在广阔而互联的互联网环境中，路由协议在高效引导网络间流量方面发挥着关键作用。当这些协议出现故障时，会产生具有重大运行影响的异常现象。”BGP僵尸路由”便是其中一例，它持续影响着互联网路由，给全球网络运营商带来困扰。作为专注于IPv4地址管理和网络资源优化的InterLIR团队，理解这些路由异常对帮助客户维持稳定高效的网络运营至关重要。
作为日常与IP资源和网络基础设施管理组织打交道的人员，我亲眼目睹了路由不稳定对业务运营的影响。BGP僵尸路由代表了现代互联网路由中更为隐蔽的挑战——这些路由无法正常消亡，产生的连锁效应可能破坏互联网大范围的连通性并导致性能下降。
边界网关协议（BGP）是互联网路由的基础，本质上充当互联网的GPS系统。它使自治系统（AS）能够交换路由信息并确定流量传输的最优路径。对于通过InterLIR等市场获取IPv4地址块的组织而言，正确的BGP配置和管理对于确保这些资源在全球路由基础设施中有效运行至关重要。
BGP僵尸路由是指在应该被撤销后仍然存在于互联网无默认区域（DFZ）中的路由。当撤销消息未能完全在网络中传播时，这些路由就会变成“僵尸”，导致数据包被错误路由或陷入循环。其后果从轻微的效率低落到影响互联网大部分用户体验的重大中断不等。对于依赖持续网络可用性的企业——这是InterLIR解决的核心问题——这些路由异常会直接转化为收入损失和客户不满。
了解BGP僵尸路由的根本原因有助于网络运营商实施预防措施，并在问题出现时有效应对：
🐛 路由器软件缺陷 – 路由软件的实现缺陷可能导致撤销消息无法被正确处理。即使是主流路由器厂商，偶尔也会发布存在BGP处理漏洞的固件，从而助长僵尸路由的形成。
🐢 路由处理延迟 – 老旧或过载的硬件可能处理BGP更新的速度较慢。随着路由表持续增长（尤其在IPv4空间出现显著碎片化的情况下），处理需求也相应增加。
⚙️ 配置参数 – 某些BGP配置可能无意间延长收敛时间。激进的路由抑制、定时器配置错误或过于复杂的路由策略，都会导致僵尸路由持续存在。
🌐 网络复杂性 – 具有大量对等节点的高度互联网络会增加出现僵尸路由的概率。采用广泛对等互联架构的组织更容易遭遇这种现象。
从InterLIR的视角来看，帮助客户理解这些技术因素是确保其有效管理所获取IPv4资源的重要环节。我们致力于解决网络可用性问题，这些问题往往源于BGP僵尸路由等路由不稳定现象，而非简单的地址耗尽。
要理解BGP僵尸路由，首先需要掌握路径追踪的概念。当BGP路由器发现原有路由消失后搜索最佳路径时，就会发生路径追踪。该过程遵循基于最长前缀匹配（LPM）的特定规则，同时考量AS路径长度和本地优先级等BGP属性。
当更具体的前缀（例如IPv4地址空间中的/24）被撤销时，路由器必须回退到较不具体的路由（如/22或/20）以维持连通性。在这个路由器搜寻替代路径的过渡期内，就形成了僵尸路由滋生的条件。对于管理多个具有不同具体性层级的IPv4地址块的组织（这是我们客户的常见场景），理解这一机制尤为重要。
考虑这个简化场景：某网络宣告了两个前缀——192.0.2.0/22（更不具体）和192.0.2.0/24（更具体）。根据最长前缀匹配规则，初始时所有去往/24范围内地址的流量都会遵循更具体的路由。当网络撤销/24宣告后，所有路由器最终都应收敛至使用/22路由来传输该流量。
然而BGP收敛并非瞬时完成。某些路由器处理撤销的速度快于其他路由器，从而形成临时状态：
🔄 部分路由器已完成路由表更新，正在使用/22路由
🧟♂️ 其他路由器仍认为/24路由存在并试图使用它
