AWS Direct Connect 故障演练实战：从容量监控到混沌工程

背景

Direct Connect 高可用方案部署后，如果不定期演练，备用链路的实际可用性处于"盲区"。常见问题：BFD 未生效、备用带宽不足、路由收敛异常——这些只有在主线路故障时才暴露。

本文梳理负载均衡和主备两种场景下的演练方法。

负载均衡场景：容量预留

多线同时承载流量。关注点不是切换，是剩余链路能否独立承担全部负载。

经验阈值：两条线各控制在 50% 以下，四条线各 25% 以下。

监控手段：CloudWatch ConnectionBpsEgress / ConnectionBpsIngress。

# 查看带宽统计
aws cloudwatch get-metric-statistics \
  --namespace AWS/DX \
  --metric-name ConnectionBpsEgress \
  --dimensions Name=ConnectionId,Value=dxcon-xxxxxxxx \
  --start-time 2026-04-20T00:00:00Z \
  --end-time 2026-04-23T00:00:00Z \
  --period 300 \
  --statistics Average Maximum

# 配置 50% 利用率告警（10G 线路）
aws cloudwatch put-metric-alarm \
  --alarm-name DX-Egress-Over-50pct \
  --namespace AWS/DX \
  --metric-name ConnectionBpsEgress \
  --dimensions Name=ConnectionId,Value=dxcon-xxxxxxxx \
  --statistic Average --period 300 \
  --evaluation-periods 3 --threshold 5000000000 \
  --comparison-operator GreaterThanThreshold \
  --alarm-actions arn:aws:sns:us-east-1:123456789012:dx-alerts

主备场景：三种演练方式

方式一：本地路由器 shutdown

关掉主专线子接口。直接、可控、回退简单。

验证维度：ping 丢包（BFD 正常 ≤ 3 个）、mtr 路径确认、业务指标。

方式二：AWS BGP Failover Test（推荐）

AWS 原生能力。不动物理链路，模拟 VIF 的 BGP 邻居中断。默认 180 分钟到期自动恢复。

aws directconnect start-bgp-failover-test \
  --virtual-interface-id dxvif-xxxxxxxx \
  --test-duration-in-minutes 30

优势：无破坏性、可审计、自动回退。

方式三：AWS Fault Injection Service

FIS 支持 aws:directconnect:bgp-failover-test 动作。

进阶价值：

• 编排为可复用实验模板
• CloudWatch Alarm 停止条件联动（业务过线自动止损）
• 多 VIF 多故障域同时演练
• 从手动演练升级为混沌工程实践

演练前准备

1. 确认 BFD 双端启用
2. 备用链路带宽 ≥ 主线路
3. VPN 备份的 tunnel 状态正常
4. CloudWatch Network Synthetic Monitor 就绪
5. 选低峰期，提前通知团队
6. 准备回退计划

总结

负载均衡靠容量预留。主备靠定期验证。建议季度演练，逐步引入 FIS 实现自动化。

高可用不是设计态的图纸，是运行态的周期性证明。

参考：AWS Direct Connect 故障演练实战指南
服务：AWS Direct Connect | Amazon CloudWatch | AWS Fault Injection Service