PPPoE - Diagnóstico de Desconexões por Keepalive Timeout

Objetivo

Orientar o diagnóstico de clientes que apresentam desconexões frequentes da sessão PPPoE, mesmo sem perda aparente de sinal óptico, reinicialização do concentrador ou indisponibilidade geral do serviço.
O objetivo deste documento é ajudar a identificar em qual ponto do caminho entre o cliente e o concentrador PPPoE ocorre a interrupção de comunicação.

Entendendo o Keepalive PPPoE

Após o estabelecimento de uma sessão PPPoE, o cliente e o concentrador permanecem trocando mensagens periódicas de controle.
Essas mensagens permitem verificar se a comunicação lógica entre as duas extremidades continua ativa.
Quando o concentrador deixa de receber resposta dentro do tempo esperado, considera que a sessão foi interrompida e realiza a desconexão.
Em ambientes MikroTik, isso normalmente aparece nos logs por mensagens semelhantes a:

terminating... - peer is not responding

LCP missed too many echo requests

disconnected

Em seguida, o cliente pode autenticar novamente poucos segundos depois.

O que o log realmente significa

Uma desconexão por Keepalive Timeout não significa, por si só, que o servidor PPPoE esteja com defeito.
Ela indica apenas que o concentrador deixou de receber resposta do cliente durante determinado período.
Essa interrupção pode ocorrer em qualquer ponto do caminho:

Cliente
   │
Roteador ou CPE
   │
Cabo Ethernet
   │
ONU
   │
Rede óptica
   │
OLT
   │
Rede de transporte
   │
Concentrador PPPoE

O diagnóstico deve localizar em qual ponto ocorreu a perda de comunicação.

Primeira análise

Antes de iniciar testes, é necessário identificar o alcance do problema.
Verificar:

Apenas um cliente apresenta a falha?
Alguns clientes apresentam a falha?
Todos os clientes apresentam a falha?
Os clientes afetados pertencem à mesma OLT?
Estão na mesma PON?
Utilizam o mesmo splitter?
Passam pela mesma VLAN?
Utilizam o mesmo enlace de transporte?
Estão no mesmo concentrador PPPoE?
As desconexões ocorrem no mesmo horário?
As reconexões são simultâneas ou aleatórias?

Essas respostas ajudam a determinar se a causa está no cliente, na rede de acesso, na rede de transporte ou no concentrador.

Cenário 1 - Apenas um cliente

Quando somente um cliente apresenta desconexões, a investigação deve começar no acesso individual.
Possíveis causas:

reinicialização do roteador;
reinicialização da ONU;
fonte de alimentação instável;
defeito no roteador;
defeito na ONU;
cabo Ethernet danificado;
conector RJ45 oxidado ou mal crimpado;
porta Ethernet instável;
potência óptica próxima ao limite;
perda momentânea de comunicação entre ONU e roteador;
travamento ou sobrecarga do equipamento do cliente.

Verificar:

uptime da ONU;
uptime do roteador;
histórico de registro da ONU;
histórico de reinicialização;
níveis ópticos de RX e TX;
erros na porta Ethernet da ONU;
negociação de velocidade e duplex;
qualidade da fonte de alimentação;
estado do cabeamento entre ONU e roteador.

Uma ONU pode permanecer registrada na OLT e, ainda assim, perder momentaneamente a comunicação Ethernet com o roteador.

Cenário 2 - Alguns clientes

Quando apenas alguns clientes apresentam a falha, deve-se procurar um ponto em comum entre eles.
Verificar se os clientes afetados compartilham:

a mesma OLT;
a mesma PON;
o mesmo splitter;
a mesma caixa de atendimento;
o mesmo enlace;
a mesma VLAN;
o mesmo switch;
o mesmo rádio;
o mesmo caminho até o concentrador.

Possíveis causas:

instabilidade em uma PON;
falha em splitter ou caixa óptica;
perda de pacotes em enlace compartilhado;
interface com erros CRC;
porta de switch instável;
loop de camada 2;
flapping de interface;
VLAN com problema;
saturação de enlace;
enlace rádio instável;
falha intermediária entre OLT e concentrador.

A correlação geográfica e lógica entre os clientes afetados é fundamental para localizar o ponto comum.

Cenário 3 - Todos os clientes de um concentrador

Quando todos os clientes de um concentrador desconectam aproximadamente no mesmo horário, verificar:

reinicialização do concentrador;
CPU elevada;
falta de memória;
travamento do serviço PPPoE;
perda de comunicação com as OLTs;
falha no enlace principal;
falha de energia;
interface de uplink instável;
loop de camada 2;
alteração de rota;
indisponibilidade de VLAN;
saturação do equipamento;
falha em switch ou roteador intermediário.

Nesse cenário, a causa tende a estar na infraestrutura compartilhada e não nas ONUs individuais.

Verificações na ONU

Mesmo quando não existe LOS ou perda de registro, verificar:

potência óptica recebida;
potência óptica transmitida;
quantidade de desregistros;
tempo online;
histórico de reinicialização;
erros FEC;
erros Ethernet;
velocidade negociada;
duplex;
flapping da interface Ethernet;
temperatura do equipamento;
qualidade da alimentação.

