400G/800G 链路误码怎么排查：FEC、BER 与物理层证据

400G/800G 链路显示 Up 仍可能持续累积可纠正错误，并在负载、温度或时间变化后出现丢包、重传和 flap。排查不能只看当前端口状态，应同时保存 FEC、BER 相关计数、模块或线缆信息、光功率、温度和两端配置。

先建立故障时间线，再一次只更换一个变量。同时替换模块、线缆、端口和固件虽然可能让链路恢复，却无法知道根因，也无法判断同批次物料是否存在风险。

先确认两端配置完全一致

记录两端设备型号、端口号、协议、速率、通道、FEC、分拆模式、网络操作系统和固件。端口自动协商或默认 FEC 不一致，可能造成间歇问题。

分拆链路逐分支核对，不能只看物理主端。相邻端口组配置变化也要纳入时间线。

读取计数的变化速度

清零前保存原始计数和运行时间，再在空闲、单流和持续负载下观察增长。绝对数值没有时间和流量背景，难以比较。

区分可纠正与不可纠正错误、链路重训练和 flap。阈值与解释按具体设备文档，不能跨代际套用同一数值。

按最小替换单元定位

独立光模块链路可以依次清洁端面、交换光纤、交换模块和交换端口；DAC/AOC 通常以整根组件替换。每一步保留相同负载和观察时间。

故障跟随物料移动时，检查 OPN、批次和保存环境；故障留在端口时，继续检查笼口、设备温度、固件与硬件。

温度和弯曲条件不能忽略

记录模块、交换机进风和环境温度，检查风道、相邻端口热密度与笼口接触。高温时误码增长可能只在白天或满载出现。

检查光纤端面、弯曲半径、拉力和理线。链路短暂恢复不代表受到挤压的线缆已经可靠。

恢复后执行长稳回归

修复后在目标速率、代表性温度和并发下持续运行，观察 FEC、BER、丢包、重传和业务。只复测几分钟容易遗漏热稳定问题。

工单记录两端配置、原始计数、替换步骤、物料 OPN、批次和最终结果。相同故障再次出现时可以快速判断是否为系统性问题。

使用同类正常链路做对照

选择同设备、同端口速率、同介质和相近长度的正常链路，在相同负载与时间窗比较错误和温度。对照可以帮助区分设备普遍计数特征与单链路异常。

若一组相邻端口或同批次模块同时偏高，应扩大到风道、端口组、固件和批次调查，不把问题拆成多个互不关联的单件工单。

排查期间保留原始数据导出，不只保留整理后的结论。厂商分析通常需要两端日志、计数变化和准确拓扑。