2. 故障排查基础：故障分类与等级、故障排查流程、常用排查工具介绍

各位好，欢迎来到第二节。上一节我们聊了基站的整体架构，今天咱们进入正题——故障排查。说实话，我刚入行那会儿，最怕的就是半夜被电话叫醒，说基站挂了。后来干得多了，发现其实故障就那么几类，流程也就那么几步。你掌握了规律，心里就有底了。

2.1 故障分类与等级

基站故障，说白了就是设备不干活了，或者干得不好。我习惯把它们分成三大类：

• 硬件故障：板卡坏了、电源模块烧了、天线馈线断了。这类故障最直观，也最好定位——灯不亮、告警明确。
• 软件故障：参数配置错误、软件版本bug、数据库异常。这类最头疼，因为表面上看设备都正常，但就是业务不通。
• 传输/链路故障：光纤断了、IP地址冲突、路由不通。基站和核心网之间断了，再好的设备也是摆设。

嗯，这里要注意，还有一种叫“环境故障”——比如机房漏水、温度过高、供电不稳。我在项目里遇到过好几次，夏天机房空调坏了，设备直接过热重启，查了半天才发现是温度问题。

故障等级怎么分？每个运营商可能略有不同，但大体上遵循这个原则：

等级	定义	响应要求	举例
一级（紧急）	全网或大面积业务中断	15分钟内响应，4小时内恢复	核心网故障、传输干线中断
二级（严重）	局部区域业务中断	30分钟内响应，8小时内恢复	单个基站退服、板卡故障
三级（一般）	部分用户受影响，业务未中断	2小时内响应，24小时内处理	小区拥塞、个别用户无法接入
四级（提示）	不影响业务，但存在隐患	下一个维护周期处理	光功率偏低、风扇告警

我个人习惯是，不管几级故障，先看告警。告警就是设备的“求救信号”，你读懂了它，问题就解决了一半。

2.2 故障排查流程

很多新手上来就查日志、测信号，结果越查越乱。我建议你记住这个流程，它是我多年总结出来的：

1. 确认故障现象：用户报什么？是没信号、掉话、还是网速慢？别急着下结论，先问清楚。
2. 查看告警信息：登录网管系统，看当前告警和历史告警。告警级别、告警时间、告警对象，这些信息能帮你快速缩小范围。
3. 初步判断故障类型：是硬件、软件还是传输？根据告警和现象，心里先有个大概方向。
4. 定位故障点：用工具进一步排查。比如ping测试看传输通不通，查日志看软件有没有报错，看指示灯判断硬件状态。
5. 制定恢复方案：是重启、换板卡、还是改配置？方案要快，但也要稳。我曾经为了图快，直接重启了基站，结果配置没保存，反而更麻烦了。
6. 实施恢复并验证：操作完成后，一定要验证业务是否恢复。别以为灯亮了就完事了，打几个电话、测一下速率，确认没问题再收工。
7. 记录与复盘：故障原因、处理过程、耗时、经验教训，都记下来。下次遇到类似问题，翻翻记录就能快速解决。

2.3 常用排查工具介绍

工具不在多，在于会用。我平时用得最多的就这几样：

2.3.1 网管系统（OMC）

这是基站的“总控制台”。你可以在上面看到所有基站的运行状态、告警信息、性能指标。我个人习惯是每天早上先扫一遍OMC，看看有没有夜间产生的告警。很多问题其实在凌晨就出现了，只是没人报而已。

2.3.2 命令行工具（CLI）

有些设备厂商的基站支持SSH登录，直接敲命令查状态。比如：

# 查看基站运行状态
show system status

# 查看当前告警
show alarm active

# 查看小区状态
show cell status

CLI的好处是快，不用等网管页面加载。但要注意，不同厂商的命令不一样，别记混了。

2.3.3 日志分析工具

日志是故障排查的“黑匣子”。基站会记录所有操作和异常事件。我常用的日志查看命令：

# 查看系统日志
tail -f /var/log/syslog

# 查看基站操作日志
cat /var/log/bs_log/operation.log | grep "error"

嗯，这里要注意，日志文件可能很大，别直接打开，用grep过滤关键词效率更高。

2.3.4 网络测试工具

排查传输问题必备：

• ping：测试基站到核心网的连通性。ping不通，先查光纤和IP配置。
• traceroute：看数据包走了哪条路径，有没有跳数异常。
• iperf：测带宽和时延，判断传输链路质量。

2.3.5 频谱分析仪

排查无线干扰时用。比如某个小区用户投诉网速慢，用频谱仪一扫，发现旁边有个私装信号放大器在干扰。这种问题，光看日志是看不出来的。

好了，这一节的内容就这些。故障分类让你知道“是什么”，排查流程让你知道“怎么做”，工具让你知道“用什么”。下一节我们开始实战，我会拿一个真实的故障案例，带你一步步走完排查过程。到时候你就知道，这些理论到底怎么用了。