随着互联网的持续可用性变得日益关键，不仅对终端用户至关重要，对于需要满足服务水平协议（SLA）的服务提供商来说也是如此。然而，影响终端用户连接的中断现象却十分普遍，无论是意外光纤切割、自然灾害、网络攻击，还是政府出于政治原因有意关闭互联网。这类大规模的中断相对容易检测，通常会在各种新闻网站和社交媒体上得到报道。而检测局部、小规模、更分散的中断（如由局部停电导致的小范围中断）则更为困难。这些中断在研究互联网的控制平面（网络间交换的路由信息）时通常是不明显的。因此，检测这些可能较小的事件就像在 haystack 中找针一样：只有通过广泛的时间和拓扑范围测量才能找到它们。在2018年IMC会议上发表的新论文《提升互联网边缘中断检测的艺术》（Advancing the Art of Internet Edge Outage Detection）中，我与麻省理工学院、马里兰大学、Akamai的同事们提出了一种新的被动检测互联网边缘中断的方法：通过利用主要内容分发网络（CDN）的访问日志，并跟踪终端用户访问模式中的异常。
大规模 CDN 日志分析
在我们的研究中，我们分析了来自一个拥有超过200,000台服务器、遍布130个国家、1,700个网络的CDN的日志。这些服务器每天处理来自全球用户的数万亿个请求。我们收集的研究日志包含了来自单个IPv4 /24地址块的每小时请求计数。有趣的是，对于许多地址块，我们在长时间内每小时都看到了对CDN的请求——24/7的活动。下面的图1显示了这样一个例子，在这个月内，我们每小时看到的活跃IPv4地址数从未少于130个。
用户行为与设备更新
在检查了一些请求后，我们发现——除了大量由用户触发的对内容（例如，网页和视频内容）的请求外——还有相当数量的请求并非由人类触发。虽然一开始令人惊讶，但这可以通过我们家中日益增多的始终在线设备来解释：智能手机或智能电视应用和小部件定期更新信息（如天气、股市、日历），以及各种软件安装频繁发出更新请求。因此，连接到WiFi的设备数量会导致CDN日志中的稳定请求模式。
异常检测与中断识别
通过分析这些访问日志，我们能够识别出访问模式中的异常，这些异常可能表明网络中断。例如，如果某个/24地址块在一段时间内请求量显著下降，这可能表明该地区的网络出现了问题。这种方法的一个关键优势是它能够检测到那些在控制平面中不可见的局部中断。
结尾：对于运维和网络工程师来说，这种新的互联网边缘中断检测方法具有重要的实际意义。它提供了一种更有效、更经济的方式来识别和响应网络中断，从而确保服务的连续性和可靠性。通过利用CDN的访问日志，工程师们可以更快地发现和解决问题，减少因网络中断而导致的业务中断和服务中断。
原文: APNIC Blog（2018-11-26）｜编译自 APNIC Blog，事实以原文为准。
来源：APNIC Blog