一面是数据中心对高速模块的强烈需求，一面是模块故障率居高不下。相比1G、10G，40G、100G甚至200G，直观感受故障率要高得多。当然，这些高速模块的工艺复杂度远比低速高，比如一个40G光模块，本质上就是通过4个10G通道绑定起来，同时工作实现的，相当于4个10G在工作，只要有一路有问题，整个40G就无法再用了，故障率当然要比10G高，而且光模块还要实现4条光路的协调工作，出错概率自然更高。100G更是如此，有的就是通过10个10G通道绑定起来，还有的采用新的光技术，这些都会增加出错可能。更高速率的更不用提了，技术成熟度上就不高，像400G仍是实验室里的技术，2019年就要推向市场，必然出现一次故障率的小高潮，好在刚开始用量不会很多，随着技术的不断提升，相信也会像低俗模块那样逐渐稳定。试想20年前拿到GBIC的1G光模块去用，和现在用200G的感觉差不多，新品短期内故障率升高是必然。

 

好在，光模块的故障对业务冲击较小，数据中心的链路都是有冗余备份的，一条链路光模块出问题，业务可走其它链路，如果是CRC错包也可通过网管立即发现，及早做更换处理，所以光模块故障很少对业务有较大影响，极少数情况下，可能因为光模块引发设备端口故障，从而导致整个设备挂掉的情况，这种情况多是设备实现不合理导致的，很少出现，绝大多数的光模块和设备之间是松耦合的，虽然连接在一起，并没有耦合关系。所以虽然高速光模块使用中坏的比较多，但对业务冲击也没那么大，一般不会引起人们重视，发现故障直接更换掉，高速光模块的维保时间也长，故障了基本是免费的更换，损失也不大。

 

光模块的故障多表现在端口无法UP、光模块无法识别、端口CRC错包等现象，这些故障与设备侧、光模块本身和链路质量都有些关系，尤其是错报和无法UP，很难从软件技术上判断故障位置。有些还是适配类的问题，双方都没有问题，只不过相互之间没有调试和适配过，导致无法在一起工作，这种情况还不少，所以不少的网络设备都会给出适配的光模块清单，要求客户用自己适配过的光模块，这样才能保证稳定可用。若遇到了故障，最好用的方法依然是轮换测试，换链路光纤、换模块，换端口，通过这一系列测试确认到底是光模块问题，还是链路或设备端口问题，好在一般这类故障现象比较确定，遇到那种故障现象不固定的就难处理了。比如端口上有CRC错包，将光模块直接拔出来换一个新的，故障现象消失，再将原来的光模块换回来，故障不再复现，这就不好判断到底是不是光模块问题。这种情况在实际使用中也会经常碰到，这让人难做判断。

 

如何降低光模块的故障率？第一，抓好源头，更高带宽的光模块不要急于推向市场，要做好充分的实验，而且高速模块需要相应的设备配套实现，这些技术也需要完善才能成熟，新的高速模块要平滑地引入市场，不要简单地追求高速，现在网络设备都支持多端口捆绑，400G不行，就用4个100G捆绑也可以满足需求；第二，抓好高速光模块的引入，网络设备商和数据中心客户，在引入高速光模块上要慎重，增加对高速光模块的严格测试，坚决过滤质量上有缺陷的产品。现在市面上高速光模块市场竞争也比较激烈，都希望在新的高速模块上抢占先机，但质量和价格参差不齐，这就需要网络设备商和数据中心客户能加大考核力度，越是速率高的模块，越增加验证的复杂度；第三，光模块其实是一个集成度特别高的器件，露在外面的光纤通道和内部器件都比较脆弱，使用时要轻拿轻放，带上干净手套，避免落入灰尘，这些也会降低使用故障率，不用的光模块要带好光纤帽，放在袋子里。第四，尽量少的出现极限情况，比如100G的光模块长期在接近限速的情况下使用，200米距离的光模块，偏偏要在200米距离使用，这些极限边界值使用对光模块的损耗较大，它就像人一样，人在24~26度的空调房里工作，工作效率就高，到了35度外面的高温环境，注意力无法长时间集中，工作效率极低，到了40度以上，人都快中暑了还怎么工作。为光模块提供一个令其舒适的环境，能够有效延长光模块的使用寿命。

 

随着海量数据的增长，数据中心带宽需求越来越高，引入更高速的光模块成了必由之路，必须控制好其质量的问题。如果新的高速模块在市场上频繁碰壁，也难逃被淘汰的结果。当然，任何一种新技术都有一个走向成熟的过程，高速光模块也不例外，需要不断地技术创新，解决各种问题，提升模块质量，降低故障概率。高速光模块是模块厂商的利润引擎，是历代模块厂商的必争之地，必须要严控质量关。