[发明专利]故障节点隔离方法及集群系统

说明书

本发明实施例提供一种故障节点隔离方法及集群系统。所述方法包括：首先，集群系统的各个节点检测所述集群系统中是否存在访问存储故障的故障节点；接着，当存在故障节点时，所述故障节点向所述集群系统中的正常节点发送故障节点不能访问的集群文件系统的信息；最后，所述故障节点将所述故障节点不能访问的集群文件系统进行解挂载。上述方法可以在存储网络异常时，对不能存储访问的集群文件系统进行隔离，相对于直接隔离节点所在物理主机的方式，隔离的粒度更小，不会影响节点上其他业务。

技术领域

本发明涉及共享文件系统技术领域，具体而言，涉及一种故障节点隔离方法及集群系统。

背景技术

共享文件系统在网络环境下，通过在不同操作系统下主机之间相互传输文件，从使用者的角度而言，不用考虑网络传输及访问细节，完全像是访问本地文件一样访问网络中其他服务器文件系统中的文件。

在共享文件系统中，一般采用多台服务器构成集群系统，当一个节点由于客观因素(比如，节点所在的存储链路出现故障)无法继续访问时，需要将该故障节点从集群系统中踢出。现有技术中，采用直接重启该故障节点的方式，对该故障节点进行隔离。然而，上述方法存在着单纯的重启物理主机使得被重启物理主机上其他业务中断，重启物理主机所消耗的时间，还会给运行在被重启物理主机的其他业务恢复带来更大的时延消耗。

发明内容

为了克服现有技术中的上述不足，本发明实施例的目的在于提供一种故障节点隔离方法，应用于集群系统；所述方法包括：

所述集群系统的各个节点检测所述集群系统中是否存在访问故障的故障节点；

当存在故障节点时，所述故障节点向所述集群系统中的正常节点发送故障节点不能访问存储的集群文件系统的信息；

所述故障节点将所述故障节点不能访问的集群文件系统进行解挂载。

上述方法可以在存储异常时，将隔离手段由简单的重启物理主机变更为对不能访问的集群文件系统进行隔离，相对于直接隔离节点所在物理主机的方式，隔离的粒度更小，不会影响节点上其他业务，可以防止重启物理主机对运行在物理主机上其他业务带来的时延消耗。

可选地，在上述方法中，所述集群系统中多个节点上同时挂载的集群文件系统包括集群成员管理位图，集群成员管理位图的比特位与能访问该集群文件系统的各个节点对应，在所述故障节点向所述集群系统中的正常节点发送故障节点不能访问的集群文件系统的信息之后，所述方法还可以包括：

所述正常节点在接收到所述信息后，将所述故障节点不能访问的集群文件系统的集群成员管理位图里与故障节点对应的比特位清零。

可选地，在上述方法中，所述集群系统的各个节点检测所述集群系统中是否存在访问故障的故障节点的步骤，包括：

每个节点检测磁盘心跳能否在预设时间阈值内成功写入该节点在存储区域的指定心跳区域，若能成功写入，判定该节点为正常节点，若不能成功写入，判定该节点为故障节点。

可选地，在上述方法中，在将所述故障节点不能访问的集群文件系统的集群成员管理位图里与故障节点对应的比特位清零之后，所述方法还可以包括：

所述正常节点发送消息到故障节点查询故障节点是否已经开始对所述故障节点不能访问的集群文件系统解挂载；

在查询到故障节点还未开始解挂载时，所述正常节点通知所述故障节点进行解挂载处理。

可选地，在上述方法中，所述故障节点将所述故障节点不能访问的集群文件系统进行解挂载，包括：

将所述集群系统中的节点分别划分到故障域和工作域，其中，每个故障域包括一个节点，所述工作域包括除故障域中节点之外的其他节点；

所述工作域和故障域中的节点分别进行分布式锁管理处理(DLM Recovery)。