上的光口到底支持什么模块拿起一个光模块就往里插插得上就觉得没问题这是最大的误区。交换机的光口物理形态上常见的有SFP、SFP、SFP28、QSFP、QSFP28这几种。SFP和SFP外壳尺寸几乎一样但电气协议不同。SFP一般是千兆1GSFP一般是万兆10GSFP28是25G。你如果把一个SFP万兆模块插到只支持千兆SFP的交换机口上多数情况下端口起不来因为接口的电气特性和速率协商逻辑完全对不上。反过来万兆口插千兆模块倒是有一部分设备支持降速运行但前提是端口配置成千兆速率、光模块本身也被识别为千兆模块。这里我建议养成一个习惯插模块之前先看交换机端口附近的标识再看模块标签上的速率、波长和传输距离。模块标签上通常会写类似1.25G-1310nm-10km或10G-SR-300m这样的字样。1.25G就是千兆10G就是万兆25G一般会写25G。速率对不上后面一切免谈。还有一类Combo口就是电口和光口共用一个逻辑接口同一个物理端口编号下电口和光口二选一使用。这种口如果电口已经插了网线光口插了模块设备通常优先使用电口光口即使有光也起不来。碰到光口插了模块但接口up不起来的情况先查这个端口是不是Combo口、电口侧是不是接了线这个坑特别隐蔽。1.2 距离和光纤类型多模配SR单模配LR别串速率对上了下一个要匹配的是波长和光纤类型。光模块按传输距离和波长大致分几类最常见的两种SR短距模块850nm波长配多模光纤OM3/OM4/OM5千兆的传输距离一般在300到550米万兆的SR模块在OM3上大约300米OM4上可以到400米左右。LR长距模块1310nm波长配单模光纤OS2标准传输距离10公里。还有ER、ZR等更长距离的机房内很少用到。多模光纤是橘红色的外皮OM1/OM2是橙色OM3/OM4/OM5是水绿色单模光纤是黄色的外皮。判断标准很简单看跳线颜色黄色就是单模橙色或水绿色就是多模。如果你把SR模块插到黄色单模跳线上短距离可能勉强通但光功率损耗会很大距离一长就掉链子反过来把LR模块插到多模光纤上一般是直接不通因为多模光纤对1310nm波长的传输特性很差。还有更极端的案例两端用了不同的模块一端是850nm SR另一端是1310nm LR。波长不同光信号根本对不上光口是无论如何都不会亮的。这个一定要在两端同时核对模块型号。1.3 品牌兼容与锁码原厂还是第三方要有个心理准备光模块市场有个老生常谈的问题原厂模块贵第三方兼容模块便宜但部分厂商交换机对光模块做了兼容性限制也就是大家常说的锁码。华为、H3C这些主流品牌原则上都建议使用原厂模块。但实际项目中第三方模块用得非常普遍因为价格差距太大。我的经验是主流品牌的兼容模块在大多数设备上都能正常工作尤其是千兆模块兼容性问题相对少。但有两个场景容易出问题——一是高端框式交换机二是固件版本升级后。有些设备在升级版本之后原本能用的兼容模块突然不识别了端口状态变成down查display transceiver也看不到模块信息。所以我的建议是核心设备、核心链路尽量用原厂模块图个安心边缘设备和监控网络可以用可靠的第三方兼容模块但买之前先问清楚是否支持你手上这台交换机的型号和版本。如果是重要业务最好拿一个模块先到设备上做兼容性测试再批量采购。2. 插模块和接光纤的手势八成物理层故障源头都在这2.1 模块插拔方向和拉环是关键选好模块接下来就是插。光模块插错方向导致金手指被顶弯的情况我见过不止一次。SFP系列模块的插法要注意三点模块壳体上一般有标签或箭头标识插的时候标签面朝上或者按交换机厂商说明的方向对准笼子口轻轻推进去感觉到卡扣咔嗒一下才算到位。拔模块的时候先把拉环拉起来解锁再往外拔。很多人不知道这个小拉环是解锁用的直接硬拽轻则拉坏模块外壳重则把笼子里的卡扣拉断那个口就废了。插拔模块最好在设备断电或者接口已shutdown的状态下进行。虽然SFP支持热插拔但在设备运行时插拔接口会瞬间产生状态抖动日志里会刷一波告警在线业务就可能闪断一下。要换模块就提前把接口shutdown插好之后再undo shutdown这是对业务负责任的做法。另外提醒一句光模块的窗口光口内部那个小孔非常脆弱千万不要用任何硬物去捅。插拔时手指也不要碰到模块的金手指部分皮肤上的油脂会影响电气接触时间长了容易氧化。2.2 光纤端面清洁脏了不是小事光口起不来的原因排行物理层故障里第一位不是模块坏了而是光纤端面脏了。光纤跳线的端面是一个极其精密的平面灰尘、油污、水汽附着在上面会直接造成光信号衰减。衰减到一定程度接收端的模块就会判断光功率过低于是端口反复up/down或者干脆起不来。