别再手动画拓扑了！用Python脚本+SNMP自动绘制网络邻居图（附LLDP MIB解析）

weixin_30443075

294人浏览 · 2026-06-06 12:52:19

weixin_30443075 · 2026-06-06 12:52:19 发布

从SNMP到拓扑图：Python全自动网络邻居发现与可视化实战

网络拓扑图是运维工程师的"作战地图"，但传统手动绘制方式在复杂网络环境中显得力不从心。我曾在一个拥有300+交换机的数据中心项目中，花费整整两周时间才完成基础拓扑整理——而第二天就有设备变更需要重新绘制。这种低效促使我开发了基于Python的自动化解决方案，将原本需要数天的工作压缩到5分钟内完成。

1. 环境准备与核心工具链

工欲善其事，必先利其器。自动化拓扑发现需要几个关键组件协同工作：

SNMP协议 ：网络设备的"普通话"，几乎所有厂商设备都支持
LLDP MIB ：邻居发现的标准信息库（OID 1.0.8802.1.1.2）
Python生态 ： pysnmp 用于查询， networkx 处理关系， graphviz 绘图

安装基础环境只需三条命令：

pip install pysnmp networkx graphviz
sudo apt-get install graphviz  # Linux
brew install graphviz         # macOS

注意：生产环境中建议使用SNMPv3并配置加密通信。本文示例为简化使用SNMPv2c，但实际部署时应修改为更安全的认证方式。

关键OID速查表：

信息类型	OID节点	返回值示例
邻居设备MAC	1.0.8802.1.1.2.1.4.1.2	00:23:89:14:FB:D0
邻居端口名称	1.0.8802.1.1.2.1.4.1.4	GigabitEthernet2/0/17
本端端口映射	1.3.6.1.2.1.17.1.4.1.2	216 → 61 (接口索引)

2. LLDP数据抓取与清洗实战

原始SNMP数据就像未加工的矿石，需要经过多道工序才能变成有用信息。以下是通过pysnmp获取邻居数据的核心代码：

from pysnmp.hlapi import *

def snmp_walk(ip, community, oid):
    iterator = nextCmd(
        SnmpEngine(),
        CommunityData(community),
        UdpTransportTarget((ip, 161)),
        ContextData(),
        ObjectType(ObjectIdentity(oid)),
        lexicographicMode=False
    )
    return [(x[0][0].prettyPrint(), x[1].prettyPrint()) for x in iterator]

# 获取所有邻居设备信息
neighbors = snmp_walk('192.168.1.1', 'public', '1.0.8802.1.1.2.1.4')

典型原始数据清洗过程：

提取时间戳和端口索引 ：

# 示例OID: lldpRemChassisIdSubtype.15745436.216.1 → (15745436, 216, 1)
def parse_index(oid):
    parts = oid.split('.')[-3:]
    return {'timestamp': parts[0], 'local_port': parts[1], 'neighbor_idx': parts[2]}

处理十六进制转义 ：

def hex_to_str(hex_data):
    bytes_obj = bytes.fromhex(hex_data.replace('.', ''))
    return bytes_obj.decode('ascii', errors='ignore').strip()

能力集位图解析 ：

CAPABILITY_MAP = {
    0b1: 'Other',
    0b10: 'Repeater',
    0b100: 'Bridge',
    0b1000: 'Router'
}

def parse_capabilities(hex_str):
    value = int(hex_str, 16)
    return [cap for mask, cap in CAPABILITY_MAP.items() if value & mask]

我曾遇到某厂商设备返回的端口描述包含非标准ASCII字符，导致解析失败。最终通过增加异常处理和字符过滤解决了这个问题，这也是自动化脚本必须考虑的边界情况。

3. 拓扑关系建模与可视化

获取原始数据只是第一步，真正的价值在于构建设备连接关系模型。使用networkx构建拓扑图：

import networkx as nx
from graphviz import Digraph

def build_topology(neighbor_data):
    G = nx.Graph()
    dot = Digraph(engine='neato', graph_attr={'splines': 'true'})
    
    for device, ports in neighbor_data.items():
        dot.node(device, shape='rectangle')
        for port in ports:
            peer = port['remote_device']
            dot.node(peer)
            dot.edge(
                device, peer,
                taillabel=port['local_port'],
                headlabel=port['remote_port'],
                fontsize='10'
            )
    return dot

高级可视化技巧：

设备类型区分 ：用不同形状表示交换机(□)、路由器(○)、防火墙(⬡)
连接状态标注 ：绿色实线=正常，红色虚线=异常
层级布局优化 ：核心设备居中，接入设备呈放射状排列

# 自定义节点样式示例
dot.node('CoreSwitch', 
         shape='doublecircle',
         style='filled',
         fillcolor='lightblue')

实际项目中，我通过分析某金融网络拓扑图，发现了两处意外的跨机房直连，存在单点故障风险。这正是自动化分析相比人工绘制的优势——不会因视觉疲劳遗漏关键细节。

4. 生产环境增强方案

基础功能实现后，还需要考虑企业级应用所需的健壮性：

异常处理机制 ：

SNMP超时重试（3次指数退避）
不兼容MIB的fallback方案
数据校验（如检查MAC地址有效性）

性能优化技巧 ：

# 使用多线程并行采集
from concurrent.futures import ThreadPoolExecutor

with ThreadPoolExecutor(max_workers=10) as executor:
    results = list(executor.map(
        lambda ip: snmp_walk(ip, 'public', LLDP_OID),
        device_ips
    ))

持久化与版本对比 ：

# 存储每日拓扑快照并计算差异
def compare_topologies(old, new):
    diff = nx.difference(old, new)
    if diff.number_of_edges() > 0:
        alert_admins(f"拓扑变更检测到{diff.number_of_edges()}处连接变化")

某次网络故障排查中，我们的自动化系统通过对比前后一小时拓扑变化，快速定位了某台交换机异常脱网的问题，而传统方式可能需要数小时人工比对。

5. 扩展应用场景

基础拓扑发现可以衍生出多种实用工具：

网络文档自动生成器 ：

导出Markdown格式的设备清单
生成Visio可导入的XML拓扑图
输出CSV格式的端口映射表

安全合规检查 ：

# 检测未授权设备接入
known_devices = load_asset_db()
current_devices = get_lldp_neighbors()

rogue_devices = current_devices - known_devices
if rogue_devices:
    trigger_alert(f"发现未授权设备: {rogue_devices}")

容量规划辅助 ：