[发明专利]服务器挂起监测和自动重启方法以及应用其的服务器

说明书

本发明公开了一种服务器挂起监测和自动重启方法以及应用其的服务器，其中方法包括以下步骤：服务器启动后开启失联监测线程检测系统是否挂起，按顺序进行打开文件、关闭文件、更新全局状态变量为当前时间、休眠第一时间的循环操作；设置心跳包发送线程，心跳包在发送间隔监测全局状态变量，查看全局状态变量和当前系统时间是否偏差超过给定的阈值；如果没有超过，则向集群管理器发送正常心跳包；如果超过，则在心跳包内附加系统挂起信息，同时通过智能平台管理接口重启服务器。本发明可自动检测到服务器内核挂起的情况并自动重启服务器。

技术领域

本发明属于服务器管理技术领域，具体涉及一种服务器挂起监测和自动重启方法以及应用其的服务器。

背景技术

在可用性要求较高的广电行业，服务器一般采用主备方式，组成服务器集群，由集群管理服务器控制。当一台主服务器宕机时，集群管理服务器监测到后自动切换到备服务器。服务器操作系统内核偶尔会挂起，内核全部或部分失效。挂起现象可表现为无法远程登录；接入显示器和键盘后系统无响应；已有的网络连接可能仍在工作，能或不能ping通。此时只能人工强制断电重启，且重启后无任何日志。根据经验，挂起一般是固态硬盘(SolidState Disk，SSD)故障造成的。SSD会影响操作系统的文件系统，造成无法产生新的文件句柄，从而一切新的系统资源的申请完全失败，造成功能失效，而已申请的系统资源仍可以工作。

集群管理服务器一般有心跳监测机制，服务器故障造成心跳超时的时候会把任务迁移到集群中的备用服务器上继续运行，保证业务正常。而服务器挂起故障发生时，由于在服务器之间的心跳连接已经建立，所以心跳机制仍可能在正常工作。这样服务器挂起时无法自动切换到备用服务器，造成重大事故。

另外系统无法自动重启，必需要人工到机房进行强制断电重启，给运维人员造成不便，如果值班室和机房相距较远，甚至无法到现场，从而无法及时处理，造成长时间业务中断重大事故。现有一般使用系统监控软件，监控服务器的运行状况，比如系统负载，内存使用率等，及时发现服务器故障后人工重启。

但是现有技术仍存在以下不足之处：(1)服务器内核挂起没有可靠的监控项来判断。(2)监控多项指标增加系统负载。(3)故障发生后需要人工参与。

发明内容

本发明要解决的技术问题是提供一种服务器挂起监测和自动重启方法以及应用其的服务器，可自动检测到服务器内核挂起的情况并自动重启服务器。

为解决上述技术问题，本发明采用如下的技术方案：

本发明实施例一方面提供一种服务器挂起监测和自动重启方法，包括以下步骤：

服务器启动后开启失联监测线程检测系统是否挂起，按顺序进行打开文件、关闭文件、更新全局状态变量为当前时间、休眠第一时间的循环操作；

设置心跳包发送线程，心跳包在发送间隔监测全局状态变量，查看全局状态变量和当前系统时间是否偏差超过给定的阈值；如果没有超过，则向集群管理器发送正常心跳包；如果超过，则在心跳包内附加系统挂起信息，同时通过智能平台管理接口重启服务器。

优选地，集群控制器在收到心跳包后解析失联监测结果，如果确定系统已经挂起，则记录到系统日志中。

优选地，通过智能平台管理接口重启服务器进一步包括：服务器具有基板管理控制器BMC和linux操作系统，linux操作系统载驱动，生成一个/dev/ipmi0的服务器文件，使用该服务器文件和BMC通讯，通讯协议为IPMI相关协议。

优选地，服务器启动时先打开/dev/ipmi0的服务器文件。

本发明实施例的有一方面提供一种服务器，包括：

失联监测线程单元，用于在服务器启动后开启，检测系统是否挂起，按顺序进行打开文件、关闭文件、更新全局状态变量为当前时间、休眠第一时间的循环操作；