راهکارهای جامع نگهداری شبکه های کامپیوتری جهت رفع کندی

رفع کندی و قطعی شبکه های کامپیوتری؛ راهنمای جامع عیب یابی و نگهداری پیشگیرانه

افت راندمان ارتباطات درون سازمانی، فریز شدن نرم افزارهای تحت شبکه، افت کیفیت تماس های صوتی VoIP و قطعی مکرر دسترسی به اتوماسیون اداری یا اینترنت، از چالش های بحرانی مدیران فناوری اطلاعات محسوب می شود. در سازمان هایی که نگهداری پیشگیرانه در آنها جدی گرفته نمی شود، یک اشتباه کاربری کوچک یا فرسودگی یک سوکت اترنت می تواند کل فعالیت تجاری مجموعه را متوقف سازد. رفع این معضلات نیازمند دیدگاهی سیستماتیک، مبتنی بر متدولوژی های استاندارد بین المللی و تفکیک لایه به لایه شبکه است.

کالبدشکافی ریشه های کندی و ناپایداری در مدل هفت لایه OSI

برخورد با مشکلات شبکه نباید بر پایه حدس و گمان باشد. مدل مفهومی OSI معیاری مطمئن برای ردیابی خطا فراهم می کند. هنگامی که ارتباط قطع می شود، عیب یابی باید از لایه اول آغاز گردد و به سمت لایه های بالایی هدایت شود.

لایه ۱: خطاهای فیزیکی، آسیب پسیو و نویز الکترومغناطیسی

بر اساس تجربیات میدانی، درصد قابل توجهی از افت سرعت شبکه و قطع و وصل شدن تصادفی کلاینت ها به ساختار پسیو مربوط است. موارد زیر از جمله شایع ترین دلایل فیزیکی هستند:

• پچ کوردهای غیراستاندارد و نامرغوب: استفاده از کابل های آلومینیومی با روکش مس (CCA) به جای تمام مس (CCC یا OFC) موجب افزایش مقاومت الکتریکی، افت ولتاژ در تجهیزات PoE و افزایش خطای CRC روی پورت های سوییچ می شود.
• تداخل امواج الکترومغناطیسی (EMI): عبور دادن کابل شبکه از کنار کابل های برق فشار قوی، موتور آسانسور یا ترانسفورماتورها بدون بهره گیری از کابل های شیلددار (STP/FTP) سیگنال را تخریب می کند.
• شعاع خمش نامناسب کابل: خم کردن بیش از حد کابل های شبکه و فیبر نوری داخل داکت ها ساختار زوج های به هم تابیده را به هم ریخته و ویژگی Near-End Crosstalk (NEXT) را به شدت تخریب می نماید.

لایه ۲: حلقه های منطقی (Loops) و طوفان برودکست (Broadcast Storm)

اگر کاربری به اشتباه هر دو سر یک کابل شبکه را به دو پریز متصل به یک سوییچ متصل کند، یا بین سوییچ ها لینک های پشتیبان بدون تنظیم پروتکل ایجاد شود، فاجعه ای به نام Broadcast Storm رخ می دهد. در این وضعیت، فریم های اترنت بی نهایت بار تکثیر شده، چراغ های تمام پورت ها با سرعت بالا چشمک می زنند و پهنای باند کل سوییچ مصرف می شود که به کرش کردن دستگاه می انجامد. پروتکل های خانواده Spanning Tree Protocol شامل STP (IEEE 802.1D) و RSTP (IEEE 802.1w) وظیفه جلوگیری از این رخداد را دارند. تنظیم نکردن پارامترهای تکمیلی نظیر BPDU Guard و Root Guard روی پورت های اکسس سوییچ، سازمان را در برابر این خطای انسانی بی دفاع می گذارد.

