网络技术

VPN运维排障:从DNS、路由、IPv6到MTU

“VPN能连上,业务却时好时坏”不是一个可以直接定位的故障描述。连接状态只覆盖了链路的一部分,域名解析、回程路由、地址族选择和包大小仍可能各自出错。稳付pay用一套先收集证据、后修改配置的流程,把问题缩小到可以验证的范围。

文章目录

先保存故障现场,给“不能用”一个边界

记录发生时间、客户端网络、目标域名、应用报错、最近一次配置变更,以及影响一人还是所有用户。先用相同设备和相同目标对照,避免拿手机浏览器成功去解释服务器上的API失败。敏感日志要去除令牌、Cookie、私钥和真实业务数据,只保留定位必需的信息。

排障期间一次改变一个变量,并记录改变前后的结果。重启可能暂时恢复,但同时会丢失计数和现场;先读状态,再决定是否重启。如果只是某个域名失败,而内部IP服务正常,就没有理由立刻重新生成全部密钥。

  1. 对端可达检查公网地址、协议端口和握手。
  2. 路径正确核对路由、AllowedIPs及回程。
  3. 名字正确验证DNS结果、解析器与地址族。
  4. 业务完整测试小请求、大响应和持续连接。
每一步都留下可复查的证据,避免把应用故障误诊为整条VPN故障。

第一层:接口、端点与握手状态

以Linux WireGuard为例,先执行以下只读检查。其他VPN也应寻找等价的接口状态、对端连接和收发统计,而不是仅依赖图形界面的绿色按钮。

ip addr show dev wg0
sudo wg show wg0
ip route show
ip rule show

确认接口存在且地址正确,再主动访问一个已授权的隧道内目标,观察握手时间和流量计数是否改变。长期没有握手,优先核对双方公钥、Endpoint地址、UDP入站规则,以及客户端所在网络能否发出相关数据;近期握手正常则转向数据路径。

空闲后的状态需要结合流量理解。WireGuard默认并不持续发送保活包,旧握手时间不等于已经失效;反过来,有握手也不说明数据库访问权限已经正确。位于NAT后的设备若确实需要维持映射,可评估PersistentKeepalive,但它不是每次超时都该打开的通用修复项。

第二层:同时检查去程、回程与访问范围

客户端执行ip route get 10.77.0.1,把示例地址换成实际内部目标,看内核最终选择的接口与源地址。配置了策略路由时,还要结合ip rule和对应路由表,单看主路由表可能遗漏真正生效的规则。

WireGuard的AllowedIPs有两方面作用:发送时帮助选择对端,接收时约束该对端允许使用的隧道源地址;使用wg-quick时,它还参与路由配置。系统把包发到wg0,并不保证wg0能将目标匹配到正确对端。尤其不要为多个服务端Peer复制相同网段来“扩大权限”。

访问隧道对端本机,与经该对端转发到第三台服务器,是不同测试。后者要检查IP转发、转发链与目标回程路由。家庭网段与公司网段重叠时,流量可能留在本地网络;应重新规划或设计明确转换方案,不能只调整客户端连接顺序。

第三层:IP能通而域名失败,查DNS链路

DNS把域名转换成地址。按systemd官方resolvectl手册,先用resolvectl status查看当前解析器与各链路的DNS设置,再用resolvectl query example.com验证系统解析。命令适用于使用systemd-resolved的Linux,其他客户端应使用其对应工具,不要假设所有系统都由同一服务管理DNS。

需要检查三个问题:查询发给谁;解析器能否经当前路由到达;结果是否属于预期环境。内部域名常需要内部DNS,公共解析器返回不存在并非VPN密钥故障。反过来,内网DNS并不一定能解析全部公网域名,分域解析比简单覆盖全局设置更合适。

浏览器可能使用自己的加密DNS,与系统命令得到不同结果。改配置前应确认应用实际采用哪一个解析路径,再检查缓存和分域规则。测试HTTPS时不要只在地址栏输入IP,那样可能触发证书名称不匹配;应保留真实域名并使用受控的解析验证方法。

