CN112463514A - 分布式缓存集群的监测方法和装置 - Google Patents

Abstract

本公开的实施例公开了分布式缓存集群的监测方法和装置。该方法的一具体实施方式包括：响应于通过监测集群中的第一监测实例监测到分布式缓存集群中的缓存实例发生故障，向监测集群中的其他监测实例发送第一监测结果验证请求；根据其他监测实例对缓存实例进行故障监测后返回的验证结果确定监测集群对缓存实例是否发生故障的监测结果；响应于确定监测集群对缓存实例是否发生故障的监测结果为缓存实例发生故障，向分布式锁管理集群发送锁获取请求；响应于获取到分布式锁管理集群分配的锁，对缓存实例进行故障后处理。该实施方式有助于节省网络资源，以及提高监测结果的可靠性。

Description

分布式缓存集群的监测方法和装置

技术领域

本公开的实施例涉及计算机技术领域，具体涉及分布式缓存集群的监测方法和装置。

背景技术

随着互联网的高速发展，数据量产生了***式的增长，用户对于应用的体验度要求也越来越高。分布式缓存技术作为提升应用性能的一种重要手段，受到了学术界和工业界的广泛关注，并成为重要的研究课题之一。

为了保证分布式缓存的可用性和可靠性，避免软、硬件故障导致的缓存服务中断，提供一种高效且可靠的分布式缓存失效检测和故障自动恢复机制来保障缓存的高可用性便显得越来越重要。

发明内容

本公开的实施例提出了分布式缓存集群的监测方法和装置。

第一方面，本公开的实施例提供了一种分布式缓存集群的监测方法，该方法包括：响应于通过监测集群中的第一监测实例监测到分布式缓存集群中的缓存实例发生故障，向监测集群中的其他监测实例发送第一监测结果验证请求；根据其他监测实例对缓存实例进行故障监测后返回的验证结果确定监测集群对缓存实例是否发生故障的监测结果；响应于确定监测集群对缓存实例是否发生故障的监测结果为缓存实例发生故障，向分布式锁管理集群发送锁获取请求；响应于获取到分布式锁管理集群分配的锁，对缓存实例进行故障后处理。

在一些实施例中，该方法中响应于确定监测集群对缓存实例是否发生故障的监测结果为缓存实例发生故障，向分布式锁管理集群发送锁获取请求，包括：响应于确定监测集群对缓存实例是否发生故障的监测结果为缓存实例发生故障，缓存该缓存实例的故障信息；确定缓存实例的故障容忍时长是否满足预设条件；响应于确定缓存实例的故障容忍时长满足预设条件，向分布式锁管理集群发送锁获取请求。

在一些实施例中，该方法中响应于获取到分布式锁管理集群分配的锁，对缓存实例进行故障后处理，包括：向故障告警模块发送缓存实例的故障信息，以使故障告警模块根据故障信息进行故障告警，和/或，向故障切换模块发送缓存实例的故障信息，以使故障切换模块根据故障信息进行主备切换；清除缓存中的缓存实例的故障信息。

在一些实施例中，该方法中向监测集群中的其他监测实例发送第一监测结果验证请求，包括：通过第一监测实例的主线程向监测集群中的其他监测实例发送第一监测结果验证请求；以及该方法中根据其他监测实例对缓存实例进行故障监测后返回的验证结果确定监测集群对缓存实例是否发生故障的监测结果，包括：根据其他监测实例对缓存实例进行故障监测后返回的验证，通过第一监测实例的第一子线程结果确定监测集群对缓存实例是否发生故障的监测结果。

在一些实施例中，该方法还包括：响应于未获取到分布式锁管理集群分配的锁，确定获取到分布式锁管理集群所分配的锁的第二监测实例；响应于第二监测实例对缓存实例进行故障后处理失败，向分布式锁管理集群发送锁获取请求，以及在获取到分布式锁管理集群分配的锁之后，对缓存实例进行故障后处理。

在一些实施例中，该方法还包括：响应于第二监测实例对缓存实例进行故障后处理成功，清除缓存中的缓存实例的故障信息。

第二方面，本公开的实施例提供了一种分布式缓存集群的监测装置，该装置包括：第一发送单元，被配置成响应于通过监测集群中的第一监测实例监测到分布式缓存集群中的缓存实例发生故障，向监测集群中的其他监测实例发送第一监测结果验证请求；第一确定单元，被配置成根据其他监测实例对缓存实例进行故障监测后返回的验证结果确定监测集群对缓存实例是否发生故障的监测结果；第二发送单元，被配置成响应于确定监测集群对缓存实例是否发生故障的监测结果为缓存实例发生故障，向分布式锁管理集群发送锁获取请求；第一处理单元，被配置成响应于获取到分布式锁管理集群分配的锁，对缓存实例进行故障后处理。

