[发明专利]一种云平台故障恢复方法和系统

说明书

技术领域

本发明涉及云计算领域,尤其涉及一种云平台故障恢复方法和系统。

背景技术

随着云平台的快速发展，云平台的大范围运用也已经进入我们的视野。随着云计算规模的扩大，不可靠的硬件成为了云平台最基本的挑战。集群规模达到上千台后，单机上的小概率事件变成了必然的、频繁发生的事件。硬盘、硬盘控制器、CPU、内存、主板、电源等故障造成的宕机每天都会发生。这类硬件失效故障，我们称之为“硬”故障（fail-stop故障）。此外，还有一类故障现象不那么明显，称之为“软”故障，例如，磁盘可访问但速度只有正常的1/10，服务器没有宕机但程序运行缓慢，网络时好时坏，等等。这类“软”故障同样会影响服务质量，因为在线服务如果执行缓慢会造成客户端超时，而对离线作业而言，哪怕只有1%的数据处理任务缓慢，也会拖延整个数据分析作业的完成时间。

硬、软故障发生都会对系统的可靠性甚至可用性造成不良影响，因此如何及时有效的进行故障检测和恢复就变的比较关键。对于硬故障的检测业界已经有成熟的方案，检测“软”故障有两种思路：一种思路是针对每种具体故障设计检测方法。但“软”故障产生的原因可能很多，例如执行缓慢可能是服务器硬件故障、网络故障、磁盘故障、操作系统软件故障等，逐一检测会使系统过于复杂。

发明内容

本发明的目的在于提出一种云平台故障恢复方法和系统，保障云平台在宏观上的硬件可靠，防止硬件层面的问题对用户体验产生不良影响。

为达此目的，本发明采用以下技术方案：

一种云平台故障恢复方法，包括：

通过任务执行时间和磁盘读写速度对服务器进行故障检测；

通过故障检测的结果计算出系统的服务器故障率；

如果服务器故障率小于预置的阈值，对服务器进行自动恢复，否则，禁止对服务器进行自动恢复。

进一步的，所述通过任务执行时间和磁盘读写速度对服务器进行故障检测包括：

检测服务器的任务执行时间，如果该服务器的任务执行时间大于等于预置的任务故障时间，检测出该服务器发生执行任务故障；

检测服务器的磁盘读写速度，如果该服务器的磁盘读写速度大于等于预置的磁盘读写故障速度，检测出该服务器发生读写磁盘故障。

进一步的，所述检测出该服务器发生读写磁盘故障之后，还包括：

停止将新数据写入该故障磁盘，将该故障磁盘的数据拷贝到其他磁盘作为副本，当该故障磁盘的全部数据拷贝到其他磁盘后停止使用该故障磁盘。

进一步的，进一步包括：

对于写入目标服务器的磁盘的数据，当该数据进入目标服务器的内存时，反馈数据成功写入磁盘信息，将该数据成功写入磁盘信息写入保存在内存中的内存日志文件。

进一步的，所述检测服务器的任务执行时间具体为：通过所述内存日志文件检测服务器的任务执行时间。

一种云平台故障恢复系统，包括：

故障检测模块，用于通过任务执行时间和磁盘读写速度对服务器进行故障检测；

计算模块，用于通过故障检测的结果计算出系统的服务器故障率；

自动恢复模块，用于如果服务器故障率小于预置的阈值，对服务器进行自动恢复，否则，禁止对服务器进行自动恢复。

进一步的，故障检测模块包括：

执行时间检测单元，用于检测服务器的任务执行时间，如果该服务器的任务执行时间大于等于预置的任务故障时间，检测出该服务器发生执行任务故障；

读写速度检测单元，用于检测服务器的磁盘读写速度，如果该服务器的磁盘读写速度大于等于预置的磁盘读写故障速度，检测出该服务器发生读写磁盘故障。

进一步的，还包括：

备份模块，用于停止将新数据写入该故障磁盘，将该故障磁盘的数据拷贝到其他磁盘作为副本，当该故障磁盘的全部数据拷贝到其他磁盘后停止使用该故障磁盘。

进一步的，还包括：

日志写入模块，用于对于写入目标服务器的磁盘的数据，当该数据进入目标服务器的内存时，反馈数据成功写入磁盘信息，将该数据成功写入磁盘信息写入保存在内存中的内存日志文件。

进一步的，所述检测服务器的任务执行时间具体为：通过所述内存日志文件检测服务器的任务执行时间。

本发明的有益效果为：本发明通过提供一种云平台故障恢复方法，通过从宏观现象来检测硬件故障，找寻故障服务器和磁盘，采用有效的故障自动恢复的策略，用户故障恢复实现了在线应用的低延时需求。

附图说明

图1是本发明一种云平台故障恢复方法的第一实施例流程图；