第四层:把IPv4和IPv6分别验收

同一个域名可能同时返回A和AAAA记录,客户端也可能优先尝试IPv6。只为IPv4配置VPN,并不代表IPv6获得了相同路径:它可能直接走本地网络,也可能因本地IPv6不可用而等待超时。因此“出口IPv4已经改变”不能作为完整的全隧道验收。

检查ip -6 route,再分别使用curl -4与curl -6测试自己获授权的HTTPS目标。强制地址族是定位工具,不是长期掩盖问题的办法;目标本来不支持某个地址族时,相应失败属于预期结果。

若需求包含IPv6,应同时规划地址、路由、转发与防火墙策略;若产品明确只承载IPv4,就把范围写清楚,并通过受控的客户端策略防止与需求冲突的直接路径。不要随手全局禁用IPv6,因为同机其他服务和容器网络也可能依赖它。

第五层:小包正常、大响应停住,怀疑路径MTU

MTU描述一条链路可承载的数据包大小。隧道增加封装开销,沿途链路的可用值也可能不同;路径MTU发现用于发现这些限制。相关控制报文受阻或路径变化时,短小探测可能成功,较大的TLS响应、上传或文件传输却持续重试。

使用ip link show dev wg0查看接口设置,可用tracepath 10.77.0.1辅助观察已授权路径;工具输出受对方与中间设备响应影响,并不能替代业务实测。IPv4下可在受控环境用不同长度的ping -M do -s 1200 10.77.0.1辅助比较,长度参数不是最终接口MTU。

若证据指向包大小,记录原值后小范围调整并重复大小响应测试,同时检查必要的ICMP策略。不要将“统一改成某个更小数字”当成所有网络的最佳答案,也不要只看一次ping恢复就宣布解决;需要验证吞吐、稳定性和重启后的配置。

两个故障复盘:把现象与证据连起来

案例一:后台能开,订单管理域名超时

内部后台IP可达,wg握手与收发正常,唯独内部域名解析失败。检查发现新客户端沿用了酒店分配的公共解析器,而目标只存在于公司DNS。解决的是内部域名的解析路径与DNS可达性,验证时同时检查后台域名和普通公网域名;重建VPN密钥不会让公共DNS知道内部记录。

案例二:登录成功,导出报表一直卡住

同一账号的小JSON请求正常,大报表在传输开始后反复等待。先排除应用日志中的权限和超时错误,再比较不同响应大小,发现与数据包大小相关。定位到路径MTU后,修正隧道MTU及相关控制报文策略,最后验证完整导出与大文件上传。这里调整超时时间只会让用户等待更久,不能消除链路根因。

这些是用于教学的典型情境,不是稳付pay对具体用户事故的记录。真实环境应以抓取到的状态和应用日志作判断,不能仅因症状相似就复制处理结果。

把排障结果变成可交接的运维记录

检查对象记录内容合格证据
隧道接口、对端、密钥版本标识产生流量后握手与计数变化
网络去程和回程、IPv4与IPv6范围获授权目标按预期路径访问
应用DNS、证书、状态码与请求大小真实业务操作完成
恢复持久化配置与变更时间重启和回滚演练通过
  • 保留变更前配置、原MTU和防火墙规则摘要,明确回滚方法。
  • 分别测试内部目标、需要的公网目标及DNS,不把ping当作全部验收。
  • 记录异常比例与恢复耗时,并设置适合业务的告警阈值。
  • 按设备维护独立凭据,退役设备及时撤权,工单不粘贴私钥。
  • 验证重启后的状态,避免把临时修复留成下一次故障。

网络稳定以后,支付通知仍应独立验证签名、订单号、金额和幂等处理。重试不能无节制放大请求,网络超时也不能直接当作付款失败;业务系统需要有可查询、可补偿的订单状态流程。

参考资料与技术文档

以下官方资料用于核对协议及实现原理。文中代码与场景用于技术解释,具体环境和正式接入协议应分别验证。

  1. Ubuntu:Troubleshooting WireGuard VPN
  2. WireGuard官方wg手册
  3. systemd:resolvectl手册
  4. Linux ip-link手册
  5. iputils:tracepath手册
  6. iputils:ping手册
  7. curl官方命令行手册

继续完善你的站点

从网络、订单到资金通知,按业务场景确认每一步。支付接入与USDT监控需求,可通过联系页面沟通。

联系稳付pay ↗