🔄 流量在尝试寻找已不存在的路径时被反复重定向
⚠️ 数据包可能无限循环、经历过高延迟或完全丢失
这种不一致性会导致路由循环、过高延迟甚至丢包，直至所有路由器收敛到新的路由状态。根据我在InterLIR与客户合作的经验，这类收敛延迟常令网络运维人员措手不及，特别是当他们首次实施IP地址宣告变更时。
最小路由通告间隔（MRAI）是导致僵尸路由问题的重要因素。该机制在RFC4271中定义，通过人为延迟（通常对eBGP更新设置为30秒）来限制路由器连续发送BGP通告的速度。虽然这种设计能有效防止BGP消息风暴和潜在的路由振荡，但同时也会延长路径搜索时间，使得僵尸路由可能持续更久。
这种设计折衷凸显了BGP面临的核心矛盾：在快速收敛与路由稳定性之间取得平衡。30秒的MRAI定时器在互联网规模较小、动态性较低的年代是合理的，但随着网络拓扑日趋复杂和互联程度加深，这一延迟在关键路由变更期间可能造成显著影响。
Cloudflare研究人员通过受控实验和现网观测，已识别出多种具有不同特征和行为的BGP僵尸路由变体。理解这些变体有助于网络运维人员更有效地诊断和解决僵尸路由相关问题。
该僵尸路由变体出现在上游互联网服务提供商（ISP）之间。当某家运营商网络中的一台路由器处理路由撤销消息的速度慢于其他设备时，路由可能陷入僵持状态，从而在运营商之间形成环路。这些环路会导致数据包在多个网络间反复弹跳，始终无法到达目的地。
例如，Cloudflare在撤销一个测试前缀后观察到两家上游合作伙伴之间出现路由环路，数据包在运营商网络间持续弹跳约六分钟才完成收敛——这个时间远超大多数运营商对常规BGP收敛的预期。对于依赖稳定连接的企业而言，六分钟的路由不稳定可能意味着严重的服务中断。
这种变体尤其影响采用多宿主网络架构的组织——这是自管IPv4地址空间企业的常见配置。当我们在InterLIR协助客户建立首个自治系统时，会着重强调理解这些运营商间动态的重要性。
第二种变体完全发生在单一网络内部。当路由被撤销时，网络内每台设备都需要独立处理撤销操作。若某台路由器响应滞后，就会在组织内部基础设施中形成路由环路，导致数据包在多个路由器间无限循环。
这些内部循环会持续存在，直至网络中所有设备对路由表的认知达成一致。虽然通常比运营商间的僵尸路由持续时间更短，但内部僵尸路由尤其令人困扰，因为它们发生在运营商直接控制且预期行为可预测的基础设施内部。
值得注意的是，研究表明BGP僵尸路由在不同IP协议中表现出差异化行为，这对网络规划与运维具有重大影响：
| 协议 | 典型存活时长 | 观测到的最严重影响 | 路由表规模因素 |
|---|---|---|---|
| IPv4 | 6-11+分钟 | 大型网络中超过10分钟 | 全球约95万+前缀 |
| IPv6 | 2-4分钟 | 一级网络达4分钟 | 全球约18万+前缀 |
这种差异可能源于全球路由表中IPv4前缀数量远超IPv6。由于需要处理更多路由，BGP发言者在IPv4空间撤销路由后可能需要更长时间收敛。这一发现对我们InterLIR的工作尤为重要——我们专注于IPv4地址市场。更大的IPv4路由表及更长的收敛时间意味着，管理IPv4资源的组织面临更大的僵尸路由中断风险。
研究还揭示了网络互联层级如何影响僵尸路由的持续性。拥有数千个全球对等连接的高度互联网络在撤销路由时会表现出更长的僵尸存活期。而连接较少的网络撤销路由时收敛速度更快——尽管这些”更快的”时间（约20秒）仍可能造成重大运营影响。
