[发明专利]在分布式集群中的可扩展故障恢复通信

说明书

各实施例涉及在节点集群中的计算节点之间进行通信。在一种情况下，计算机系统从工作节点接收包括工作节点的当前工作负载标识符和健康状态的数据分组，其中数据分组包括相关联的版本号。计算机系统确定接收到的数据分组中的版本号不同于先前接收到的数据分组，并且评估工作节点的当前工作负载配置以确定是否要在工作节点上做出工作负载变更。然后，在确定要在工作节点上做出工作负载变更时，计算机系统选择工作负载变更的子集以应用于工作节点，生成对工作节点的所选择的工作负载变更的子集的指示，并向工作节点发送所生成的工作负载变更的指示。

背景技术

计算系统已经变得无处不在，从小型嵌入式设备到手机和平板电脑，到PC和后端服务器。这些计算系统中的每一个被设计为处理软件代码。软件允许用户执行功能，与由计算系统提供的硬件交互。在一些情况下，这些计算系统可以链接在一起以形成计算资源的云。这些云资源可以包括托管、处理、数据存储或其他服务。这些云资源被设计为容错的，使得一个计算系统可以在需要时立即替换另一个计算系统。然而，这种容错系统可能生成大量的云内网络流量，从而确保系统正常工作。

本文描述的实施例涉及在节点集群中的计算节点之间进行通信。在一个实施例中，计算机系统(例如主节点)从工作节点(worker node，或工作者节点)接收包括工作节点的当前工作负载标识符和健康状态的数据分组，其中数据分组包括相关联的版本号。计算机系统确定接收到的数据分组中的版本号不同于先前发送到工作节点的最新工作负载配置的版本，并且评估工作节点的当前工作负载配置以确定是否要在工作节点上做出工作负载变更。然后，在确定要在工作节点上做出工作负载变更时，计算机系统选择工作负载变更的子集以应用于工作节点，生成对工作节点的所选择的工作负载变更的子集的指示，并向工作节点发送所生成的工作负载变更的指示。

在另一实施例中，计算机系统(例如工作节点)生成包括工作负载标识符(ID)的列表的数据分组，该工作负载标识符由工作节点负责。数据分组还包括针对每个工作负载ID的版本号和工作负载健康状态。计算机系统向节点集群中的主节点发送所生成的数据分组，并且接收差量数据分组，该差量数据分组包括指定将应用于工作节点的工作负载中的至少一个工作负载的所选择的变更的子集的信息。然后，计算机系统将所选择的工作负载变更的子集应用于工作节点上的工作负载。

本发明内容被提供以用于以简化形式介绍概念的选择，其在以下的具体实施方式中将做出进一步的描述。本发明内容并不旨在识别要求保护的主题的关键特征或者核心特征，其也并不旨在被用来确定要求保护的主题的范围。

附加的特征和优点将在下面的描述中阐述，并且从描述中部分地对于本领域的普通技术人员将是显而易见的，或者可以通过实践本文的教导而习得。本文描述的实施例的特征和优点可以通过在所附权利要求中特别指出的手段和组合来实现和获得。通过以下描述和所附权利要求，本文描述的实施例的特征将变得更加显而易见。

附图说明

为了进一步阐明本文描述的实施例的上述和其他特征，将通过参考附图给出更具体的描述。应当理解，这些附图仅仅描绘了本文所描述的实施例的示例，因此不应被认为是对其范围的限制。将通过使用附图以附加的特性和细节来描述和解释实施例，在附图中：

图1示出了计算机体系结构，其中本文描述的实施例可以包括在节点集群中的计算节点之间进行通信。

图2示出了用于在节点集群中的计算节点之间通信的示例方法的流程图。

图3示出了用于在节点集群中的计算节点之间通信的备选示例方法的流程图。

图4示出了其中主集群中的主节点正在监视和控制工作集群中的工作节点的实施例。

图5示出了其中主节点和工作节点使用心跳分组和差量数据分组进行通信的实施例。

图6示出了其中工作节点确定工作节点与主节点之间的物理链路上的连通性的实施例。

具体实施方式