[发明专利]一种故障检测方法、装置及电子设备

说明书

本申请提供一种故障检测方法、装置及电子设备；所述故障检测方法包括：对于待检测故障的用户实例，获取所述用户实例的资源使用量及资源量上限；比较所述用户实例的资源使用量及资源量上限，根据比较结果确定所述用户实例是否存在故障。本申请至少一个实施例可以更加准确的对故障进行排查。

技术领域

本发明涉及云计算领域，尤其涉及一种故障检测方法、装置及电子设备。

背景技术

在云计算系统中，用户购买的云端的各种云服务称为用户实例，可以包括主机实例，数据库实例，对象存储实例，日志实例等；一个用户实例在用户看来就是一个完整的设备，但在云端是多个用户实例共享同一个或多个物理主机。

对于一个用户实例，当用户部分请求变慢，发现服务器无法及时响应时，需要进行故障判断。由于云计算系统涉及的软硬件层次和技术众多，比如应用系统，操作系统，驱动程序，硬件等等各个模块都有可能是故障的来源，因此如果进行故障判断时对全部相关模块都检查一遍，耗时将会较多，通常短时间内无法准确判断是由于主机(本文所提及的主机均是指物理主机)本身软硬件故障，还是由于主机的资源使用瓶颈而导致响应时间变长。

现有的故障判断方案通常是采集主机的操作系统日志来做过滤故障关键字，抓取到关键字后，判断出该主机是否有故障发生。一般系统结构如图1所示，包括：

在用于向用户实例提供资源的主机上部署一个日志采集程序，负责采集该主机的日志，比如linux下的dmesg或/var/log等。然后通过日志过滤、分析程序将采集的日志和故障关键字进行文本匹配，将匹配出的故障信息(如果有)通过网络存储到数据存储(比如数据库等)设备中。然后对外提供故障数据访问接口，供查询该部分数据。

当发现主机的响应变慢时，外部系统访问故障数据访问接口来查询该主机是否有采集到故障信息，根据查询结果来判断是否为主机本身故障导致。

现有的故障判断方案存在以下缺点：

当外部系统查询该接口获取不到数据存储设备中的故障数据时，即认为该主机无故障发生，但没有故障数据有可能是因为日志收集不全或故障关键字设置不合理造成的，所以判断结果并不一定准确。

发明内容

本申请提供一种故障检测方法、装置及电子设备，可以更加准确的对故障进行排查。

本申请采用如下技术方案。

一种故障检测方法，包括：

对于待检测故障的用户实例，获取所述用户实例的资源使用量及资源量上限；

比较所述用户实例的资源使用量及资源量上限，根据比较结果确定所述用户实例是否存在故障。

其中，所述资源可以包括以下一或多种：

中央处理器CPU、内存、磁盘、网络；

所述资源使用量可以包括以下一种或多种：

CPU核数、内存大小、磁盘每秒输入输出量iops、磁盘带宽、网络带宽。

相应地，所述资源量上限可以包括以下一种或多种：

CPU核数上限、内存上限、iops上限、磁盘带宽上限、网络带宽上限。

其中，所述对于待检测故障的用户实例，获取所述用户实例的资源使用量及资源量上限前还可以包括：

周期性获取各用户实例的请求统计数据；

分别根据各用户实例的请求统计数据，判断各用户实例是否为待检测故障的用户实例。

其中，所述请求统计数据可以包括：每秒查询率QPS、每秒事务处理量TPS和响应时间RT；