[發明專利]一種基于分布式故障監控的方法和虛擬機高可用系統

有效

• 申請號: 202010812521.2
• 申請日: 2020-08-13
• 公開（公告）號: CN111953566B
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 姚培;瞿洪桂;馮龍飛;趙策
• 申請（專利權）人: 北京中電興發科技有限公司
• 主分類號: H04L43/0817
• 分類號: H04L43/0817;H04L41/0659;G06F9/455
• 代理公司: 北京市盛峰律師事務所 11337
• 代理人: 于國強

一種基于分布式故障監控的方法和虛擬機高可用系統，從物理機的管理網絡層、存儲網絡層和業務網絡層多個層面監控物理機狀態，并檢測虛擬機生命周期的異常和運行進程的運行狀態；并及時針對不同的故障組合執行不同的反應動作，將中斷的虛擬機及時恢復；本發明實現了從多個維度檢測云平臺的狀態，避免因為不同層面的狀態不正常的而觸發相同的HA操作,導致非預期的業務中斷，根據不同的故障執行不同的隔離恢復操作，避免因為恢復業務的動作而引入非預期的故障，避免因為恢復故障虛擬機業務而造成其他虛擬機的中斷，提高云平臺的穩定性和可靠性；本發明實現了分布式的故障檢測，避免了因為單節點故障而造成高可用系統的不可用。

技術領域

本發明涉及網絡故障監控領域，尤其涉及一種基于分布式故障監控的方法和虛擬機高可用系統。

背景技術

隨著傳統的應用變得越來越復雜，需要支持更多用戶，提供更強計算能力，保證穩定性，增強安全性，為了支撐這些不斷增長的需求，企業不得不購買各類硬件設備和軟件，最困難的是，還需組建一個完整的團隊來維護這些設備或軟件的正常運作，這些維護工作主要包括安裝、配置、測試、運行、升級以及保證系統的安全等。整個維護流程完整運行下來，會發現開銷變得非常巨大，而且費用會隨著應用的規模的增加而不斷提高。然而，傳統模式下的資源利用率并不高，造成了極大的浪費，于是云計算應運而生。

隨著越來越多傳統IT架構下的用戶轉入云計算，企業應用云已經是大勢所趨，而傳統集中式應用系統的非中斷運行幾乎完全依賴于服務器的高可用性。如果云服務要求7X24小時不宕機，則無法滿足需求或滿足的成本會非常高。因此，虛擬機高可用功能也是眾多云用戶所急需的。現有的主流虛擬機高可用的方案只是基于管理網絡層面對物理機進行故障檢測，當管理網絡心跳中斷時，便會觸發高可用動作，目前的云計算場景下，管理網、存儲網、業務網是獨立基于不同的硬件獨立部署的，倘若只有管理網心跳中斷，并不會影響到虛擬機的正常運行，業務也沒有感知到中斷，此時若觸發HA動作，反而會產生業務中斷，導致不必要的損失。

發明內容

本發明的目的在于提供一種基于分布式故障監控的方法和虛擬機高可用系統，從而解決現有技術中存在的前述問題。

為了實現上述目的，本發明采用的技術方案如下：

一種基于分布式故障監控的方法，包括物理機故障檢測、虛擬機生命周期事件檢測和運行進程檢測；

物理機的檢測包括以下步驟:

S101、檢測所述常駐進程所在節點的自身網絡狀態，若自身網絡狀態不正常，則停止檢測；若自身網絡狀態正常，則開始檢測所述非維護態節點；

S02、獲取所述非維護態節點的信息，檢測所述非維護態節點中是否有檢測任務運行，若所述非維護態節點中沒有所述檢測任務，則新建所述檢測任務；否則，所述常駐進程所在節點開始執行所述非維護節點的檢測任務；

S103、所述檢測任務設置有預設最大時長，若所述檢測任務的執行時間超過所述預設最大時長，則更換常駐進程所在的節點對所述非維護態節點執行所述檢測任務；若未超過所述預設最大時長，則跳過所述非維護節點，開始下一個所述非維護節點的檢測；

S104、若被檢測的所述非維護態節點的檢測結果為狀態正常，則停止運行對應所述非維護態節點的檢測任務，開始執行下一個所述非維護態節點的檢測任務；否則，獲取所述檢測任務對應的所述非維護態節點信息，生成故障通知并發送；

S105、重復步驟S102ˉS104，當所有所述非維護態節點的所述檢測任務全部執行一遍，則結束一輪所述物理機的檢測周期；

虛擬機的生命周期事件檢測包括以下步驟：

S201、建立與所述節點虛擬化軟件之間的連接，查詢所述節點上的虛擬機信息，并監聽所述虛擬機的生命周期；

S202、所檢測到的虛擬機存在異常的生命周期事件時，獲取所述事件對應的所述虛擬機信息；