[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

说明书

一种基于分布式故障监控的方法和虚拟机高可用系统，从物理机的管理网络层、存储网络层和业务网络层多个层面监控物理机状态，并检测虚拟机生命周期的异常和运行进程的运行状态；并及时针对不同的故障组合执行不同的反应动作，将中断的虚拟机及时恢复；本发明实现了从多个维度检测云平台的状态，避免因为不同层面的状态不正常的而触发相同的HA操作,导致非预期的业务中断，根据不同的故障执行不同的隔离恢复操作，避免因为恢复业务的动作而引入非预期的故障，避免因为恢复故障虚拟机业务而造成其他虚拟机的中断，提高云平台的稳定性和可靠性；本发明实现了分布式的故障检测，避免了因为单节点故障而造成高可用系统的不可用。

技术领域

本发明涉及网络故障监控领域，尤其涉及一种基于分布式故障监控的方法和虚拟机高可用系统。

背景技术

随着传统的应用变得越来越复杂，需要支持更多用户，提供更强计算能力，保证稳定性，增强安全性，为了支撑这些不断增长的需求，企业不得不购买各类硬件设备和软件，最困难的是，还需组建一个完整的团队来维护这些设备或软件的正常运作，这些维护工作主要包括安装、配置、测试、运行、升级以及保证系统的安全等。整个维护流程完整运行下来，会发现开销变得非常巨大，而且费用会随着应用的规模的增加而不断提高。然而，传统模式下的资源利用率并不高，造成了极大的浪费，于是云计算应运而生。

随着越来越多传统IT架构下的用户转入云计算，企业应用云已经是大势所趋，而传统集中式应用系统的非中断运行几乎完全依赖于服务器的高可用性。如果云服务要求7X24小时不宕机，则无法满足需求或满足的成本会非常高。因此，虚拟机高可用功能也是众多云用户所急需的。现有的主流虚拟机高可用的方案只是基于管理网络层面对物理机进行故障检测，当管理网络心跳中断时，便会触发高可用动作，目前的云计算场景下，管理网、存储网、业务网是独立基于不同的硬件独立部署的，倘若只有管理网心跳中断，并不会影响到虚拟机的正常运行，业务也没有感知到中断，此时若触发HA动作，反而会产生业务中断，导致不必要的损失。

发明内容

本发明的目的在于提供一种基于分布式故障监控的方法和虚拟机高可用系统，从而解决现有技术中存在的前述问题。

为了实现上述目的，本发明采用的技术方案如下：

一种基于分布式故障监控的方法，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、检测所述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，则开始检测所述非维护态节点；

S02、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，则更换常驻进程所在的节点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，则跳过所述非维护节点，开始下一个所述非维护节点的检测；

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，开始执行下一个所述非维护态节点的检测任务；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、建立与所述节点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、所检测到的虚拟机存在异常的生命周期事件时，获取所述事件对应的所述虚拟机信息；