eBGP 邻居 keepalive/hold-timer 取值如何定，怎么在生产验证真实收敛窗口？

【背景】 我负责一条双活数据中心的 eBGP 出口（本地 AS65000，对端运营商 AS4134），核心交换机是 Cisco N9K（IOS-XR 对端），业务侧是长连接 gRPC，对丢包敏感。最近一次 10G 上联抖动 12 分钟、BGP 路由翻转 146 次的事故后，我想系统性重校邻居检测参数，但卡在取值与验证两件事上。

【现象 / 卡点】

1. keepalive 与 hold-timer 到底取多少，业界没有统一答案。我目前用默认 60s/180s，怀疑对端（运营商）实际并不跟我同值，导致我的收敛时间被对端拖长，但我无法确认对端跑的是什么参数。
2. 我真正关心的不是配置值本身，而是"对端从故障到我把流量切走"的端到端真实收敛窗口（秒级），以及这个窗口里业务侧实际丢了多少包。

【已尝试的排查与结果】

• 抓 BGP 报文统计了 hold-timer 倒计时与 neighbor down 的时间戳，只能看到本端检测耗时，看不到对端判定耗时；
• 试过一次本地把 hold-timer 压到 9s/3s，发现单跳 eBGP 下确实更快，但担心与运营商侧参数不一致时出现单边 flap，没敢固化；
• 还没有做"故意 down 对端接口 + 业务侧抓包"的端到端演练，缺一个可复现的验证方法。

【期望得到的答案形态】

1. keepalive/hold-timer 的推荐取值范围，以及"为什么是这个量级"的推理（结合 eBGP TTL、单跳/多跳、与 BFD 的关系）；
2. 在对端参数不可控（运营商）时，本端应如何取值才不会被拖慢、又不至于制造单边 flap；
3. 一套可复现的端到端验证步骤：如何故意制造对端故障、如何从业务侧统计真实丢包窗口、如何区分"本端检测慢"和"路由还没生效/ECMP 权重问题"。