博客
关于我
VRRP,你可了解
阅读量:527 次
发布时间:2019-03-08

本文共 1508 字,大约阅读时间需要 5 分钟。

VRRP协议说明

VRRP概述

Virtual Router Redundancy Protocol(VRPR)即虚拟路由器冗余协议,是一种网络冗余协议。

在一个VRRP组内,多个路由器协同工作,但仅有一个处于Master状态,其负责转发所有的数据包。在一个VRRP组内,所有路由器接口共用一个虚拟IP地址,这个地址被设置为局域网内所有主机的缺省网关地址。

Master路由器负责接收和转发数据包,并响应ARP请求。当Master路由器发生故障时,Backup路由器接替其工作,确保业务流量的平滑切换。

VRRP术语

  • VRRP路由器

    运行VRRP协议的路由器,其接口可以同时参与多个VRRP组,在不同组中处于不同角色。

  • VRRP组

    由多个VRRP路由器组成,使用相同VRID进行标识。同一组内仅有一个Master路由器,其余为Backup路由器。

  • 虚拟路由器

    每个VRRP组对应一个虚拟路由器,对用户而言,其IP地址即为网关地址,具体由谁转发由VRRP管理。

  • 虚拟IP地址和MAC地址

    虚拟IP地址是用户缺省网关地址,MAC地址格式为00-00-5E-00-01-{VRID}。

  • Master和Backup路由器

    • Master:负责转发数据包,响应ARP请求,发送VRRP心跳报文。
    • Backup:始终处于监听状态,Master故障时接替工作。

VRRP状态机

VRRP状态机具有三种状态:Initialize、Master、Backup。初态为Initialize,通过比较优先级产生Master和Backup。当Backup未收到心跳报文1秒时切换为Master状态。

Master/Backup路由器功能

  • Master

    • 定时发送VRRP通告报文,告知Backup状况。
    • 反应虚拟IP的ARP请求,转发目标MAC地址为虚拟MAC的IP报文。
    • 若接口IP地址小于对端且优先级高,主动成为Master。
  • Backup

    • 接收Master的VRRP报文,判断Master存活状态。
    • 不响应虚拟IP的ARP请求,丢弃目标为虚拟IP的数据包。
    • 收到优先级高于或等于自身的报文后,重置定时器,重新评估状态。

VRRP作用

  • 提供网络设备的备份功能,确保网络故障时的平滑切换。
  • 增加了虚拟路由器,用户无需关注物理路由器,仅需与虚拟路由器通信。
  • Master定期发送VRRP报文,通过组播地址224.0.0.18传输,协议号为112,TTL为255。

VRRP配置示例

R1

VLAN 10接口配置:  ip address 192.168.10.11/24  vrrp vrid 1 virtual-ip 192.168.10.1  vrrp vrid 1 priority 120  vrrp vrid 1 track interface G0/0/1 reduce 30  vrrp vrid 1 track interface G0/0/2

R2

VLAN 10接口配置:  ip address 192.168.10.10/24  vrrp vrid 1 virtual-ip 192.168.10.1  vrrp vrid 1 priority 115

验证命令

R2: dis vrrp  PC: tracert 10.0.0.1

注意事项

  • 建议 backbone 设备配置 preempt-mode timer delay 6以防频繁切换。
  • 使用 vrrp vrid 1 timer advertise 3 可以避免Master和Backup频繁抢占。

通过上述配置和理解,VRRP能够有效保障网络的连续性和可靠性。

转载地址:http://dkziz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
查看>>
OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
查看>>