[发明专利]一种基于分布式故障监控的方法和虚拟机高可用系统

权利要求书

1.一种基于分布式故障监控的方法，其特征在于，包括物理机故障检测、虚拟机生命周期事件检测和运行进程检测；

物理机的检测包括以下步骤:

S101、检测常驻进程所在节点的自身网络状态，若自身网络状态不正常，则停止检测；若自身网络状态正常，则开始检测非维护态节点；

S102、获取所述非维护态节点的信息，检测所述非维护态节点中是否有检测任务运行，若所述非维护态节点中没有所述检测任务，则新建所述检测任务；否则，所述常驻进程所在节点开始执行所述非维护态节点的检测任务；

S103、所述检测任务设置有预设最大时长，若所述检测任务的执行时间超过所述预设最大时长，则更换检测任务执行单元对所述非维护态节点执行所述检测任务；若未超过所述预设最大时长，则跳过所述非维护态节点，开始判断下一个所述非维护态节点的检测任务是否超时；

S104、若被检测的所述非维护态节点的检测结果为状态正常，则停止运行对应所述非维护态节点的检测任务，开始对下一个所述非维护态节点执行所述检测任务；否则，获取所述检测任务对应的所述非维护态节点信息，生成故障通知并发送；

S105、重复步骤S102ˉS104，当所有所述非维护态节点的所述检测任务全部执行一遍，则结束一轮所述物理机的检测周期；

虚拟机的生命周期事件检测包括以下步骤：

S201、建立所述节点与虚拟化软件之间的连接，查询所述节点上的虚拟机信息，并监听所述虚拟机的生命周期；

S202、检测到所述虚拟机存在异常的生命周期事件时，获取所述异常的生命周期事件对应的所述虚拟机信息；

S203、将步骤S202中检测到的所述异常的生命周期事件的详情和对应的所述虚拟机信息作为故障信息，发送故障通知；

运行进程的检测包括以下步骤：

S301、由常驻进程获取所有待检测的运行进程的信息；

S302、遍历检查所有待检测的运行进程，若所有待检测的运行进程均正常运行，则检测周期结束；若待检测的运行进程的运行存在异常，则尝试拉起异常退出的进程，并检测拉起结果；

S303、若步骤S302中检测到所述进程拉起成功，则结束所述运行进程的检测；而检测到所述进程拉起失败，则收集所述运行进程对应的节点信息和所述运行进程的信息，形成故障信息，发送故障通知。

2.根据权利要求1所述的基于分布式故障监控的方法，其特征在于，将所述检测任务进行同步，当所述检测任务所在的所述非维护态节点已经完成检测时，执行其他检测任务的常驻进程所在节点同步已检测信息，避免对同一个所述非维护态节点进行重复检测。

3.一种基于分布式故障监控的虚拟机高可用系统，其特征在于，包括故障检测模块、故障通知处理模块和故障恢复模块；所述故障检测模块的输出端与所述故障通知处理模块的输入端向连接；所述故障通知处理模块和所述故障恢复模块之间进行数据交互；

所述故障检测模块采用权利要求1所述的方法进行故障监控，通过读取每一个节点的网络配置信息，检测物理机的网络状态，并向所述故障通知处理模块发送网络状态异常的节点信息；调用接口接收虚拟机的生命周期事件，并向所述故障通知处理模块发送生命周期事件异常的虚拟机信息；通过常驻进程监听预设的特定进程的运行状态，并向所述故障通知处理模块发送无法自行恢复的预设的特定进程对应的节点信息；

所述故障通知处理模块接收所述故障检测模块发送的所述故障通知，进行存储；并传输给所述故障恢复模块；接收所述故障恢复模块返回的故障处理结果；

所述故障恢复模块接收所述故障通知处理模块传输的故障通知，并根据不同的故障情况，判断故障节点的隔离级别，并触发不同的故障恢复任务，将故障恢复结果发送给所述故障通知处理模块。

4.根据权利要求3所述的基于分布式故障监控的虚拟机高可用系统，其特征在于，所述故障检测模块同时针对管理网络层、存储网络层和业务网络层的网络状态进行检测。