Edge switch storing legt deel AMS-IX plat

Storing kan gebeuren, niet netjes en moet uiteraard zoveel mogelijk worden voorkomen, maar dit is waarom je redundante verbindingen hebt. Wat ik me bij deze storing dan ook nog het meeste afvraag is hoe het kan dat veel intergebruikers veel websites niet meer konden bereiken?

Hebben de accessproviders te weinig capaciteit om de uitval van de AMS-IX niet op te kunnen vangen? Dat zou zeer zorgelijk zijn. Ik heb vrij veel klanten aan de telefoon gehad waarvan het internet het niet meer deed en ook op onze eigen ADSL verbinding hier waren sommige sites niet te bereiken, maar sommige wel.

Ik heb niet zo veel verstand van routing en BGP en dergelijke, maar volgens mij moeten dit soort dingen (bij voldoende capaciteit) automatisch worden omzeild. Of werkt dat niet zo makkelijk?

Het meest opvallende was dat verbindingen niet snel genoeg werden omgerouteerd naar andere lijnen. Vanuit ons oogpunt was bijvoorbeeld google.nl niet bereikbaar. We kwamen wel over de ams-ix op de eerst volgende google-router maar daarna was het stuk. Het leek wel alsof BGP bleef werken maar er geen verkeer uitgewisseld kon worden.
Een tweede theorie zou kunnen zijn dat de impact zoveel BGP veranderingen bij alle ISP's moest gebeuren dat daarom het veel langer duurde.
Toch heb ik het idee dat als Amsix niet gekozen had om over te gaan naar het backup-netwerk dat het probleem niet door BGP opgelost kon worden. 10 min. vind ik wel erg lang voor BGP.

Op het werk zag ik nauwelijks wijzigende routes tijdens de storing, ik vermoed dat het apparaat vooral pakketjes verloor, maar zeker niet alles waardoor BGP-sessies in de lucht bleven en daarom geen routes werder gewijzigd.

Het grote voordeel van de AMS-IX is dat je "settlement-free" peering kan doen. Dus iedere provider zal zoveel mogelijk via die route proberen af te handelen. Het overige verkeer gaat dan via directe peers ("free" of "paid") en via upstream transit providers.
Het probleem is dan vaak dat die upstream niet gedimensioneerd is om uitval van de peers op te vangen of de transit provider zelf is dusdanig overbelast dat ze het verkeer niet kunnen afhandelen. Hier komt de prijs/kwaliteit verhouding dus weer om de hoek kijken.

Het een kan niet zonder het ander en dus zal je als provider het midden moeten vinden van deze mogelijkheden.

Inderdaad Wilfried, maar het is opzich ook een logische economische keuze van de providers.

Immers, wat is erger, 1x een storing, met weinig financiele gevolgen, of je zeer dure transit capaciteit gelijk maken aan die van je peering capaciteit en 98% van het jaar daar amper wat van gebruiken.

Hoorde ergens ook iets vallen over verschillende sessies die gewoon online leken te zijn maar uiteindelijk niet bereikbaar bleken.

@ Peter,

Daarom werden de routes ook niet geupdate. Dit is mede de oorzaak dat bijvoorbeeld Google voor veel mensen onbereikbaar was (voorbeeld..)

Zelf bgplay (http://www.ris.ripe.net/bgplay/) geeft geen updates voor bijv. leaseweb rond de tijd van de storing. Leaseweb was 1 van de partijen volgens de ams-ix die affected was (en hoe..).
Dus ja, de theorie dat BGP bleef werken lijkt aardig te kloppen.

@igor

http://noc.leaseweb.com/alltraffic.png

Rond de 20gbit missen ze zo te zien, heftig :)