配过几台路由器的人大概都有过这样的经历：命令敲完，show ip route里多出几条以 O 开头的条目，心里一松，觉得路由协议算是会了。可真到了多区域、多厂商设备混跑、或者两个自治系统（AS）对接的场合，问题就冒出来了——邻居状态卡在 ExStart 一动不动，RIP 学到的路由莫名其妙消失，区域间汇总做了半天流量还是绕远路。这些现象背后其实是同一件事没想清楚：RIP 和 OSPF 是自治系统内部使用的路由协议，它们每一个看上去有点"抠门"的设计——15 跳上限、DR 选举、区域划分、参考带宽 100M——都是在"同一套管理策略"这个前提下做出的成本与收益取舍。下面从 AS 的边界开始拆，讲机制、讲配置、讲用命名空间跑出来的真实现象，最后给一套能照着走的排错链路。
1. 自治系统的边界怎么划，决定了协议该长什么样
1.1 AS 划的是管理权，不是地图上的区域
AS（Autonomous System，自治系统）这个词容易被理解成地理概念，其实它划的是管理权的边界。一个 AS 是这样一组网络：由同一个管理主体运营、执行同一套路由策略、对外呈现为一个统一的选路单元。这个主体可能是一家企业的园区网，可能是一个数据中心，也可能是一组托管机柜，物理上跨了几个城市也无所谓，只要路由策略是同一套说了算，它就是一个 AS。
这个定义里"同一套策略"五个字是重点。同一套策略意味着内部设备之间不需要互相防备——我知道你不会把流量突然引到一个莫名其妙的方向，我可以放心地把内部拓扑告诉邻居。正因为有这层信任，OSPF 才敢在区域内洪泛完整的链路状态，RIP 才敢周期性地把整张路由表发出去。这两种做法搬到 AS 之间是绝对行不通的，公网上没有任何一方愿意把内部拓扑暴露给对端，也不会让对端参与自己的选路计算。
所以接触路由协议的第一件事，是先在脑子里建立一个分类框：AS 内部跑的是 IGP（内部网关协议），AS 之间跑的是 EGP（外部网关协议）。RIP、OSPF、IS-IS 属于前者，BGP 属于后者。这个分类不是学术洁癖，是工程上的硬约束，因为两类的优化目标根本不同。IGP 优化的是"路径尽量短、收敛尽量快、可达性算准"，EGP 优化的是"流量走向符合双方约定的关系和政策"。硬把两个目标塞进一个协议，结果就是两头都做不好。
1.2 为什么公网不能直接拿 OSPF 顶上去
经常有人问，既然 OSPF 收敛快、能分层、支持大规模，为什么不拿它当全网唯一协议用？原因有两层，一层是算力，一层更本质。
算力这层好理解。链路状态协议的基本玩法是：每台路由器都拿到全网的拓扑图，然后自己跑一遍最短路径树。这就要求所有参与者持有一份一致的链路状态数据库（LSDB），任何一条链路抖动，都要洪泛一次、参与方重算一次。全球范围的互联涉及几十万条前缀，链路状态数据库的规模和更新频率远超任何 SPF 实现能扛的量级。区域划分能缓解一部分压力，但区域划分本身依赖一个统一的管理者来做规划，公网上没有这么个角色。
本质的那层是策略无法表达。OSPF 的度量是开销，而这个开销基本由接口带宽决定，报文里没有任何字段能表达"这条路径虽然短，但对方和我是非对等互联，不该往那儿送流量"。互联网的选路很大程度上是政策驱动的，不是距离驱动的。设备上看到的"最优路径"，在运营层面未必是应该走的那条。这种需求催生了 BGP，它的路径属性里塞满了 AS_PATH、LOCAL_PREF、MED、Community 这类可以人为操纵的字段，本质上就是给运营者留的手动开关。
把这一层想明白，RIP 和 OSPF 的定位就清楚了：它们是在信任域内部把可达性算准确的工具。后面讲的所有机制，都能往这个定位上套。
1.3 路由表到底怎么选出一条路由
在进入协议细节前，有个容易被跳过但极其有用的知识点：设备拿到多条候选路由后，是按什么顺序挑出一条装进转发表的。这一步不清楚，后面排错全靠猜。
第一层判断是最长前缀匹配。这条优先级最高，压过一切。去 10.1.2.3 的包，路由表里同时有 10.0.0.0/8 和 10.1.0.0/16，一定选后者。哪怕 /8 那条的管理距离更小、度量更优，也没用。很多人在这里翻车，以为管理距离能压过前缀长度，其实不能。前缀长度回答的是"谁更精确"，管理距离回答的是"同等精确度下信谁"，两件事不在一个维度上。
第二层是管理距离（Administrative Distance），有的实现里叫路由优先级。同一条前缀被多个来源学到时，靠这个值决定信谁，数值越小越优先。直连接口通常最低，静态路由其次，OSPF 再往下，RIP 排得更后。不同实现的默认值不完全一致，配双协议或者多点重分发时必须逐台确认，否则会出现"我明明配了 OSPF，怎么走的是 RIP 那条"的诡异现象。
