[發(fā)明專利]一種分布式系統(tǒng)網(wǎng)絡性能分析及故障診斷方法

有效

• 申請?zhí)枺?/td>: 201410508685.0
• 申請日: 2014-09-28
• 公開（公告）號: CN104270268B
• 公開（公告）日: 2017-12-05
• 發(fā)明（設計）人: 張攀勇;彭成;季旻;苗艷超
• 申請（專利權）人: 曙光信息產(chǎn)業(yè)股份有限公司
• 主分類號: H04L12/24
• 分類號: H04L12/24;H04L12/26
• 代理公司: 北京安博達知識產(chǎn)權代理有限公司11271
• 代理人: 徐國文

1.一種分布式系統(tǒng)網(wǎng)絡性能分析及故障診斷方法，其特征在于：所述方法包括以下步驟：

步驟1：在被監(jiān)控的分布式系統(tǒng)上部署監(jiān)控服務；

步驟2：根據(jù)分布式系統(tǒng)的特征，運行管理服務；

步驟3：進行網(wǎng)絡拓撲發(fā)現(xiàn)；

步驟4：確定被監(jiān)控節(jié)點的監(jiān)控節(jié)點集合；

步驟5：管理服務收集節(jié)點狀態(tài)信息并進行分析；

步驟6：網(wǎng)絡性能探測；

步驟7：網(wǎng)絡狀態(tài)分析，確定可能存在的故障；

所述步驟1中，根據(jù)被監(jiān)控的分布式系統(tǒng)規(guī)模，確定被監(jiān)控節(jié)點，并在被監(jiān)控節(jié)點上部署監(jiān)控服務；所述被監(jiān)控節(jié)點定義為分布式系統(tǒng)中需要被監(jiān)控的服務所在節(jié)點，包括服務器和網(wǎng)絡設備；

監(jiān)控服務負責監(jiān)控所在節(jié)點的網(wǎng)絡狀態(tài)，包括網(wǎng)卡的硬件狀態(tài)和操作系統(tǒng)提供的性能計數(shù)信息；

監(jiān)控服務接收管理服務的命令并執(zhí)行，命令包括網(wǎng)絡探測命令和網(wǎng)絡性能測試命令；

監(jiān)控服務根據(jù)管理服務發(fā)出的網(wǎng)絡探測命令，進行網(wǎng)絡探測；并根據(jù)管理服務發(fā)出的網(wǎng)絡性能測試命令，進行節(jié)點之間的網(wǎng)絡性能測試；

所述步驟2中，在管理節(jié)點上運行管理服務，管理服務根據(jù)分布式系統(tǒng)特征，選擇被監(jiān)控節(jié)點，啟動監(jiān)控服務，并與被監(jiān)控節(jié)點上的監(jiān)控服務相連接；

管理服務與監(jiān)控服務的連接方式根據(jù)分布式系統(tǒng)的規(guī)模而定：

對于小規(guī)模分布式系統(tǒng)，管理服務直接與所有的監(jiān)控服務連接；

對于大規(guī)模分布式系統(tǒng)，管理服務采用樹形層級方式連接，即上層管理服務管理不同分區(qū)的管理服務，單個分區(qū)管理服務只管理設定數(shù)量的節(jié)點和網(wǎng)絡；

所述步驟3中，管理服務對分布式系統(tǒng)的所有網(wǎng)絡設備發(fā)起網(wǎng)絡拓撲發(fā)現(xiàn)，以確定網(wǎng)絡拓撲信息，并將網(wǎng)絡該拓撲信息存儲到管理服務中；如果分布式系統(tǒng)所處的網(wǎng)絡設備不支持拓撲發(fā)現(xiàn)，則根據(jù)管理員提供的拓撲配置構建網(wǎng)絡拓撲信息；

所述步驟4中，被監(jiān)控節(jié)點支持以下三種監(jiān)控方式：

(1)全系統(tǒng)掃描方式：對分布式系統(tǒng)的所有節(jié)點和網(wǎng)絡設備進行掃描，則監(jiān)控節(jié)點集合為系統(tǒng)內(nèi)部所有節(jié)點和網(wǎng)絡設備；

(2)管理員指定方式：管理員通過配置指定監(jiān)控節(jié)點集合；

(3)應用程序指定，故障時監(jiān)控集合掃描方式：應用程序通過API指定監(jiān)控節(jié)點集合，系統(tǒng)在發(fā)現(xiàn)可疑故障之后針對特定節(jié)點掃描；該監(jiān)控方式的具體過程如下：

3-1)：應用程序指定需要監(jiān)控的節(jié)點；

3-2)：監(jiān)控服務定期監(jiān)控節(jié)點的狀態(tài)，如果發(fā)現(xiàn)網(wǎng)絡狀態(tài)異常，則將本節(jié)點的異常通信狀態(tài)主動通知給管理服務；

3-3)：管理服務在接收到節(jié)點異常通信狀態(tài)通知后，根據(jù)網(wǎng)絡拓撲計算出通信路徑，將通信路徑上的所有網(wǎng)絡設備和節(jié)點，加入監(jiān)控節(jié)點列表；

所述步驟5包括以下步驟：

步驟5-1：管理服務向監(jiān)控節(jié)點集合中的監(jiān)控服務發(fā)起節(jié)點狀態(tài)信息收集命令；

步驟5-2：監(jiān)控服務接收到節(jié)點狀態(tài)信息收集命令后，收集本節(jié)點網(wǎng)絡設備的狀態(tài)，并將結果返回給管理服務；

步驟5-3：管理服務收集到所有節(jié)點的狀態(tài)信息進行分析，確認存在故障的網(wǎng)絡設備，并將存在故障的網(wǎng)絡設備在管理服務的網(wǎng)絡拓撲信息中標出；

步驟5-4：管理服務將存在故障的網(wǎng)絡設備的列表上報給管理員，通知管理員進行維護；

所述步驟6包括以下步驟：

步驟6-1：管理服務向監(jiān)控節(jié)點集合中的監(jiān)控節(jié)點成對發(fā)起主動網(wǎng)絡性能探測，性能指標包括雙向網(wǎng)絡延遲、網(wǎng)絡帶寬和網(wǎng)絡性能穩(wěn)定性，并收集節(jié)點路徑上的所有網(wǎng)絡設備的計數(shù)器；

步驟6-2：節(jié)點上的監(jiān)控服務在收到網(wǎng)絡性能探測請求后，主動向對應節(jié)點發(fā)起探測消息操作，并將結果返回給管理服務；

步驟6-3：管理服務選擇成對監(jiān)控節(jié)點的算法，包括排列組合算法和貪心算法；

所述步驟7中，管理服務在接收到步驟5和步驟6的結果之后，根據(jù)步驟3獲得的網(wǎng)絡拓撲信息進行網(wǎng)絡狀態(tài)分析，綜合所有網(wǎng)絡設備的計數(shù)器以及節(jié)點之間的通信測試性能，確定存在故障的網(wǎng)絡設備或者鏈路，可能存在的故障包括網(wǎng)卡設備硬件故障、網(wǎng)卡工作模式錯誤、網(wǎng)卡接口與節(jié)點接口不匹配、連接線纜斷開、連接線纜不穩(wěn)定和交換機故障。