[发明专利]一种云平台故障监测方法及装置

权利要求书

1.一种云平台故障监测方法，其特征在于，所述方法包括：主机故障监测过程由网络心跳消息和存储心跳消息配合实现的：

步骤一、开始时每个主机节点为活动状态，表示运行正常；

步骤二、计算资源节点向计算管理节点发送所述网络心跳消息，所述计算管理节点接收到消息时，给所述计算资源节点发送响应消息；如果网络心跳信息正常，则判断所述计算资源节点为正常状态，转入步骤六；如果所述计算管理节点或者所述计算资源节点在固定时间周期内没有接收对方发送的消息，则设置所述计算资源节点其为失联状态，转入步骤三；

步骤三、对处于失联状态的所述计算资源节点，所述计算管理节点发送命令给其他健康计算资源节点，由所述健康计算资源节点监测所述失联状态的所述计算资源节点的存储心跳，如果存储心跳正常，则置其为失联故障状态，进入步骤四；如果存储心跳失败，则判定计算资源节点故障，置为故障状态，进入步骤五；

步骤四、重启所述失联故障状态的计算资源节点，返回步骤二；

步骤五、迁移所述故障状态的计算资源节点上面的虚拟机，进入步骤六；

步骤六、监测结束。

2.根据权利要求1所述的方法，其特征在于，进一步的，其中监测所述网络心跳消息包括：

(1)用一个滑动窗口记录下接收到的计算节点的网络心跳信息的消息发送时间T_S，以及目标节点的网络心跳信息的消息等待时间T_W；

(2)根据记录的网络心跳到达时间构建一概率分布；

(3)通过该概率分布计算节点的故障概率值P；

(4)故障概率值P和用户预先给定的期望阈值E(T_W)进行比较，当P>E(T_W)时则可认为节点发生了故障；

其中消息等待时间T_W的期望阈值为：

上式中，σ代表消息的平均到达速率，其中包括网络心跳消息速率σ_b和数据消息速率σ_d，则σ＝σ_b+σ_d；T_Q代表一条消息总服务时间，它包含消息等待时间T_W和消息发送时间T_S，即T_Q＝T_W+T_S；在一定的网络环境中即消息长度L一定，网络带宽C一定，那么消息发送时间是一定的，即T_S＝L/C。

3.一种云平台故障监测装置，其特征在于，所述装置包括：

初始模块，开始时每个主机节点为活动状态，表示运行正常；

网络心跳消息监测模块，计算资源节点向计算管理节点发送所述网络心跳消息，所述计算管理节点接收到消息时，给所述计算资源节点发送响应消息；如果网络心跳信息正常，则判断所述计算资源节点为正常状态，进入监测关闭模块；如果所述计算管理节点或者所述计算资源节点在固定时间周期内没有接收对方发送的消息，则设置所述计算资源节点其为失联状态，进入存储心跳消息监测模块；

存储心跳消息监测模块，对处于失联状态的所述计算资源节点，所述计算管理节点发送命令给其他健康计算资源节点，由所述健康计算资源节点监测所述失联状态的所述计算资源节点的存储心跳，如果存储心跳正常，则置其为失联故障状态，进入重启模块；如果存储心跳失败，则判定计算资源节点故障，置为故障状态，进入迁移模块；

重启模块，重启所述失联故障状态的计算资源节点，返回所述网络心跳消息监测模块；

迁移模块，迁移所述故障状态的计算资源节点上面的虚拟机，进入监测关闭模块；

监测关闭模块，监测结束。

4.根据权利要求3所述的方法，其特征在于，进一步的，其中所述网络心跳消息监测模块还用于：

(1)用一个滑动窗口记录下接收到的计算节点的网络心跳信息的消息发送时间T_S，以及目标节点的网络心跳信息的消息等待时间T_W；

(2)根据记录的网络心跳到达时间构建一概率分布；

(3)通过该概率分布计算节点的故障概率值P；

(4)故障概率值P和用户预先给定的期望阈值E(T_W)进行比较，当P>E(T_W)时则可认为节点发生了故障；

其中消息等待时间T_W的期望阈值为：

上式中，σ代表消息的平均到达速率，其中包括网络心跳消息速率σ_b和数据消息速率σ_d，则σ＝σ_b+σ_d；T_Q代表一条消息总服务时间，它包含消息等待时间T_W和消息发送时间T_S，即T_Q＝T_W+T_S；在一定的网络环境中即消息长度L一定，网络带宽C一定，那么消息发送时间是一定的，即T_S＝L/C。