第三层才是度量值。同一种协议内部、同一条前缀的多个来源，比度量。RIP 比跳数，OSPF 比 cost。
这三层顺序记住了，再去读路由表，绝大多数"为什么走这条不走那条"都能自己解释。做重分发的时候这一条尤其关键——重分发进去的路由，管理距离是跟着来源协议走的，不跟着目标协议走。RIP 重分发进 OSPF，那条路由的管理距离仍然按 RIP 的算，而不是按 OSPF 的算。这是个高频坑，而且症状很难直观联想到原因。
2. RIP：跳数这个度量背后是一整套妥协
2.1 15 跳上限是被报文格式卡出来的
RIP 的度量单位叫跳数。直连网段算 0 跳，经过一台路由器加 1 跳，以此类推。有效取值是 1 到 15，16 被视为不可达。这个数字常被拿来当笑话讲，现在的网络动辄几十跳，15 也太抠了。
但 15 这个数字不是随手定的，它是防止距离矢量协议无限计数的直接结果。距离矢量协议的工作方式是"听邻居的"：邻居说某个网段 3 跳，那我从这个接口出去就是 4 跳。拓扑正常时没问题，出问题时有大麻烦。假设某台路由器到某个网段的直连链路断了，它不会立刻知道，而它的邻居手里还存着一条"经过它去那个网段需要 2 跳"的旧记录。它从邻居那里听到"经你走 2 跳"，就更新成 3 跳；再告诉邻居，邻居更新成 4 跳……两边互相喂饭，计数一路往上蹿。
工程上的解法是设一个"无穷大"阈值，让计数涨到那儿就自动停。RIP 选的阈值是 16。为什么不是 255 或者更大？因为 RIP 每条路由条目的度量字段只占 4 位，能表示 0 到 15，16 刚好溢出表示不可达。这是报文格式决定的，不是网络规模决定的。反过来说，如果当年设计时把度量字段分满一个字节，上限就是 255，RIP 的适用范围会大不少。这算是协议设计里"省字节"留下的历史包袱。
代价非常直接：任何超过 15 跳的路径，RIP 认为不可达。一个中等规模的企业网，叠几层汇聚和核心，很容易超过这个数。这是 RIP 在现代网络里退场的首要原因，比收敛慢更致命。
2.2 一次路由更新的完整生命周期
RIP 跑在 UDP 之上，端口 520。这个细节值得单独说一句：它是少数跑在传输层的路由协议，OSPF 直接封装在 IP 里（协议号 89），BGP 跑在 TCP 179 上。跑在 UDP 上意味着它不需要建立连接，周期到了就发，实现简单，但也意味着没有重传、没有确认，丢一个报文就等下一轮，只能靠周期性重发兜底。
报文格式很朴素：4 字节头部（命令字、版本号、保留字段），后面最多跟 25 个路由条目，每条 20 字节，一个报文最大 504 字节。这意味着一次更新最多带 25 条路由，路由表大了就得拆成多个报文。这也是收敛慢的助燃剂之一。
常见实现的默认计时器大致是这么一套：每 30 秒发一次完整更新，180 秒收不到更新就标记路由失效，再过一段时间（通常 120 秒左右）从路由表里彻底删除。不同实现的叫法和具体值略有差异，多厂商混跑时要以实际设备手册为准。这套组合意味着：链路断了之后，最坏情况下要等上三分钟，路由表才真正反映出问题。对绝大多数业务来说，三分钟的中断是不可接受的。
触发更新是补丁之一。拓扑一变立刻发更新，不等那 30 秒。但光靠触发更新不够——更新报文可能丢，接收方也可能正处于抑制期不接受。所以触发更新必须和后面几个机制配合使用才有实际意义，单独拎出来看效果有限。
2.3 抑制环路的手段，以及每一招的代价
RIP 防环靠的是一组组合拳，每一招都有代价，知道代价才知道什么场景该关掉它。
水平分割是最基础的一招：从某个接口学到的路由，不再从这个接口发回去。道理很直白——你告诉我怎么去，我没必要再告诉你怎么去。这一招在点对点链路上效果很好，几乎零成本。
毒性逆转是水平分割的加强版：从某接口学到的路由，从该接口发回去时不是不发，而是带着 16 发回去，明确告诉对端"这条路我走不通了，别指着我"。听起来比水平分割更聪明，但代价是报文变大——每个更新周期要把学到的所有路由都以不可达的形式再发一遍。
抑制计时器的逻辑是：当一条路由的度量变差（数值变大），启动一段抑制期，期间只接受度量更优的更新，不接受同等或更差的。这能防止路由在两条质量接近的路径之间来回抖。代价是收敛变慢——本来可以立刻切过去的路由，被压住不让切。
最大跳数是最后兜底，前面几招都失效时靠它止损。代价前面说过了，限制了网络直径。
触发更新缩短收敛时间，但会在拓扑刚变的那一刻形成突发的报文风暴，很多实现会限制每秒发送
焦虑应对指南：技术从业者如何与不确定性共处)