我的习惯是任何一根跳线插之前必须用光纤清洁笔清洁一下端面。清洁笔现在很便宜一按式的干式清洁笔用完盖好能用很久。清洁的姿势也简单把跳线端面水平放在清洁笔的导槽口轻轻按压弹一下让笔头的清洁卷带擦过端面一次不行再来一次。还有一个极其常见的错误用手摸跳线端面。手指上的油脂一旦沾上端面光信号损耗会非常严重而且油脂很难彻底清除干净需要用酒精和无尘布配合才能处理。所以正确的习惯是——裸纤端面永远不要碰、不要吹、不要对着它说话。如果发现端面已经被污染了手头没有清洁工具最稳妥的办法是直接换一根跳线。跳线不贵但一次故障处理的人工成本和业务中断成本比一根跳线贵得多。2.3 跳线类型与连接顺序交叉、直通怎么分光纤跳线连接也有讲究LC接头是SFP/SFP模块最常见的接头但跳线本身分交叉跳线和直通跳线。直通跳线两端收发一一对应即一端TX对着另一端RX交叉跳线则是两端TX对TX、RX对RX。不同设备之间连接使用哪种跳线取决于设备的收发定义。好在大多数交换机的光模块接口收发顺序是标准化的而且许多现代交换机支持自动翻转所以很多场合直通跳线就能通。但如果你发现两个设备光口直连一端显示up另一端死活up不起来然后把跳线两头对调一下就通了那大概率就是跳线的收发极性与设备不匹配。这种问题在通过配线架转接、或者用了非标定制跳线的场景里更容易出现。另外一个容易踩的点是配线架上的法兰盘。光纤经过法兰盘转接会多两个连接点每个点都可能引入损耗。如果链路总损耗超标优先检查法兰盘里的适配器是否脏污以及两端的跳线接头是否拧紧了SC接头是拧的LC接头是卡扣式的要听到咔嗒才算到位。3. 光口配置实战从单通到聚合几个常用招式3.1 光口基本配置先让接口能通信物理连接没问题了接下来就是配置。很多工程师卡在这一步是因为搞不清交换机上的光口应该配成二层口还是三层口。华为交换机默认光口是二层接口直接划入VLAN就能当接入用。但如果你的光口是用来做交换机之间互联、或者连接防火墙和路由器就需要把接口切换成三层口。华为的命令是interface GigabitEthernet 0/0/1 undo portswitch ip address 192.168.10.1 255.255.255.0undo portswitch的意思就是把这个口从二层交换口变成三层路由口。这个命令在不同的华为设备版本里可能稍有差异但方向是一致的。还有一种常见方式是起VLANIF接口vlan 10 interface Vlanif 10 ip address 192.168.10.1 255.255.255.0 interface GigabitEthernet 0/0/1 port link-type access port default vlan 10这样光口就作为VLAN 10的成员口三层地址落在VLANIF上。这种方式适合一个光口接入多个终端的场景。配置完一定要验证。用display interface GigabitEthernet 0/0/1看物理状态是不是up、协议状态是不是up。如果物理口是up但协议口是down通常是二层VLAN配置或三层地址协商的问题而不是光路问题。3.2 光口做链路聚合还是主备按业务需求选这是很多群里反复讨论的问题两个光口连对端设备是做链路聚合还是做一主一备我的看法是先想清楚你的业务需要什么。如果两个设备之间流量大比如汇聚交换机到核心、存储网络、视频监控大流量回传那必须做链路聚合Eth-Trunk把两个光口的带宽叠加起来同时获得链路冗余。如果业务本身流量很小但对可靠性要求极高比如核心到出口路由器的互联那可以做成主备模式一条链路坏了自动切到另一条。但实际项目中链路聚合本身就已经包含冗余功能了——两条光口绑成一个逻辑口一条断了流量自动走另一条只要保证聚合组里至少有一条链路是正常的业务就不会中断。所以我更推荐核心互联直接用链路聚合。华为交换机的链路聚合配置很简单interface Eth-Trunk 1 port link-type trunk port trunk allow-pass vlan all interface GigabitEthernet 0/0/1 eth-trunk 1 interface GigabitEthernet 0/0/2 eth-trunk 1H3C设备类似只是名字换成Bridge-Aggregationinterface Bridge-Aggregation 1 port link-type trunk port trunk permit vlan all interface GigabitEthernet 1/0/1 port link-aggregation group 1 interface GigabitEthernet 1/0/2 port link-aggregation group 1做聚合有几个容易翻车的点成员口的速率、双工模式必须一致。