لایه ۳ و ۴: اشباع پهنای باند، فقدان QoS و بافر بلات (Bufferbloat)

هنگامی که خطوط ارتباطی WAN یا اینترنت به صد درصد ظرفیت اسمی خود می رسند، روترها ناچار به صف بندی بسته ها می شوند. با طولانی شدن صف ها، زمان رفت و برگشت پکت ها افزایش می یابد که اصطلاحا Bufferbloat نامیده می شود. بدون تعریف سیاست های اولویت بندی کیفیت خدمات (Quality of Service - QoS)، یک دانلود بزرگ یا پشتیبان گیری ابری می تواند جریان ترافیک های حساس به زمان، مانند پروتکل های پایگاه داده و نرم افزارهای تلفنی SIP را به صفر برساند. بر اساس مستندات جامع مهندسی سیسکو پیرامون مدیریت صف و کنترل تراکم ترافیک با روش Priority Queuing، پیکربندی صف بندی مبتنی بر اولویت و شکل دهی ترافیک (Traffic Shaping) از اساسی ترین شروط تضمین عملکرد سرویس های سازمانی در پهنای باند محدود به حساب می آید.

لایه ۵ تا ۷: خرابی های سرویس های DNS و DHCP

بسیاری از مواقع کاربران کندی بارگذاری وب سایت ها و برنامه ها را به قطعی اینترنت نسبت می دهند، در حالی که لایه انتقال ارتباط کاملا برقرار است و مشکل در مرحله تحلیل نام (Name Resolution) رخ می دهد. اگر سرور DNS داخلی دچار تاخیر در پاسخ گویی شود یا پیکربندی Forwarders روی روترها ناقص باشد، هر درخواست TCP چند ثانیه در صف تحلیل آدرس متوقف می ماند. علاوه بر این، اتمام بازه آدرس دهی (DHCP Pool Exhaustion) یا وجود یک روتر وای فای متفرقه متصل به شبکه (Rogue DHCP Server) با اعطای آدرس های نامعتبر به سیستم ها، قطعی موضعی و سردرگمی جداول مسیریابی ایجاد می کند.

چک لیست گام به گام عیب یابی شبکه هنگام افت کیفیت شدید

هنگام رویارویی با بحران افت سرعت یا قطعی، تکنسین شبکه باید فرآیند شناسایی ایراد را در شش مرحله منظم به انجام برساند:

1. بررسی سلامت فیزیکی و نشانگرهای LED: چک کردن وضعیت چراغ های Link و Activity روی کارت شبکه و سوییچ. رنگ نارنجی یا خاموش بودن نشانگر معمولا به معنای عدم برقراری Negotiation روی سرعت گیگابیت یا قطعی کامل زوج سیم ها است.
2. تفکیک دامنه خرابی با دستورات Ping و Traceroute: دستور پینگ را به صورت پلکانی اجرا کنید:

   # تست کارت شبکه محلی
   ping 127.0.0.1
   
   # تست گیت وی محلی (بررسی سوئیچ ها و کابل کشی داخلی)
   ping 192.168.1.1 -n 50
   
   # تست ارتباط با اینترنت از طریق آدرس IP بدون وابستگی به DNS
   ping 1.1.1.1 -n 50
   
   # تست صحت کارکرد سرویس DNS
   ping iranhelpdesk.com

   اگر تست گیت وی محلی دارای Packet Loss یا تاخیر متغیر (Jitter بالاتر از ۵ میلی ثانیه) باشد، اختلال قطعا در شبکه محلی (LAN) شما قرار دارد.
3. بررسی جداول ARP و کشف تداخل آدرس IP: وجود دو دستگاه با یک آدرس IP یکسان باعث پرش دائمی ارتباط می شود. با دستور arp -a در خط فرمان و مشاهده تغییرات مک آدرس های منتسب به گیت وی، از نبود حمله ARP Spoofing یا تداخل دستی IP اطمینان حاصل کنید.
4. اندازه گیری ظرفیت عملیاتی با iPerf3: برای ارزیابی پهنای باند واقعی بدون وابستگی به سرعت سرورهای اینترنتی، از ابزار متن باز iPerf3 بین یک سیستم تست و یک سرور در شبکه داخلی بهره بگیرید:

