[发明专利]虚拟机的容灾备份方法、系统、计算机设备及存储介质

权利要求书

1.一种虚拟机的容灾备份方法，其特征在于，应用于虚拟机的容灾备份系统，所述虚拟机的容灾备份系统包括通信连接的计算机集群和存储服务器，所述计算机集群部署有多个VMware虚拟机，所述存储服务器存储有所述计算机集群中的每个计算机的参数信息，所述方法包括：

获取主虚拟机的标识，包括：

在所述多个VMware虚拟机依赖的VMware软件中获取对应的对象信息，所述对象信息为ManagedObjectReference的唯一性的数据对象，所述数据对象包括数据对象的类型与唯一性标识字符；

从所述对象信息中提取目标数据对象；

将所述目标数据对象中的唯一性标识字符确定为所述主虚拟机的标识；

根据所述主虚拟机的标识，从所述多个VMware虚拟机确定一个主虚拟机；

获取所述主虚拟机的参数信息，基于所述主虚拟机的参数信息及各个所述计算机的参数信息进行虚拟机接管配置，生成接管配置信息，所述接管配置信息包括备虚拟机的参数信息及用于部署备虚拟机的目标计算机，所述目标计算机是所述计算机集群中的一个计算机，所述主虚拟机的参数信息包括中央处理单元CPU版本、内存大小、磁盘信息、网络适配器信息；所述计算机的参数信息包括负载数据和性能数据；所述备虚拟机的参数信息包括所述备虚拟机的CPU版本、内存大小、磁盘信息、网络适配器信息；

其中，基于所述主虚拟机的参数信息及各个所述计算机的参数信息进行虚拟机接管配置，生成接管配置信息，包括：

将各个计算机的所述负载数据和所述性能数据输入预设负载均衡的第一机器学习模型中，所述第一机器学习模型的输出结果为所述目标计算机；将所述目标计算机的负载数据、性能数据以及所述主虚拟机的CPU版本、内存大小、磁盘信息、网络适配器信息输入预设虚拟机信息匹配的第二机器学习模型中，所述第二机器学习模型的输出结果为所述备虚拟机的参数信息，所述预设负载均衡的第一机器学习模型是指预先训练的用于在确保负载均衡的前提条件下，从计算机集群中选取与主虚拟机适配的目标计算机的卷积神经网络，所述预设虚拟机信息匹配的第二机器学习模型是指预先训练的用于根据目标计算机的参数信息和主虚拟机的参数信息，确定与主虚拟机的参数信息匹配的备虚拟机的参数信息的卷积神经网络；或，

根据各个计算机的所述负载数据和所述性能数据，确定目标计算机；基于所述目标计算机的负载数据和性能数据，确定对所述主虚拟机的CPU版本、内存大小、磁盘信息、网络适配器信息的修正信息，并利用所述修正信息分别修正所述主虚拟机的CPU版本、内存大小、磁盘信息、网络适配器信息，得到所述备虚拟机的CPU版本、内存大小、磁盘信息、网络适配器信息；

获取预先存储的备份计划信息，所述备份计划信息包括备份方式，所述备份方式包括全量备份和增量备份；

按照所述备份方式，读取所述主虚拟机的磁盘块数据，包括：

若所述备份方式为所述全量备份，则调用预设接口连接所述主虚拟机的磁盘，读取磁盘全量数据；

将所述磁盘全量数据存储在缓冲池中，从所述缓冲池中读取所述磁盘全量数据并进行压缩处理，得到所述磁盘块数据；

若所述备份方式为所述增量备份，则开启所述主虚拟机的数据块修改追踪CBT线程，读取磁盘增量数据；

将所述磁盘增量数据存储在缓冲池中，从所述缓冲池中读取所述磁盘增量数据并进行压缩处理，得到所述磁盘块数据；

将所述磁盘块数据写入所述备虚拟机，得到所述备虚拟机的备份数据集。

2.如权利要求1所述的虚拟机的容灾备份方法，其特征在于，在所述将所述磁盘块数据写入所述备虚拟机，得到所述备虚拟机的备份数据集之后，还包括：

当所述主虚拟机损坏时，在所述计算机集群中创建一个虚拟机作为恢复虚拟机；

将所述备份数据集进行解压缩处理，得到解压数据集；

将所述解压数据集恢复至所述恢复虚拟机，得到包含有所述解压数据集的虚拟机。

3.如权利要求2所述的虚拟机的容灾备份方法，其特征在于，在所述将所述备份数据集恢复至所述恢复虚拟机，得到包含有备份数据集的虚拟机之后，还包括：

对所述备份数据集进行校验；

在校验结果为校验通过的情况下，将所述备份数据集同步至所述主虚拟机。