这一发现产生了一个有趣的悖论：通过广泛对等实现的高度互联和弹性网络，反而可能更容易遭遇长时间的BGP僵尸事件。扩展网络覆盖范围的组织需要在对等连接优势与增加的收敛复杂性之间取得平衡。
基于撤销更具体前缀会导致僵尸存活时间更长的研究发现，可采用几种实践方法来降低其影响。在InterLIR，我们与客户合作将这些策略实施为全面网络可用性解决方案的一部分。
1️⃣ 优雅的流量转发 – 实施BGP转发改进，即使路由错误指向某个网络时也能更优雅地撤销流量。这可能包括在路由撤销后暂时保持转发状态，以允许滞后者完成收敛。
2️⃣ 隧道连接 – 即使在公共路由受损时，仍能通过隧道连接或私有网络互联保持流量传输能力。GRE隧道、MPLS或SD-WAN覆盖网络可在BGP不稳定期间提供备用路径。
3️⃣ BGP团体功能 – 利用no-export等BGP团体属性在路由撤销场景中控制路由传播。正确的团体标记可实现更精细的控制，管理路由在互联网上的传播和撤销方式。
4️⃣ 路由监控与告警 – 部署实时监控系统，检测异常路由行为并在潜在僵尸网络情况造成广泛影响前向运维人员发出警报。
对于需要从按需BGP前缀引流流量但避免引入路由环路或黑洞事件的组织场景，研究表明可采用以下方法：
1️⃣ 初始前缀通告 – 组织已通过供应商网络或传输连接通告示例前缀（例如198.18.0.0/24）
2️⃣ 引入等长前缀通告 – 组织开始从其自有网络向目标ISP原生通告等长前缀，创建冗余路径可用性
3️⃣ 验证阶段 – 通过多个观测点监控路由表，确认新通告已全局传播并被主要传输供应商接受
4️⃣ 稳定后撤销 – 经过足够时间（通常预留5-10分钟传播时间）后，从原始供应商网络发起撤销信号
5️⃣ 撤销后监控 – 在撤销操作完成后持续监控僵尸路由和收敛问题至少15-20分钟
这种方法避免了过度的路径搜寻，因为路由器无需主动查找缺失的更具体前缀；它们可以立即回退到路由表中已存在的等长通告。在为InterLIR客户提供IP地址管理策略建议时，我们强调此类谨慎、有条理的路由变更方法。
BGP僵尸网络对互联网路由基础设施构成重大挑战，尤其随着网络互联程度加深和流量持续增长。我们的研究成果对网络运营商、内容分发网络乃至整个互联网生态具有广泛影响——这些影响直接关系到InterLIR处理网络可用性问题的思路。
基于当前研究和运营经验，网络运营商应考虑以下实践：
🔍 监控与检测 – 部署监控系统以检测网络中的滞留路由和BGP僵尸节点。BGPmon、RIPE RIS或RouteViews等工具可提供多视角的路由行为可视化。
⚙️ MRAI调优 – 根据网络规模和连接模式调整MRAI计时器。默认30秒设定适用于多数场景，但某些网络可能需采用更激进或保守的配置。
🔄 路由传播设计 – 尽可能设计能最小化路径搜索的宣告/撤销策略。避免不必要的前缀分片，保持宣告策略的一致性。
🧪 测试流程 – 建立测试框架以在部署前识别易产生僵尸路由的配置。实验室环境或隔离测试网络可在影响生产流量前暴露潜在问题。
📚 文档与操作手册 – 编写详细的路由变更流程，包括回滚方案和预期收敛时间。清晰的文档可帮助运维团队在事件发生时有效响应。
研究结果表明业界需要就BGP最佳实践和潜在协议改进展开更广泛的协作。标准化工作可能涉及以下领域：
📋 撤销程序 – 标准化优雅路由撤销方法，最大限度减少僵尸路由形成并降低收敛时间
🛡️ 僵尸防护机制 – 防止或快速识别僵尸路由的协议扩展，可能包含显式撤销确认机制
📊 测量标准 – 量化BGP收敛性能的通用指标与方法论，实现跨网络和设备厂商的更好比较