一个千兆一个万兆绑在一起低速口会成为瓶颈甚至导致聚合异常。两端设备的聚合模式要一致要么都是手工聚合静态要么都是LACP动态聚合华为叫mode lacp-staticH3C叫mode dynamic。配置过程中一定要先把物理口shutdown再加入聚合组防止出现环路引发广播风暴。全部配完再统一undo shutdown。3.3 光口镜像抓包光路上出问题怎么定位当光口链路是up的但业务流量有问题比如延迟大、丢包、特定协议不通这时候最有效的排查手段就是端口镜像抓包。把光口上的流量镜像到一个接抓包工具的端口上用Wireshark看真实流量比凭感觉猜要靠谱得多。华为的本地镜像配置思路observe-port 1 interface GigabitEthernet 0/0/24 interface GigabitEthernet 0/0/1 port-mirroring to observe-port 1 both意思是将光口GigabitEthernet 0/0/1的入方向和出方向流量都复制一份到GigabitEthernet 0/0/24。抓包机接在24口上用Wireshark就能看到光口上的所有流量。H3C的配置稍有不同mirroring-group 1 local mirroring-group 1 mirroring-port GigabitEthernet 1/0/1 both mirroring-group 1 monitor-port GigabitEthernet 1/0/24镜像抓包的重点不是配命令而是会看包。判断思路是有流量经过但对端没收到看抓包里是否有CRC错误帧、巨型帧异常这类问题通常指向光纤质量或模块故障。单向有流量、回程方向没有那问题多半在对端设备的接口配置或路由策略上不是光路本身的问题。抓包发现大量重传说明光路质量差导致丢包这时需要回头去看光模块的收发光功率参数。4. 光模块的健康状态怎么看光衰命令和参数解读4.1 读光模块信息的命令华为/H3C/其他光模块不是插上就不用管了它会老化会脏污会受温度影响。最直接的体检手段是读模块的DOM信息光模块数字诊断监控Digital Optical Monitoring。华为交换机常用的命令是display transceiver interface gigabitethernet 0/0/1这个命令能看到模块的基础信息型号、序列号、速率、波长、传输距离等。如果要看实时诊断参数display transceiver diagnosis-result interface gigabitethernet 0/0/1H3C设备对应的命令是display transceiver interface GigabitEthernet 1/0/1 display transceiver diagnosis interface GigabitEthernet 1/0/1紫光交换机沿用的是H3C的命令体系思科系列则是show interface transceiver。不同厂商命令有差异但关键词基本都是transceiver加interface如果你不确定就在设备上敲display transceiver再按Tab键命令树会自动提示可用的下级命令。这里要特别说一下部分交换机在模块不支持DOM功能时诊断命令会显示空白或者报错这是正常的说明你买的模块不带诊断功能换个好一点的模块才能往下排查。4.2 参数读数dBm是负数不是越小越好很多工程师拿到display transceiver diagnosis-result的输出就懵了一堆英文参数不知道看什么。我按排查优先级帮你梳理一份简化版参考参数含义大致正常范围TX Power发送光功率一般在-9dBm到-1dBm之间视模块类型而定RX Power接收光功率一般在-20dBm到-1dBm之间低于接收灵敏度就会downBias Current激光器偏置电流几毫安到十几毫安不同模块差异大Temperature模块内部温度机柜内一般40到60℃超过70℃要警惕Voltage模块供电电压通常在3.3V附近波动先说dBm这个概念。