A ausência de LOS não comprova que a comunicação Ethernet ou lógica permaneceu estável.

Verificações na OLT

Na OLT, verificar:

histórico de registro e desregistro da ONU;
eventos de dying gasp;
alarmes da PON;
erros FEC;
perda de pacotes;
utilização da PON;
erros de uplink;
flapping de interfaces;
VLAN associada ao cliente;
alterações de configuração;
eventos ocorridos no mesmo horário das desconexões.

Também é importante comparar os horários registrados na OLT com os horários do log PPPoE.

Verificações no concentrador PPPoE

No concentrador, verificar:

uso de CPU;
uso de memória;
quantidade de sessões ativas;
consumo de recursos;
interface de entrada das conexões PPPoE;
erros de interface;
perda de pacotes;
saturação;
filas;
logs de reinicialização;
flapping de interfaces;
mensagens de LCP;
horários exatos das desconexões.

Quando possível, verificar se os clientes afetados entram pela mesma interface, VLAN ou bridge.

Verificações na rede de transporte

Entre a OLT e o concentrador, verificar:

perda de pacotes;
aumento de latência;
jitter;
erros CRC;
drops;
interfaces saturadas;
velocidade negociada incorretamente;
duplex incompatível;
flapping;
loops;
STP;
RSTP;
VLAN incorreta;
trunks inconsistentes;
enlaces rádio instáveis;
mudanças de rota;
indisponibilidade momentânea de equipamentos intermediários.

A sessão PPPoE depende da continuidade da comunicação de camada 2 entre o cliente e o concentrador.

Possíveis causas

Uma perda de Keepalive pode ser causada por:

reinicialização do equipamento do cliente;
fonte de alimentação instável;
defeito no roteador;
defeito na ONU;
defeito na porta Ethernet;
cabo Ethernet danificado;
conector mal crimpado ou oxidado;
potência óptica próxima ao limite;
ONU instável;
OLT apresentando perda momentânea;
erro em VLAN;
interface com CRC;
loop de camada 2;
flapping de interface;
saturação de CPU;
saturação de memória;
saturação de enlace;
perda de comunicação entre OLT e concentrador;
switch intermediário instável;
enlace rádio instável;
falha de energia;
alteração de rota;
problema físico na rede.

A mensagem de Keepalive Timeout não identifica qual dessas causas ocorreu.
A causa raiz só pode ser determinada pela correlação entre sintomas, horários e evidências coletadas.

Evidências a coletar

Antes de concluir o diagnóstico, registrar:

login PPPoE;
nome do cliente;
horário exato das desconexões;
quantidade de reconexões;
concentrador PPPoE;
interface ou VLAN utilizada;
OLT;
PON;
ONU;
splitter ou caixa de atendimento;
níveis ópticos de RX e TX;
uptime da ONU;
uptime do roteador;
histórico de registro da ONU;
eventos de dying gasp;
log do concentrador;
log da OLT;
CPU do concentrador;
memória do concentrador;
erros de interface;
perda de pacotes;
latência entre OLT e concentrador;
equipamentos intermediários no caminho.

Essas informações permitem identificar padrões e correlacionar ocorrências entre clientes distintos.

Fluxo recomendado de diagnóstico

1. Confirmar a quantidade de clientes afetados.
2. Identificar se existe ponto comum entre eles.
3. Registrar o horário exato das desconexões.
4. Verificar o log do concentrador PPPoE.
5. Confirmar se a ONU permaneceu registrada.
6. Verificar o uptime da ONU.
7. Verificar o uptime do roteador.
8. Conferir níveis ópticos de RX e TX.
9. Verificar erros Ethernet na ONU.
10. Verificar eventos na OLT.
11. Verificar perda de pacotes entre OLT e concentrador.
12. Verificar interfaces, VLANs e enlaces compartilhados.
13. Conferir CPU e memória do concentrador.
14. Correlacionar todos os horários.
15. Somente após essa análise definir a causa provável.

Erros comuns no diagnóstico

Evitar conclusões imediatas como:

“é problema do servidor PPPoE”;
“é problema da OLT”;
“é sinal óptico”;
“é o roteador do cliente”;
“é problema de energia”.

A mensagem de Keepalive apenas informa que houve perda temporária de comunicação.
Ela não identifica automaticamente onde ocorreu a falha.

Exemplo de interpretação

Situação

Um cliente apresenta várias reconexões PPPoE durante o dia.
A ONU permanece registrada e o nível óptico está dentro do esperado.

Interpretação correta

O sinal óptico adequado e a ausência de LOS não descartam:

reinicialização do roteador;
falha no cabo Ethernet;
instabilidade na porta LAN da ONU;
perda momentânea na VLAN;
falha no transporte até o concentrador.

O próximo passo é verificar uptime, erros Ethernet, horários e pontos compartilhados.

Conclusão

Desconexões por Keepalive Timeout representam perda temporária de comunicação entre o cliente e o concentrador PPPoE.
Essa perda pode ocorrer no equipamento do cliente, na ONU, na OLT, na rede óptica, na rede de transporte ou no próprio concentrador.
O diagnóstico deve ser baseado em evidências e correlação de eventos.
A análise isolada do log PPPoE não é suficiente para determinar a causa raiz.