🔧 厂商实施指南 – 为路由器厂商如何实现BGP更新处理提供更清晰规范，减少易产生僵尸路由的行为
在InterLIR，我们密切关注这些行业动态，因为它们直接影响组织如何有效利用通过我们市场获取的IPv4资源。网络可用性不仅关乎拥有地址——更在于确保这些地址在全球路由基础设施中可靠运行。
对于获取IPv4地址块的组织——无论是通过InterLIR等转移市场还是其他方式——理解BGP僵尸路由对资源部署和管理具有实际影响：
已宣告前缀的大小和具体性直接影响僵尸路由的易感性。组织应考虑：
📏 最小宣告规模 – 虽然IPv4中普遍接受的最小前缀规模为/24，但在可能时宣告更大地址块可减少路由表碎片化，并可能改善收敛行为
🎯 具体宣告与聚合宣告 – 需谨慎评估流量工程需求是否真正需要更具体的宣告，因为这类宣告在变更时会产生更高的僵尸路由风险
🔀 解聚合策略 – 若必须进行解聚合，应在充分理解收敛影响并配备适当监控的前提下实施
针对不同网络互连层级中僵尸路由持续时间的研究表明，供应商选择至关重要：
🌐 传输供应商评估 – 选择上游供应商时，除了带宽和价格，还需评估其BGP实现质量与收敛性能
🤝 对等互联关系 – 广泛建立对等互联虽能提升冗余性与性能，但需注意路由变更时可能延长收敛时间
📡 多宿主部署考量 – 多宿主配置可增强弹性，但路由变更时需谨慎协调以避免形成僵尸路由
BGP僵尸网络展现了网络协议设计、分布式系统行为与运维挑战之间令人着迷的交集。 这些僵尸路由表明，即使路由状态传播中存在微小的不一致，也可能对互联网流量产生重大的实际影响。 对于管理IP资源的组织——尤其是在路由环境日益碎片化的IPv4地址场景中——理解和消除BGP僵尸网络对于维持可靠的网络运营至关重要。
在InterLIR工作期间，我亲眼目睹路由不稳定如何破坏最精心规划的网络部署。 我们解决网络可用性问题的使命不仅限于促进IPv4地址转移，还包括帮助客户理解在全球互联网基础设施中有效运营这些资源的技术复杂性。 BGP僵尸网络典型地体现了那种需要技术知识和运维纪律共同应对的微妙却影响深远的挑战。
该研究结果为理解BGP僵尸网络的形成、行为及缓解策略提供了宝贵见解。 通过理解路径追踪过程并实施适当的撤回策略——例如多步引流流程和内部转发改进——网络运营商可以降低僵尸网络爆发的概率和影响。 IPv4与IPv6僵尸行为的差异（其中IPv4显示出明显更长的收敛时间），突显了管理这种仍在主导互联网流量的传统协议所面临的持续挑战。
随着互联网的复杂性和互联性持续增长，解决BGP僵尸现象对于维护稳定可靠的全球网络将变得越来越重要。 从优雅的转发机制到谨慎的宣告规划，这些概述的实用缓解策略代表了组织当下即可实施的可操作步骤。 然而，要从根本上解决导致僵尸网络形成的架构性因素，长期解决方案需要持续的研究、协议改进和行业协作。
对于网络运营商而言，关键要点很明确：路由变更需要周密规划、有序执行和全面监控。 不考虑收敛行为而简单宣告或撤销前缀的时代已经过去。 现代网络运维需要更复杂的方法，以应对BGP收敛的分布式异步特性以及僵尸路由可能对流量造成的干扰。
与BGP僵尸路由的斗争仍是一场持续的战斗——这需要保持警惕、技术创新以及互联网运营社区的协同努力。 在InterLIR，我们致力于帮助客户应对这些挑战，确保他们获取的IPv4资源能够提供其业务所需的网络可用性和可靠性。
Vladislava Shadrina
Customer Account Manager
Understanding the Role and Responsibilities of a Sponso […]
