给业主做方案汇报时,有一个问题几乎必然出现:"这台网关坏了怎么办?"上一期我们讲了供电和防雷——那是让网关活得久;这一期讲另一件事:万一它还是坏了,网络怎么办。答案不是"网关很可靠不会坏",而是 LoRaWAN 架构里藏着一个常被低估的特性:加第二台网关,就是加冗余,而且终端什么都不用改。但"装两台"什么时候值、怎么装、装完网络行为有什么变化,值得算清楚再动手。

一、先把可用率的账摆到桌面上

谈冗余之前,先回答"单网关到底能有多可靠"。工程上用可用率(Availability)描述:

可用率 = MTBF ÷(MTBF + MTTR)

MTBF 是平均无故障时间,MTTR 是平均修复时间。这个公式里藏着一个容易被忽略的杠杆:MTTR 对可用率的影响和 MTBF 一样大。一台 MTBF 五年的网关,如果坏了要等三天备件加两小时上门,可用率照样难看;反过来,备件常备、十分钟换机的部署,即使设备一般,可用率也拿得出去。

换算成年停机时间更直观:可用率 99% 意味着一年停机约 87.6 小时(三天半多);99.9% 是 8.76 小时;99.99% 是约 53 分钟。别在报价单上随手写"四个九"——那是每年 53 分钟的水平,单机加快速响应都未必够,通常要靠冗余架构撑。

所以第一个判断不是"要不要装两台网关",而是:你的业务能容忍多长的停机。温湿度每 15 分钟报一次、停半天无所谓,单网关加备件库存就够了;消防联动、停机损失按小时计费的生产线、异地无人值守的站点,才进入"要冗余"的讨论范围。

二、LoRaWAN 的天赋:设备根本不知道网关存在

很多从 Zigbee、NB-IoT 过来的工程师会本能地问"切换怎么处理"。答案是:没有切换。LoRaWAN 是星型广播架构——终端发上行时不指定任何网关,覆盖范围内每一台网关都会收到同一个包,各自打时间戳、附上 RSSI/SNR 元数据,经各自的 IP 回传送到网络服务器。

接下来是网络服务器的三件事:

  1. 去重。同一个上行包被多台网关收到是正常现象而非事故。NS 按(DevAddr,FCnt)识别重复帧,只处理一次。所以覆盖重叠不会导致业务数据翻倍,用户侧完全无感
  2. 下行选路。需要下发时,NS 从最近上报过该设备上行的网关里选信号质量最好的那台,在其接收窗口内发出
  3. ADR 与 MAC 管理。数据速率、功率、重传策略都由 NS 集中调度

这带来的直接结论是:给网络加一台网关,覆盖、冗余、容量三项同时受益,且零终端改动。设备不保存"我的网关是谁"这种状态,坏一台网关,设备照常广播,活着的网关照常收——没有重连、没有重新入网、没有现场动作。这是 LoRaWAN 相对 mesh 网络在运维上最实在的优势。

三、先确认你在正确的层加冗余

"加网关"是冗余的其中一种,但不是唯一一层,更不总是对的层。一条完整的链路上有三个可以失效的点,对应三层冗余:

  • 电源层:上一期讲过——重要站点配小 UPS,或者断电自愈验证。这一层最便宜,先做
  • 回传层:GD6 系列的 Ethernet/Wi-Fi/4G 三级回传就是为这层设计的,主链路断了自动切。这一层的冗余解决"网关活着但数据出不去"的问题
  • 射频层:网关整机失效(硬件故障、雷击、进水)。只有这一层的失效才需要第二台网关

工程上最常见的错误是在错误的层砸钱:给回传配了三链路,结果整栋楼就一台网关,它一死全楼断网;或者反过来,装了三台网关做覆盖,却共用同一台交换机、同一个市电入口——底层单点没消掉,上层冗余是摆设。加第二台网关之前,先把电源和回传两层过一遍。

四、多网关之后,网络发生了什么变化

决定装第二台之前,先知道它会带来什么、改变什么。

上行:纯收益。覆盖重叠区的设备从"单网关可达"变成"双网关可达",丢包率显著改善——边缘信号本来就在可用率红线上的点位,等于多了一条命。空口上没有额外代价:设备还是发一次,射频信道占用不变。

下行:有择路逻辑,也有边界。NS 会选最好的网关下发,但注意两点:一是 NS 与网关之间的回传延迟要守住接收窗口的时序预算——回传往返超过一秒量级,下行窗口就可能错过,这是第 26 期讲天线、第 35 期讲回传时反复出现的老问题在冗余场景下的新面孔;二是下行永远只从一台网关发出,两台网关同时发射不会叠加功率,也别指望下行覆盖翻倍。

