[發(fā)明專利]一種基于分布式故障監(jiān)控的方法和虛擬機(jī)高可用系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010812521.2
• 申請(qǐng)日: 2020-08-13
• 公開(kāi)（公告）號(hào): CN111953566B
• 公開(kāi)（公告）日: 2022-03-11
• 發(fā)明（設(shè)計(jì)）人: 姚培;瞿洪桂;馮龍飛;趙策
• 申請(qǐng)（專利權(quán)）人: 北京中電興發(fā)科技有限公司
• 主分類號(hào): H04L43/0817
• 分類號(hào): H04L43/0817;H04L41/0659;G06F9/455
• 代理公司: 北京市盛峰律師事務(wù)所 11337
• 代理人: 于國(guó)強(qiáng)

1.一種基于分布式故障監(jiān)控的方法，其特征在于，包括物理機(jī)故障檢測(cè)、虛擬機(jī)生命周期事件檢測(cè)和運(yùn)行進(jìn)程檢測(cè)；

物理機(jī)的檢測(cè)包括以下步驟:

S101、檢測(cè)常駐進(jìn)程所在節(jié)點(diǎn)的自身網(wǎng)絡(luò)狀態(tài)，若自身網(wǎng)絡(luò)狀態(tài)不正常，則停止檢測(cè)；若自身網(wǎng)絡(luò)狀態(tài)正常，則開(kāi)始檢測(cè)非維護(hù)態(tài)節(jié)點(diǎn)；

S102、獲取所述非維護(hù)態(tài)節(jié)點(diǎn)的信息，檢測(cè)所述非維護(hù)態(tài)節(jié)點(diǎn)中是否有檢測(cè)任務(wù)運(yùn)行，若所述非維護(hù)態(tài)節(jié)點(diǎn)中沒(méi)有所述檢測(cè)任務(wù)，則新建所述檢測(cè)任務(wù)；否則，所述常駐進(jìn)程所在節(jié)點(diǎn)開(kāi)始執(zhí)行所述非維護(hù)態(tài)節(jié)點(diǎn)的檢測(cè)任務(wù)；

S103、所述檢測(cè)任務(wù)設(shè)置有預(yù)設(shè)最大時(shí)長(zhǎng)，若所述檢測(cè)任務(wù)的執(zhí)行時(shí)間超過(guò)所述預(yù)設(shè)最大時(shí)長(zhǎng)，則更換檢測(cè)任務(wù)執(zhí)行單元對(duì)所述非維護(hù)態(tài)節(jié)點(diǎn)執(zhí)行所述檢測(cè)任務(wù)；若未超過(guò)所述預(yù)設(shè)最大時(shí)長(zhǎng)，則跳過(guò)所述非維護(hù)態(tài)節(jié)點(diǎn)，開(kāi)始判斷下一個(gè)所述非維護(hù)態(tài)節(jié)點(diǎn)的檢測(cè)任務(wù)是否超時(shí)；

S104、若被檢測(cè)的所述非維護(hù)態(tài)節(jié)點(diǎn)的檢測(cè)結(jié)果為狀態(tài)正常，則停止運(yùn)行對(duì)應(yīng)所述非維護(hù)態(tài)節(jié)點(diǎn)的檢測(cè)任務(wù)，開(kāi)始對(duì)下一個(gè)所述非維護(hù)態(tài)節(jié)點(diǎn)執(zhí)行所述檢測(cè)任務(wù)；否則，獲取所述檢測(cè)任務(wù)對(duì)應(yīng)的所述非維護(hù)態(tài)節(jié)點(diǎn)信息，生成故障通知并發(fā)送；

S105、重復(fù)步驟S102ˉS104，當(dāng)所有所述非維護(hù)態(tài)節(jié)點(diǎn)的所述檢測(cè)任務(wù)全部執(zhí)行一遍，則結(jié)束一輪所述物理機(jī)的檢測(cè)周期；

虛擬機(jī)的生命周期事件檢測(cè)包括以下步驟：

S201、建立所述節(jié)點(diǎn)與虛擬化軟件之間的連接，查詢所述節(jié)點(diǎn)上的虛擬機(jī)信息，并監(jiān)聽(tīng)所述虛擬機(jī)的生命周期；