   # روی سرور داخلی
   iperf3 -s
   
   # روی کلاینت مورد نظر
   iperf3 -c 192.168.1.50 -t 30 -i 5

   اگر نرخ انتقال روی لینک های ۱Gbps به کمتر از ۸۰۰Mbps کاهش یابد، باید سوییچ، تنظیمات Duplex یا نویز کابل کشی بازبینی شود.
5. مانیتورینگ پورت های سوییچ و خطاهای CRC: ورود به کنسول مدیریتی سوییچ و بررسی خروجی شمارنده ها. در سوییچ های سیسکو دستور show interfaces اطلاعات مهمی ارائه می دهد:

   Switch# show interfaces gigabitEthernet 0/1
   ...
   58234 input errors, 42109 CRC, 0 frame, 0 overrun

   شمارش خطاهای CRC نشان دهنده آسیب دیدگی کابل کشی، کیستون غیر استاندارد یا مشکلات درگاه سخت افزاری سوییچ است.
6. آنالیز ترافیک های مشکوک با Wireshark: با قرار دادن یک پورت در وضعیت Port Mirroring و ثبت ترافیک با وایرشارک، میزان پکت های برودکست و مالتی کست، درخواست های بی وقفه ARP و پیام های ICMP Redirect را بررسی کنید تا آلودگی سیستم ها به باج افزارها یا کرم های شبکه کشف گردد.

جدول عیب یابی سریع: نشانه های خرابی، علت و دستور رفع مشکل

جدول زیر نقشه ای کاربردی برای مواجهه سریع با نشانه های بحرانی در شبکه های سازمانی است:

تنظیمات حیاتی روتر و سوییچ ها جهت ثبات پایدار زیرساخت

بسیاری از شبکه های سازمانی از تجهیزات گران قیمت بهره می برند، اما به دلیل رها شدن تجهیزات با تنظیمات پیش فرض کارخانه ای (Default Settings)، پس از مدتی ناپایدار می گردند. اجرای پیکربندی های زیر نقشی اساسی در ثبات دارد:

۱. اجرای پیکربندی امن پروتکل درخت پوشا (STP Hardening)

در شبکه های سوئیچینگ لایه دو، برای جلوگیری از طوفان های مخرب، تنها فعال سازی پروتکل RSTP کافی نیست. روی تمام پورت هایی که مستقیما به کامپیوترها، پرینترها و اکسس پوینت ها متصل هستند، ویژگی PortFast به همراه BPDU Guard را فعال کنید. به عنوان مثال در محیط سوییچ های مدیریتی:

Switch(config)# interface range GigabitEthernet 0/1 - 48
Switch(config-if-range)# spanning-tree portfast
Switch(config-if-range)# spanning-tree bpduguard enable

این فرآیند تضمین می کند که در صورت اتصال تصادفی یک سوییچ غیرمجاز یا لوپ شدن کابل توسط کاربر، آن پورت به صورت بلادرنگ به وضعیت err-disable رفته و مانع از سرایت طوفان برودکست به سایر بخش های سازمان می شود.

۲. کاهش پکت لاس و اولویت بندی پهنای باند با الگوریتم های نوین

افت بسته های داده (Packet Loss) معمولا در محل تغییر سرعت لینک ها (مثلا اتصال سوییچ ۱۰ گیگابیت به روتر ۱ گیگابیت یا روتر به مودم اینترنت با سرعت کمتر) رخ می دهد. طبق مستندات فنی و بررسی های تخصصی شبکه کلودفلر پیرامون مفاهیم و عوامل اثرگذار بر پکت لاس در شبکه ها، افت پکت به طور مستقیم نرخ گذردهی پروتکل TCP را کاهش می دهد، زیرا فرآیند Congestion Control اندازه پنجره انتقال (Window Size) را کوچک می کند. پیاده سازی الگوریتم های هوشمند مدیریت صف مانند FQ-CoDel یا Cake روی روترهای سازمانی، پدیده تاخیر بافر را برطرف ساخته و عدالت مصرف پهنای باند را بین تمامی کاربران برقرار می سازد.

