[發(fā)明專利]分布式存儲(chǔ)集群的故障定位方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110536958.2
• 申請日: 2021-05-14
• 公開（公告）號: CN115348157B
• 公開（公告）日: 2023-09-05
• 發(fā)明（設(shè)計(jì)）人: 戴偉;郭岳;吳天東
• 申請（專利權(quán)）人: 中國移動(dòng)通信集團(tuán)浙江有限公司;中國移動(dòng)通信集團(tuán)有限公司
• 主分類號: H04L41/0677
• 分類號: H04L41/0677;H04L43/0852;H04L43/16
• 代理公司: 深圳市世紀(jì)恒程知識(shí)產(chǎn)權(quán)代理事務(wù)所 44287
• 代理人: 劉瑞花

本發(fā)明公開了分布式存儲(chǔ)集群的故障定位方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，所述方法包括：獲取分布式存儲(chǔ)集群的節(jié)點(diǎn)信息和組網(wǎng)信息，并根據(jù)所述節(jié)點(diǎn)信息和組網(wǎng)信息生成網(wǎng)絡(luò)拓?fù)洌徊杉鼍W(wǎng)絡(luò)拓?fù)渲懈鞴?jié)點(diǎn)之間的時(shí)延數(shù)據(jù)；根據(jù)所述時(shí)延數(shù)據(jù)確定平均時(shí)延，并將所述平均時(shí)延與時(shí)延閾值進(jìn)行比較；在所述平均時(shí)延超過所述時(shí)延閾值時(shí)，進(jìn)行預(yù)警，并獲取預(yù)設(shè)定位策略；根據(jù)所述預(yù)設(shè)定位策略對所述分布式存儲(chǔ)集群中的故障硬件進(jìn)行定位檢測，從而根據(jù)當(dāng)前分布式存儲(chǔ)集群的實(shí)際環(huán)境信息進(jìn)行及時(shí)預(yù)警，并采用預(yù)設(shè)定位策略進(jìn)行定位檢測，相較于現(xiàn)有技術(shù)，能根據(jù)實(shí)際網(wǎng)絡(luò)環(huán)境更及時(shí)的進(jìn)行故障定位。

技術(shù)領(lǐng)域

本發(fā)明涉及故障檢測技術(shù)領(lǐng)域，尤其涉及一種分布式存儲(chǔ)集群的故障定位方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

現(xiàn)有技術(shù)中，集群故障發(fā)現(xiàn)與定位的常用方法包括：(1)影響業(yè)務(wù)后人工排查，依靠時(shí)延數(shù)據(jù)和運(yùn)維經(jīng)驗(yàn)大致定位故障節(jié)點(diǎn)，再進(jìn)行切換或隔離；(2)利用日志關(guān)鍵字匹配，即通過監(jiān)控主機(jī)或交換機(jī)日志，匹配諸如up以及down等關(guān)鍵字來發(fā)現(xiàn)問題，根據(jù)日志可對有問題的節(jié)點(diǎn)進(jìn)行切換或隔離。上述方法存在的問題包括：排查手段單一低效，故障處理耗時(shí)長；監(jiān)控手段不完善，提前預(yù)警能力不足等。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于提出一種分布式存儲(chǔ)集群的故障定位方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，旨在解決分布式集群中硬件故障定位不及時(shí)的技術(shù)問題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供一種分布式存儲(chǔ)集群的故障定位方法，所述分布式存儲(chǔ)集群的故障定位方法包括以下步驟：

獲取分布式存儲(chǔ)集群的節(jié)點(diǎn)信息和組網(wǎng)信息，并根據(jù)所述節(jié)點(diǎn)信息和組網(wǎng)信息確定網(wǎng)絡(luò)拓?fù)洌?/p>

采集所述網(wǎng)絡(luò)拓?fù)渲懈髦鳈C(jī)節(jié)點(diǎn)之間的時(shí)延數(shù)據(jù)；

根據(jù)所述時(shí)延數(shù)據(jù)確定平均時(shí)延，并將所述平均時(shí)延與時(shí)延閾值進(jìn)行比較；

在所述平均時(shí)延超過所述時(shí)延閾值時(shí)，進(jìn)行預(yù)警，并獲取預(yù)設(shè)定位策略；

根據(jù)所述預(yù)設(shè)定位策略對所述分布式存儲(chǔ)集群中的故障硬件進(jìn)行定位檢測。

可選地，所述預(yù)設(shè)定位策略包括多輪循環(huán)定位策略；

所述根據(jù)所述預(yù)設(shè)定位策略對所述分布式存儲(chǔ)集群中的故障硬件進(jìn)行定位檢測，包括：

根據(jù)所述多輪循環(huán)定位策略對所述分布式存儲(chǔ)集群中的主機(jī)節(jié)點(diǎn)進(jìn)行遍歷，將遍歷到的節(jié)點(diǎn)作為服務(wù)器端節(jié)點(diǎn)，將所述網(wǎng)絡(luò)拓?fù)渲惺Ｓ嗟钠渌鳈C(jī)節(jié)點(diǎn)作為客戶端節(jié)點(diǎn)；

獲取各客戶端節(jié)點(diǎn)與所述服務(wù)器端節(jié)點(diǎn)之間的平均時(shí)延；

在遍歷結(jié)束時(shí)，根據(jù)所述各客戶端節(jié)點(diǎn)與所述服務(wù)器端節(jié)點(diǎn)之間的平均時(shí)延構(gòu)建平均時(shí)延集合；

確定所述平均時(shí)延集合中平均時(shí)延差異最大的目標(biāo)平均時(shí)延；

將所述目標(biāo)平均時(shí)延對應(yīng)的分布式集群中的主機(jī)節(jié)點(diǎn)定位為故障硬件。

可選地，所述在遍歷結(jié)束時(shí)，根據(jù)獲取的平均時(shí)延構(gòu)建平均時(shí)延集合之后，還包括：

在所述平均時(shí)延集合中未存在平均時(shí)延差異大的平均時(shí)延時(shí)，將所述分布式存儲(chǔ)集群中的主機(jī)節(jié)點(diǎn)進(jìn)行分組，得到若干組分布式集群，其中，若干組分布式集群中包括跨交換機(jī)的分布式集群；

根據(jù)所述多輪循環(huán)定位策略獲取各組分布式集群的平均時(shí)延；

將所述各組分布式集群的平均時(shí)延與平均時(shí)延閾值進(jìn)行比較；

將大于平均時(shí)延閾值的各組分布式集群對應(yīng)的交換機(jī)級聯(lián)口定位為故障硬件。

可選地，所述將所述各組分布式集群的平均時(shí)延與平均時(shí)延閾值進(jìn)行比較之后，還包括：