在一些实施例中，第二发送单元进一步被配置成：响应于确定监测集群对缓存实例是否发生故障的监测结果为缓存实例发生故障，缓存该缓存实例的故障信息；确定缓存实例的故障容忍时长是否满足预设条件；响应于确定缓存实例的故障容忍时长满足预设条件，向分布式锁管理集群发送锁获取请求。

在一些实施例中，第一处理单元进一步被配置成：向故障告警模块发送缓存实例的故障信息，以使故障告警模块根据故障信息进行故障告警，和/或，向故障切换模块发送缓存实例的故障信息，以使故障切换模块根据故障信息进行主备切换；清除缓存中的缓存实例的故障信息。

在一些实施例中，第一发送单元进一步被配置成：通过第一监测实例的主线程向监测集群中的其他监测实例发送第一监测结果验证请求；以及第一确定单元进一步被配置成：根据其他监测实例对缓存实例进行故障监测后返回的验证结果，通过第一监测实例的第一子线程确定监测集群对缓存实例是否发生故障的监测结果。

在一些实施例中，该装置还包括：第二确定单元，被配置成响应于未获取到分布式锁管理集群分配的锁，确定获取到分布式锁管理集群所分配的锁的第二监测实例；第二处理单元，被配置成响应于第二监测实例对缓存实例进行故障后处理失败，向分布式锁管理集群发送锁获取请求，以及在获取到分布式锁管理集群分配的锁之后，对缓存实例进行故障后处理。

在一些实施例中，该装置还包括：清除单元，被配置成响应于第二监测实例对缓存实例进行故障后处理成功，清除缓存中的缓存实例的故障信息。

第三方面，本公开的实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实施例描述的分布式缓存集群的监测方法。

第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实施例描述的分布式缓存集群的监测方法。

本公开的实施例提供的分布式缓存集群监测的方法和装置，响应于通过监测集群中的第一监测实例监测到分布式缓存集群中的缓存实例发生故障，向监测集群中的其他监测实例发送第一监测结果验证请求；接下来，根据其他监测实例对缓存实例进行故障监测后返回的验证结果确定监测集群对缓存实例是否发生故障的监测结果；响应于确定监测集群对缓存实例是否发生故障的监测结果为缓存实例发生故障，向分布式锁管理集群发送锁获取请求；响应于获取到分布式锁管理集群分配的锁，对缓存实例进行故障后处理。该实施方式中监测集群中的各监测实例在未监测到分布式缓存集群中的缓存实例发生故障时，可以独立运行。各监测实例在监测到分布式缓存集群中的缓存实例发生故障时，需要向监测集群中的其他监测实例发送监测结果验证请求，从而得到监测集群对该缓存实例是否发生故障的监测结果。并且，在监测集群对该缓存实例是否发生故障的监测结果为缓存实例发生故障时，需要获取到分布式锁管理集群分配的锁才可以对该缓存实例进行故障后处理，有助于节省网络资源，以及提高监测结果的可靠性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一个实施例可以应用于其中的示例性***架构图；

图2是根据本公开的实施例的分布式缓存集群的监测方法的一个实施例的流程图；

图3是根据本公开的实施例的分布式缓存集群的监测方法的一个应用场景的示意图；

图4是根据本公开的实施例的分布式缓存集群的监测方法的又一个实施例的流程图；

图5是根据本公开的实施例的分布式缓存集群的监测装置的一个实施例的结构示意图；

图6是适于用来实现本公开的实施例的电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关公开，而非对该公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关公开相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的实施例的分布式缓存集群的监测方法或分布式缓存集群的监测装置的示例性***架构100。

如图1所示，***架构100可以包括终端设备101、102、103，用于部署分布式缓存集群的服务器104、105，用于部署监测集群的服务器106、107，用于部署分布式锁管理集群的服务器108、109，以及网络110。网络110用以在终端设备101、102、103与用于部署分布式缓存集群的服务器104、105、用于部署监测集群的服务器106、107，以及用于部署分布式锁管理集群的服务器108、109之间提供通信链路的介质。网络110可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络110与用于部署分布式缓存集群的服务器104、105交互，以接收或发送消息等。用于部署监测集群的服务器106、107通过网络110与用于部署分布式缓存集群的服务器104、105交互，以接收或发送消息等。用于部署监测集群的服务器106、107通过网络110与用于部署分布式锁管理集群的服务器108、109交互，以接收或发送消息等。

终端设备101、102、103上可以安装有各种应用，例如数据处理应用、数据分析应用、即时通信工具、社交平台软件、搜索类应用、购物类应用、浏览器类应用等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备为硬件时，可以是具有显示屏并且支持与服务器通信的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器104、105用于部署分布式缓存集群，且每个服务器上可以部署至少一个缓存实例,每个缓存实例具有处理消息、缓存数据等功能。服务器106、107用于部署监测集群，且每个服务器上可以部署至少一个监测实例,每个监测实例具有处理消息、监测缓存实例等功能。服务108、109用于部署分布式锁管理集群，且每个服务器具有处理消息、管理分布式锁等功能。