۳. راهکارهای جامع نگهداری برای رفع قطعی های سیستم عامل شبکه

نگهداری پیشگیرانه تنها تمیزکاری فیزیکی تجهیزات نیست. خطاهای نرم افزاری (Firmware Bugs) و نشت حافظه (Memory Leaks) در سیستم عامل سوییچ ها و روترها پس از ماه ها کارکرد مداوم پدیدار می شوند. بنابراین توصیه می شود:

• نسخه نرم افزار سوییچ ها و روترها به طور منظم به نسخه های تایید شده و پایدار (Stable Releases) ارتقا داده شود.
• پشتیبان گیری دوره ای خودکار از فایل پیکربندی (Running-Config) روی سرورهای TFTP یا SCP راه اندازی گردد.
• دمای تجهیزات، فن های خنک کننده و وضعیت منبع تغذیه (PSU) از طریق پروتکل SNMP تحت نظر گرفته شود.

سازمان هایی که فاقد تیم های مقیم برای پایش این موارد هستند، معمولا از برون سپاری این خدمات به شرکت های تخصصی بهره می گیرند تا استانداردهای دسترس پذیری تضمین گردد. استفاده از خدمات کارشناسی در زمینه خدمات شبکه و سرور این امکان را فراهم می سازد که نگهداری پیشگیرانه، کنترل منظم امنیت روترها و بهینه سازی ساختار سوییچینگ با متدهای استاندارد و برنامه ریزی شده انجام پذیرد.

متدولوژی ITIL در مدیریت ریشه ای مشکلات شبکه (Problem Management)

تفاوت اساسی میان تیم های پشتیبانی سنتی و مراکز عملیات شبکه پیشرفته (NOC)، تفکیک میان «مدیریت رخداد» (Incident Management) و «مدیریت مشکل» (Problem Management) است. در چارچوب ITIL، هدف از مدیریت رخداد بازگرداندن سریع سرویس به مدار (حتی با راهکارهای موقت نظیر ریستارت کردن سوییچ) است؛ در حالی که مدیریت مشکل بر کشف، تحلیل و ریشه کنی دائمی علت ریشه ای تمرکز دارد.

مطابق با استانداردهای رسمی در حوزه مدیریت مشکل بر اساس استاندارد ITIL، فرآیند نگهداری شبکه باید شامل تشکیل پایگاه داده خطاهای شناخته شده (Known Error Database - KEDB) باشد. زمانی که یک پورت خاص روی سوییچ اصلی دچار فلپینگ (Flapping) مکرر می شود، به جای ریستارت کردن هفتگی پورت، باید تحلیل ریشه ای (Root Cause Analysis) صورت گیرد: آیا افت ولتاژ در ساعات خاصی رخ می دهد؟ آیا فرسودگی ماژول فیبر نوری SFP موجب این تاخیر است؟ مستندسازی این فرایند مانع از تکرار حوادث پرهزینه در طول چرخه حیات سیستم ها خواهد شد.

راهکارهای مانیتورینگ بلادرنگ و نگهداری پیشگیرانه در شبکه های سازمانی

یک شبکه بدون مانیتورینگ، شبیه به پرواز با چشمان بسته است. پیش از آن که پرسنل سازمان تلفن را بردارند و از قطعی شبکه شکایت کنند، سیستم های مانیتورینگ باید رخداد را ثبت کرده باشند. ابزارهای مدرن مانیتورینگ سازمانی عبارتند از:

• پروتکل SNMP و ابزارهای Zabbix و PRTG: ثبت درصد پردازش CPU، حجم ترافیک پورت های آپ لینک، دمای پردازنده ها و ردیابی تغییرات پهنای باند مصرفی به شکل لحظه ای.
• جریان های ترافیکی NetFlow / sFlow: مانیتورینگ پهنای باند و شناخت مصرف کنندگان عمده شبکه (Top Talkers) جهت تشخیص کاربران یا بدافزارهایی که بیشترین ترافیک را به خود اختصاص داده اند.
• پایش لاگ ها با پروتکل Syslog: تجمیع لاگ های کلیه سوییچ ها و فایروال ها روی یک سرور مرکزی، به نحوی که خطاهایی نظیر تغییر وضعیت پورت ها، قطعی فن یا تلاش برای ورود غیرمجاز فورا قابل ردیابی باشد.

پرسش های متداول پیرامون رفع کندی و قطعی شبکه های سازمانی (FAQ)