DMIT网络事故报告：LAX&HKG（补偿流量重置）

DMIT 网络事故报告：LAX & HKG
除非出现需要更新的重大事件，这是最后一次更新。

以下是本次网络不稳定事件的综合技术复盘（postmortem）。

**总结LAX（CN2 GIA）：IPv4 已恢复并做了临时缓解；根因是 前缀上限被错设为 300（应为 1k） 导致 BGP 被自动 idle，且 LACP 聚合被错当成单 10G 造成切换后拥塞丢包；最终修正要等中国“网络冻结”结束（12/15）后 CTG 才能改。

**HKG：遭遇新型“地毯式轰炸”DDoS，当前 99.9% 流量已成功过滤，攻击仍在（约 10Mpps），清洗设备修复进行中并持续监控。

补偿：今天所有服务流量重置一次，并在 2026/5 前再额外给一次免费的流量重置机会（之后通过网站功能提供）。****

🇺🇸 LAX CN2 GIA 事件

**当前状态：**所有即时缓解措施已部署完成。由于中国范围的“网络冻结（Network Freeze）”（将于 12 月 15 日结束），CTG 的最终修正仍在等待中。

1. 根因：前缀限制（Prefix Limit）超出

**配置不一致：**DMIT 下单要求前缀上限为 1k，但供应商（CTG）仍保持默认值 300。该参数在服务交付后无法通过测试验证，因此我们信任了对方配置已按要求完成。

**触发因素：**两位客户增加了路由宣告数量，同时多条 DDoS 的 RTBH（远端黑洞）路由被推送，使前缀数超过 300。

**结果：**当超过限制后，AS4809（CN2）立即将 BGP 会话置为 idle（自动停用/断开会话）。

2. 为什么故障切换（failover）会导致丢包？

**设计说明：**备份会话（CoreSite）按设计保持 UP（同时会过滤 DDoS 路由以节省前缀空间）。

关键故障：运营商的 LACP 配置错误。
CTG 将我们的链路聚合（link aggregation）配置成了单接口容量，忽略了我们有多条物理 10G 连接。

**影响：**当流量切换到 CoreSite 时，流量超过了“逻辑上的 10G 上限”，因此出现严重拥塞与丢包，尽管物理层实际上仍有可用带宽。

3. 为什么恢复时间这么长？

**管理限制：**由于“网络冻结”，路由器的 CLI 访问权限被暂停。

**审批原因：**CTA/CTG 需要从集团层面申请紧急访问批准。由于当时正值中国的非工作时间，获得该授权耗费了大量时间。

🇭🇰 HKG 事件

**当前状态：**99.9% 的流量已成功被过滤。当前处于主动监控状态，攻击仍在持续，规模约 10Mpps。

1. 根因：“地毯式轰炸（Carpet Bombing）”

**攻击类型：**一次大规模的 Carpet Bombing 攻击针对了 3 个特定子网。

**攻击向量：**混合流量，包括 TCP-SYN、TCP-ACK（Zero/Empty）、SYN-ACK、TCP Null、FIN、RST。

2. 为什么初期清洗/缓解失败？

**泄漏点：**绕行（detour）规则配置错误叠加硬件故障，导致流量绕过本地清洗设备。恶意流量通过骨干网（LAX IP Transit）直接进入。

**“误导线索（Red Herring）”：**我们最初把重点放在优化规则上，没有意识到清洗设备本身存在硬件/软件故障。这误导了诊断方向并延迟了修复。

3. 资源争用

LAX 同时发生的关键故障需要持续协调，分散了工程资源，导致 HKG 的排查不可避免地被放慢。

🛡️ 未来预防与承诺

**更严格的审计：**我们将增加一道人工审核流程，逐项检查供应商订单中的每个文本字段，确保交付配置（例如前缀限制、LACP 速率）与我们的要求完全一致。

**现实情况：**DDoS 向量变化很快。虽然我们无法保证零事故，但 DMIT 承诺会动用一切资源，在合理成本下保持稳定并保护你的业务。

赔付/补偿（Reimbursement）

无论地点或网络档位如何，所有服务将在今天进行流量重置（traffic reset）；并且在 2026 年 5 月之前，所有服务都会额外获得一次免费的流量重置机会（将来会通过网站功能提供）。