Når IKEA-pærene blir zombier i Zigbee-nettet

Når IKEA-pærene blir zombier i Zigbee-nettet

Symptomet

Noen lamper ble unavailable i Home Assistant i perioder, for så å komme tilbake uten at noen gjorde noe. De var ikke strømløse. De sto fast på, men svarte ikke på kommandoer fra koordinatoren.

Første mistanke var mesh-nettet: for mange hopp, for svak lenke, for mye radiotrafikk. Nabotabellen sa noe annet.

Radioen levde, applikasjonslaget gjorde ikke det

Nettverkskartet fra koordinatoren viste at de «døde» pærene lå helt normalt plassert: 9 til 12 nabo-rutere så dem med LQI (link quality indicator) mellom 40 og 228, med riktig nettverksadresse. Det er ikke tegn på en lampe som har forsvunnet fra nettet.

Men en set-kommando (slå av, slå på) fra koordinatoren til samme lampe fikk aldri svar, og timet ut etter 10 sekunder (ZCL-standardtimeout). Radiolaget svarer altså på naboenes forespørsler, mens applikasjonslaget i lampen ikke svarer på kommandoer fra koordinatoren. En zombie, ikke en død node.

Fastvare som fellesnevner, men ikke bevist årsak

8 av 15 IKEA-rutere på fastvare 2.3.086/087 var kronisk nede. IKEA-pærer på nyere fastvare (2.3.095, 1.1.7) og Hue-pærer sto stabilt. Over en periode falt den målte oppetiden på ruterne i nettet fra 97 % til 76 %.

Mønsteret så ut som et fastvareproblem, helt til en Hue-pære begynte å gjøre akkurat det samme. Da falt IKEA-fastvareteorien som eneste forklaring. IKEA har dessuten ingen nyere OTA-oppdatering å by på for den eldste fastvaren: siste tilgjengelige versjon er allerede installert.

Testen som skiller en død lampe fra en død rute

Når en pære ble kuttet fra strømmen i ti sekunder og slått på igjen, skulle den sende en device_announce-melding til nettet. To av tre identiske panel på samme kurs gjorde det. Det tredje gjorde ikke det. Det panelet har en død radio i selve lampen. De to andre var reelle meshproblemer, ikke defekt maskinvare.

Et annet skilletegn: en zombie-lampe som ikke svarer på en direkte set-kommando kan likevel reagere på en gruppe- eller kringkastingskommando. Svarer den på broadcast men ikke på unicast, er det en rutingfeil i koordinatoren eller nettet, ikke en defekt lampe.

Hovedkandidat: en kjent feil i rutingen

Research etter at fastvareteorien falt landet på en kjent feil i EmberZNet-stacken (koordinator-fastvaren): unicast-kommandoer kan feile deterministisk via én spesifikk rute mens broadcast fortsatt virker, fordi noden som skulle videresendt pakken har en korrupt eller utdatert kildespor-tabell. Det forklarer både at radioen svarer på naboskap og at kommandoer uteblir.

Hva som ble gjort med funnet

Resultatet ble å fjerne og nullstille de problematiske enhetene én om gangen (fjern fra nettet, strøm av/på seks ganger, par på nytt), og erstatte de verste armaturene permanent med andre modeller. Diagnosen underveis var enkel å dokumentere: grep -c 'Failed to ping' i loggen til Zigbee-broen skiller normal drift (noen titalls feil per døgn) fra en reell storm (flere hundre i timen). Men selve zombie-mønsteret, radio som lever og applikasjon som ikke svarer, fanges bare ved å sammenligne nabotabell mot direkte kommando, ikke ved å telle feilmeldinger.