[发明专利]一种在云环境下的应用故障定位方法

权利要求书

1.一种在云环境下的应用故障定位方法，其特征在于，包括

1）通过对应用系统分层，将应用所涉及的所有软硬设备集中统一监控管理，收集展示所有相关组件的性能数据、告警数据；

2）应用产生故障时，通过聚合分析对应时刻产生的所有告警数据，定位故障产生的根本原因；

3）对于云租户无法掌控的公共设备，采取对比分析定位，定位问题范围，结合云服务商技术支持可快速恢复；

4）综合分析各层组件性能数据、调用性能数据，定位性能瓶颈，给出专业的性能优化策略；

通过在应用所在的虚拟机或云物理机安装采集客户端，结合应用所需的网络拓扑信息，收集虚拟机性能信息，收集应用所使用的组件的性能数据和日志数据，收集应用组件的相互调用的性能数据；

通过在网络不相连的业务子网，复用虚拟机或部署前置机，用于汇总性能、日志、告警数据，监测端口，监测主机网络状态数据；

在政务云中心部署网络质量仿真分析系统服务端；提供一个以上的Rest API接口，用于采集客户端的注册，以及采集信息的接收存储、分析、告警及展示；

步骤如下：

（1）在应用所使用的所有虚机上部署数据采集agent，用户采集服务器性能、日志、告警数据；

（2）在网络隔离的不同的业务子网内各选定一台虚机，用于汇总整个业务子网内所有数据；

（3）对于虚机超过200台的业务子网，单独创建一台前置机，用于汇总整个业务子网内所有数据；

（4）在政务云中心部署网络质量仿真分析系统服务端；各业务子网的agent将数据汇总后，统一推送到服务端进行本地化存储；

（5）前台界面用于展示应用所在虚拟机的网络详情、手动配置监测端口、手动设置虚拟机是否需要监控、告警发送规则、分析告警产生原因；

（6）通过在不同地点，不同的互联网服务提供商提供的网络中部署采集节点，用于模拟用户访问，采集应用性能数据；

（7）应用故障定位系统服务端定时分析客户端上送的采集信息，监测采集到的信息，进行告警处理，如果是应用由正常转为异常，则执行步骤（8）；如果是应用由异常恢复正常，则执行（9）；

（8）应用故障定位系统服务端将异常信息推送至告警系统的消息队列，进行告警；

（9）应用故障定位系统服务端将异常解除信息推送至告警系统的消息队列，进行告警清除；

（10）监控分为应用层、服务层、网络接口层、服务器层和公共设备层5个层次类别；应用层主要针对业务应用系统的状态数据；服务层主要包括平台软件的状态数据；网络接口层主要包括主机网络状态数据；服务器层主要包括主机BIOS与操作系统状态数据；公共设备层主要包括整个云环境下所有业务子网公用的交换机、防火墙、DDoS设备；

5层组件是依赖关系，当应用发生故障时，通过逐层分析应用组件，快速定位应用故障，当其中一个层次的组件出现故障时，可及时处理，

应用故障的定位方法如下：通过多采集点拨测产生告警数据，对比内外网拨测数据以定位公共设备层问题，外部拨测产生告警而内部拨测正常则为公共设备层故障，都出现问题在可以暂时排除公共设备层问题；通过应用所使用服务层告警，对比网络接口层的端口存活情况，可定位设备问题，端口失活但服务层组件正常，可定位设备问题，反之定位为服务层组件问题；服务组件故障则需进一步定位服务器层信息，通过判断进程状态、CPU、内存、磁盘、网络的具体信息，可具体定位导致应用故障的服务器故障。

2.根据权利要求1所述的方法，其特征在于：

在应用所在的其中一个业务子网内部署应用故障定位系统服务端，用于用户自定义配置、应用整体情况信息展示、应用故障告警；

通过针对数据库、消息队列、服务方面的集群化部署，实现服务端的HA高可用特性；并通过负载均衡方式提升服务端Rest API的并发处理性能；

所述服务端需要保证同时与应用所在的不同业务子网的用于数据汇总的虚拟机联通，以收集汇总所有性能、日志、告警数据，实现对应用故障的定位。