第三方光模块引发的真实事故:I2C 响应慢导致线卡崩溃,以及一个 DDM 运行时间溢出的 bug

在 NANOG 一场关于厂商锁定的讨论中,一位运维人员讲了两起具体故障。第一起:一个第三方光模块响应 I2C 读取太慢;交换机厂商的轮询代码没有处理这个超时,导致线卡的控制面崩溃,而厂商拒绝把它当作 bug 处理,理由是用他们自家的光模块不会出现这种情况。第二起:一个第三方 SFP 存在固件缺陷,运行时间计数器在达到 2^31 百分之一秒后,覆盖了 DDM 的温度字段,导致大量设备同时出现链路翻动,批量重启之后还可能造成同时中断的风险。

• 硬件: 运营商路由器/交换机(厂商未具名)
• 收发器: 带 DDM 的第三方 SFP
• 封装形式: SFP

症状/报错信息:

linecard control-plane crash on I2C timeout
DDM temperature field corrupted by uptime overflow
fleet-wide link flapping