dBm是一个用对数表示的功率单位0dBm相当于1毫瓦3dBm是2毫瓦-10dBm是0.1毫瓦-20dBm是0.01毫瓦。所以看收发光时数字越接近0说明功率越大-40比-20小得多。很多人看到-30dBm觉得数值挺大其实是已经把光功率理解反了。核心看两个值TX和RX。TX是自己模块发出去的光功率一般在0dBm上下浮动。如果TX明显低于正常范围说明模块激光器老化了。RX是对端模块发过来、经过光纤链路损耗之后收到的光功率。RX太低说明链路损耗大——可能是光纤脏了、跳线损耗异常、法兰盘污染也可能是对端模块发送功率本来就低。RX太高比如高于0dBm也不是好事接收器会被过强的光信号打乱造成误码这种情况一般发生在短距离高功率模块直连的场景需要通过加衰减器来调整。4.3 从参数到动作两个典型排障案例理论说多了不如看案例我挑两个最常见的故障场景完整还原一下排查过程。案例一光口反复up/down收光在临界值徘徊现象交换机上光口状态一会儿up一会儿down业务频繁闪断。display interface看到物理层状态不稳定眼图质量的描述出现异常。排查过程先看诊断参数RX Power显示在-24dBm左右而模块的接收灵敏度阈值一般在-22dBm左右。这说明接收到的光功率已经低于模块能正常工作的底线。继续顺着链路查清洁两端光纤端面重新插紧法兰盘RX功率依然没有明显改善。然后换了一根新的跳线RX恢复到-10dBm左右端口稳定up。教训就是RX功率接近灵敏度阈值时链路会表现出时好时坏这种故障比完全down更隐蔽。光模块本身往往没坏被冤枉换下来的模块其实都是好的真正的问题是那根用了很多年的跳线。案例二链路通了但丢包CRC错误计数持续上涨现象光口up能ping通但ping大包丢包严重业务反馈卡顿。display interface里发现光口下的CRC错误计数一直在涨。排查过程看诊断参数TX Power从正常值-4dBm掉到了-8dBmBias Current明显偏高模块温度也在升高。这是激光器老化的典型特征。换个同型号新模块之后TX恢复到-4dBmCRC错误不再增长丢包消失。所以如果是模块本身的发送光衰变大无论怎么清洁光纤都没用直接换模块就好。换模块前记得先shutdown接口换完再undo shutdown热插拔会引发接口抖动。5. 日常维护里容易被忽略的几个细节5.1 模块的存放和标记换下来的备用模块不要随手丢在机柜里。光模块对静电和灰尘都很敏感正确的存放方式是插上防尘帽放进防静电袋或专用收纳盒然后做好标记。标记的内容至少要有速率、波长、传输距离、对应的交换机型号、资产编号。我见过不少机房备用模块混在一起用时根本分不清哪个是千兆哪个是万兆只能一个个插上试浪费时间不说还容易插坏笼子。另外提醒一句光模块的激光器虽然属于安全等级较高的产品但任何时候都不要直视光口内部或者光纤断口尤其是在设备正常运行的时候激光是真实存在的。5.2 温度和防尘对光模块的影响光模块的工作寿命和工作环境关系很大。机房温度过高模块内部的激光器会加速老化表现出来就是TX功率越来越低、Bias电流越来越高。所以机房空调如果长期不达标光模块的故障率会明显上升。防尘方面除了保护光纤端面还要注意交换机笼子本身的灰尘。有些机房线槽进灰严重模块表面堆积灰尘后散热变差也容易出问题。定期维护时可以用软毛刷轻轻清理模块周边和笼子入口的灰尘但注意不要用普通吸尘器对着光模块吹静电可能打坏模块。5.3 用网管和日志持续监控模块健康光模块的容量不必等都是大事与其等着故障出现再排查不如提前建立监控。支持DOM的模块它的诊断参数可以通过SNMP读到主流的网管平台华为eSight、H3C iMC或者开源监控系统都能采集这些OID数据。可以设定几个告警阈值RX功率低于-20dBm告警具体看你模块的手册、模块温度高于70度告警、Bias电流超过模块规格上限告警。这样光纤质量衰减、模块老化这些问题在业务还没中断之前就能被发现。日志方面光口up/down事件会记录在交换机日志里定期检查日志就能发现哪些光口频繁抖动。有时间的话把日志按周集合起来看一遍哪些口在该坏还没坏的时候心里就有数了。最后分享一个我自己的习惯每次改完光口配置、插好光纤我都会顺手敲一遍display transceiver和display interface把收发光和接口状态截图留存。等哪天出故障了翻出当时的基线一对比问题基本一目了然。别嫌麻烦光口故障这种事有基线数据和没基线数据排查效率完全是两个级别。