S202、檢測(cè)到所述虛擬機(jī)存在異常的生命周期事件時(shí)，獲取所述異常的生命周期事件對(duì)應(yīng)的所述虛擬機(jī)信息；

S203、將步驟S202中檢測(cè)到的所述異常的生命周期事件的詳情和對(duì)應(yīng)的所述虛擬機(jī)信息作為故障信息，發(fā)送故障通知；

運(yùn)行進(jìn)程的檢測(cè)包括以下步驟：

S301、由常駐進(jìn)程獲取所有待檢測(cè)的運(yùn)行進(jìn)程的信息；

S302、遍歷檢查所有待檢測(cè)的運(yùn)行進(jìn)程，若所有待檢測(cè)的運(yùn)行進(jìn)程均正常運(yùn)行，則檢測(cè)周期結(jié)束；若待檢測(cè)的運(yùn)行進(jìn)程的運(yùn)行存在異常，則嘗試?yán)甬惓Ｍ顺龅倪M(jìn)程，并檢測(cè)拉起結(jié)果；

S303、若步驟S302中檢測(cè)到所述進(jìn)程拉起成功，則結(jié)束所述運(yùn)行進(jìn)程的檢測(cè)；而檢測(cè)到所述進(jìn)程拉起失敗，則收集所述運(yùn)行進(jìn)程對(duì)應(yīng)的節(jié)點(diǎn)信息和所述運(yùn)行進(jìn)程的信息，形成故障信息，發(fā)送故障通知。

2.根據(jù)權(quán)利要求1所述的基于分布式故障監(jiān)控的方法，其特征在于，將所述檢測(cè)任務(wù)進(jìn)行同步，當(dāng)所述檢測(cè)任務(wù)所在的所述非維護(hù)態(tài)節(jié)點(diǎn)已經(jīng)完成檢測(cè)時(shí)，執(zhí)行其他檢測(cè)任務(wù)的常駐進(jìn)程所在節(jié)點(diǎn)同步已檢測(cè)信息，避免對(duì)同一個(gè)所述非維護(hù)態(tài)節(jié)點(diǎn)進(jìn)行重復(fù)檢測(cè)。

3.一種基于分布式故障監(jiān)控的虛擬機(jī)高可用系統(tǒng)，其特征在于，包括故障檢測(cè)模塊、故障通知處理模塊和故障恢復(fù)模塊；所述故障檢測(cè)模塊的輸出端與所述故障通知處理模塊的輸入端向連接；所述故障通知處理模塊和所述故障恢復(fù)模塊之間進(jìn)行數(shù)據(jù)交互；

所述故障檢測(cè)模塊采用權(quán)利要求1所述的方法進(jìn)行故障監(jiān)控，通過(guò)讀取每一個(gè)節(jié)點(diǎn)的網(wǎng)絡(luò)配置信息，檢測(cè)物理機(jī)的網(wǎng)絡(luò)狀態(tài)，并向所述故障通知處理模塊發(fā)送網(wǎng)絡(luò)狀態(tài)異常的節(jié)點(diǎn)信息；調(diào)用接口接收虛擬機(jī)的生命周期事件，并向所述故障通知處理模塊發(fā)送生命周期事件異常的虛擬機(jī)信息；通過(guò)常駐進(jìn)程監(jiān)聽(tīng)預(yù)設(shè)的特定進(jìn)程的運(yùn)行狀態(tài)，并向所述故障通知處理模塊發(fā)送無(wú)法自行恢復(fù)的預(yù)設(shè)的特定進(jìn)程對(duì)應(yīng)的節(jié)點(diǎn)信息；

所述故障通知處理模塊接收所述故障檢測(cè)模塊發(fā)送的所述故障通知，進(jìn)行存儲(chǔ)；并傳輸給所述故障恢復(fù)模塊；接收所述故障恢復(fù)模塊返回的故障處理結(jié)果；

所述故障恢復(fù)模塊接收所述故障通知處理模塊傳輸?shù)墓收贤ㄖ⒏鶕?jù)不同的故障情況，判斷故障節(jié)點(diǎn)的隔離級(jí)別，并觸發(fā)不同的故障恢復(fù)任務(wù)，將故障恢復(fù)結(jié)果發(fā)送給所述故障通知處理模塊。

4.根據(jù)權(quán)利要求3所述的基于分布式故障監(jiān)控的虛擬機(jī)高可用系統(tǒng)，其特征在于，所述故障檢測(cè)模塊同時(shí)針對(duì)管理網(wǎng)絡(luò)層、存儲(chǔ)網(wǎng)絡(luò)層和業(yè)務(wù)網(wǎng)絡(luò)層的網(wǎng)絡(luò)狀態(tài)進(jìn)行檢測(cè)。