上周帮一家做在线教育的客户做路由调优，他们刚上了双链路BGP，想验证主备切换是否真能扛住故障。结果一提“做冗余测试”，运维同事立马皱眉：“得凌晨两点停课两小时？”——其实真没必要。
冗余测试≠断网演练
很多人把“测冗余”默认等同于“拔光纤”“关主设备”，这容易误入歧途。真正的网络冗余能力，核心是看流量能否在毫秒级内自动绕行，而不是靠人工制造中断来倒逼故障。
比如你用的是双上联交换机+OSPF动态路由，只要配置了合理的cost值和快速收敛参数（如timers spf 1 4），主链路出问题时，流量几秒钟就切到备用路径，用户刷课件、传作业根本没感知。
不中断业务的几种实测方法
① 模拟链路劣化，不切断
用Linux的tc命令给主出口加丢包或高延时，观察BFD会话是否超时、路由表是否刷新：
tc qdisc add dev eth0 root netem loss 90% delay 500mstc qdisc del dev eth0 root② 切换控制面，不动转发面
在核心路由器上临时修改OSPF的Router ID或优先级，触发LSA重泛洪和SPF重计算，但数据平面仍在正常转发。这时候看监控里的BGP邻居状态、ARP表更新延迟、TCP重传率有没有异常飙升。
③ 利用现网流量做探针
不用额外发包，直接抓取业务服务器出口的镜像流量，用Wireshark过滤ICMP或TCP SYN包，对比主备路径上的TTL、RTT、分片情况。如果主链路突然出现大量TTL=63（说明经过了一跳新设备），基本就是已触发切换。
哪些情况确实得停业务？
只有一种：你的冗余架构本身就不支持热切换。比如老式双机热备防火墙用的是主-从模式，备机不处理任何流量，连心跳都靠串口；或者H3C某款旧交换机的VRRP不支持track接口联动，只能靠手工shutdown接口来触发倒换。这种不是测不出来，而是架构决定了它本来就不能在线切换——该升级设备了，别硬测。
说到底，冗余测试的目的不是“证明我能断一次”，而是“确认我不断也能稳”。测之前先翻翻设备手册里BFD检测间隔、路由收敛时间、ECMP哈希算法这些参数，比半夜拔线靠谱得多。