ADR 会自己收敛,但需要时间。原本挂在 A 网关下、被 ADR 推到高速率的设备,在 A 宕机后会自然回落——用更低的速率、更长的空中时间换与 B 网关的可靠通信。这个回落是自动的,代价是:收敛期间的部分丢包、以及全网平均空中时间上升。演练时观察的正是这个收敛过程,而不是"设备还在线吗"这么粗的问题。

去重与容量。重叠区每条上行会被多台网关转发,NS 侧的去重要消耗一点计算资源,回传带宽多走几份——工程上都可以忽略,但如果你的 NS 部署在 TKE 这类边缘小机器上,设备量大时把去重开销算进容量规划(第 35 期讲过时序库选型,NS 本身的余量逻辑同理)。

五、两种双机拓扑:1+1 与分区互备

同样是"装两台",两种拓扑,成本差一个量级。

1+1 同点位热备:两台网关装在同一位置(或相距很近),一台故障另一台立刻顶上。优点是失效切换零感知、覆盖完全不变;缺点是钱花得最冤——两台设备的覆盖几乎完全重叠,正常情况下第二台贡献的去重收益接近零,纯粹是保险。适合的只有一种场景:单点位就是全部业务(一个井房、一个机房),宕机损失远大于设备价。

分区互备(推荐默认):两台网关分装在两个位置,覆盖各自的主力区域,边缘留出重叠带。正常时这是两台各管一摊的常规部署,覆盖和容量都翻倍;故障时,存活的一台把邻居的边缘设备以更低速率"捞"回来——业务降级但不中断。这本质上是把冗余买成了产能:同样的两台设备,正常时期就在创造覆盖价值,故障时期才切换成保险角色。工程上绝大多数"要不要冗余"的问题,正确答案都是这一种。

分区互备有一个设计要点:重叠带要提前规划,而不是自然形成。第 36 期勘测时就要验证"任一台宕机后,另一台能否以可用速率覆盖对方的边缘点位"——这一条写进勘测报告,验收才有依据。自然形成的重叠往往刚好够 RSSI、不够 SNR,真出事时捞不回来。

六、上线之后:把故障演练变成验收项

冗余设计只有演练过才算数。上线验收时主动做三件事:

拔一台。关掉其中一台网关的电源,观察:边缘设备的上行业务是否持续(会丢一部分)、NS 里设备在线状态的变化节奏(参照第 28 期的在线三口径,别把口径搞混)、ADR 收敛需要多少个上行周期。恢复供电,再观察回落。

查下行择路。给重叠区的设备下发一次 RPC 或配置变更,确认下行从预期网关发出且设备收到——第 22 期讲触发规则时强调过"能收上行不等于下行通",冗余场景多了一层择路变量。

写进档案。36 期讲过安装留档,冗余设计多记三项:两台网关的覆盖责任区划分、重叠带的点位清单、演练记录(哪天拔的、丢了多少包、多久收敛)。这份档案决定了半年后故障时,运维是"按图索骥"还是"从头排查"。

平台侧提醒一句:网关接入 ThinkLink 需要在网关管理里加白名单,第二台网关记得同样登记,别等演练时发现 NS 根本不认它。设备离线判定的心跳规则以平台文档为准,告警阈值按业务容忍度配。

七、决策清单

该加第二台网关的三个条件(满足其一):

  • 停机损失按小时计:生产线、消防相关、有 SLA 的对外服务
  • 站点无人值守且修复周期长:MTTR 以天计的远程点位
  • 本来就要扩容:分区互备的"第二台"同时就是容量扩展,一钱两用

不该加的两个理由:

  • 业务容忍度以天计:单网关 + 常备备件 + 快速换机的 MTTR 路线更便宜
  • 底层单点没消掉:先补 UPS 和回传冗余,再谈射频冗余

一条总原则收尾:冗余不是为了消灭故障,是为了把故障的代价从"业务中断"降级为"性能下降"。分区互备的设计里,第二台网关平时在干活,故障时在兜底——这才是花钱花在刀刃上的部署。


参考与延伸

  • 《LoRaWAN 网关天线选型与安装指南》《网关选址与现场勘测》《网关供电与防雷实战》(部署三部曲)
  • 《GD6 三链路回传选型》(回传层冗余)
  • 《LoRaWAN 网络容量估算》(重叠覆盖对容量的影响)
  • 《LoRaWAN 网络排障的五层漏斗》(在线三口径与故障定位)
  • 《LoRaWAN 数据落地三段式》(NS 与边缘部署的容量余量)
  • ThinkLink 网关管理文档(网关白名单、设备在线判定规则,以官方文档为准)