BGP 路由变更/收敛 Route change / BGP convergence

原因 ID isp-bgp · 主责 运维团队·网络运维 · 配合研发团队·服务器开发, 外部·外部

互联网的路由信息发生变化后需要重新收敛，在这几秒到几十秒（少数情况下几分钟）里会丢包。

起因某个运营商段的路由信息发生变化 → 结果几秒到几十秒内数据包丢失，或切换到新路径 → 画面表现 突然卡住几秒，之后 ping 值变了（例如 40 → 70 ms）

症状: 卡住, 瞬移
因素: 丢包, 延迟
谁会遇到: 特定地区/运营商
何时出现: 偶尔随机
负责方: 主责 运维团队·网络运维 · 配合研发团队·服务器开发, 外部·外部
研发团队要做的事: 超时要扛得住短暂中断（连接停顿几秒不要马上断开）。
运维团队要做的事: 路由监控（监视我方 IP 段的路由和 ping 变化）；我方线路故障用 BFD 在 1 秒内检测并切换（BGP 默认保持时间为 90~180 秒）；路由切到远路后一直不恢复，就把流量转到其他线路。
外部要做的事: 路由频繁变化的运营商段，请该运营商查明原因。
监控图上: 某一时刻起台阶式上升 · RTT、traceroute 路径
查看位置: 比较 RTT 变化前后的 traceroute、mtr 路径，用 RIPEstat BGPlay 查看我方地址段（prefix）的 BGP 路由变更记录
确认依据: 伴随几秒的卡住，RTT 移到另一个水平，同一时刻有 BGP 更新和 AS 路径变更
排除依据: 没有路由变更记录而只在晚上升高，看“高峰时段对等互联链路拥塞”；只有部分连接差，看“ECMP 单条路径故障”
确认手段: 运维工具即可确认（无需游戏代码）
真实案例: Cloudflare 2020: Cloudflare 骨干网配置错误导致部分城市流量丢失
 Meta 2021: 一条骨干网命令让 Facebook 连 DNS 都消失的故障
 Cloudflare 2025: Cloudflare 公共 DNS 1.1.1.1 故障

出处

RFC 4271: A Border Gateway Protocol 4 (BGP-4) IETF
BGP 保持时间（hold time）建议默认值 90 秒（这段时间内收不到对端消息就断开会话）
BGP updates in 2024 APNIC
变得不稳定的路由重新稳定下来，日均需要 25~35 秒（IPv4）、40~50 秒（IPv6）
Delayed Internet Routing Convergence (SIGCOMM 2000) ACM
路由故障后收敛最长要几分钟，期间丢包和延迟增加（2000 年的测量）
BGPlay (RIPEstat Data API) RIPE NCC
显示地址段（prefix）在起始时刻的 BGP 路由、该期间观测到的 BGP 更新，以及路径上的 AS 信息