需要说明的是，本公开的实施例所提供的分布式缓存集群的监测方法可以由服务器106、107上的监测实例执行。相应地，分布式缓存集群的监测装置设置于服务器106、107中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本公开的分布式缓存集群的监测方法的一个实施例的流程200。该分布式缓存集群的监测方法包括以下步骤：

步骤201，响应于通过监测集群中的第一监测实例监测到分布式缓存集群中的缓存实例发生故障，向监测集群中的其他监测实例发送第一监测结果验证请求。

在本实施例中，第一监测实例可以是监测集群中的任一监测实例。监测集群中的各监测实例可以按照各自的监测周期对分布式缓存集群中的各监测实例是否发生故障进行监测。监测集群中各监测实例的监测周期可以不同。监测实例的监测周期可以用于指示监测实例对缓存集群中的各缓存实例的两次故障监测之间的时间间隔。新的监测周期开始后，监测实例即可以开启对缓存集群中各缓存实例的故障监测。监测实例的监测周期的长短可以根据实际需求进行设定，在本公开中不做具有限定。

在本实施例中，第一监测实例对分布式缓存集群中的缓存实例是否发生故障进行监测可以包括但不限于监测缓存实例是否发生网络故障、监测缓存实例是否发生程序崩溃等。

在本实施例中，第一监测实例监测到缓存实例发生网络故障可以包括但不限于以下情况：第一监测实例在对缓存实例进行故障监测时，至少两次尝试与缓存实例建立网络连接均不成功，第一监测实例可以确定该缓存实例存在网络故障。

第一监测实例监测到缓存实例发生程序崩溃可以包括但不限于以下情况：第一监测实例向缓存实例发送消息，未在预设时间内接收到缓存实例的回复消息，第一监测实例可以确定缓存实例发生程序崩溃；第一监测实例从缓存实例的工作日志中获取到程序崩溃记录，第一监测实例可以确定缓存实例发送程序崩溃。

在本实施例中，当第一监测实例监测到分布式缓存集群中的缓存实例发生故障时，可以向监测集群中的其他监测实例发送第一监测结果验证请求。监测集群中的其他监测在接收到第一监测实例发送的第一监测结果验证请求后，可以对第一监测实例的监测结果进行验证。

步骤202，根据其他监测实例对缓存实例进行故障监测后返回的验证结果确定监测集群对缓存实例是否发生故障的监测结果。

在本实施例中，监测集群中的其他监测实例可以根据其对缓存实例进行故障监测得到的监测结果对上述第一监测实例的监测结果验证。例如，作为一个示例，若其他监测实例对缓存实例进行故障监测得到的监测结果为缓存实例发生故障，其他监测实例可以对上述第一监测实例的监测结果返回验证正确的结果“1”表示赞同其监测结果；若其他监测实例对缓存实例进行故障监测得到的监测结果为缓存实例未发生故障，其他监测实例可以对上述第一监测实例的监测结果返回验证失败的结果“0”表示反对其监测结果。

在本实施例中，上述第一监测实例在接收到监测集群中其他监测实例对缓存实例进行故障监测返回的验证结果后，可以对其他监测实例返回的验证结果进行数量统计，确定出该验证结果中验证成功的数量和验证失败的数量。并且，上述第一监测实例可以根据验证结果中验证成功的数量与验证失败的数量的大小关系确定监测集群对缓存实例是否发生故障的监测结果。例如，作为一个示例，若验证结果中验证成功的数量不少于验证失败的数量，或者验证成功的数量超过所有监测实例数量的一半，上述第一监测实例可以确定监测集群对缓存实例是否发生故障的监测结果为缓存实例发生故障；若验证结果中验证成功的数量少于验证失败的数量，或者验证成功的数量未超过所有监测实例数量的一半，上述第一监测实例可以确定监测集群对缓存实例是否发生故障的监测结果为缓存实例未发生故障。

步骤203，响应于确定监测集群对缓存实例是否发生故障的监测结果为缓存实例发生故障，向分布式锁管理集群发送锁获取请求。

在本实施例中，为了避免监测集群中各监测实例对分布式缓存集群中缓存实例的操作发生冲突，监测集群中各监测实例在确定监测集群对缓存实例是否发生故障的监测结果为缓存实例发生故障之后，要向分布式锁管理集群发送锁获取请求，只有获取到分布式锁管理集群分配的锁的监测实例，才可以对缓存实例进行操作。在这里，分布式锁管理集群可以是ZooKeeper集群。

在本实施例中，若步骤202中确定了监测集群对缓存实例是否发生故障的监测结果为缓存实例发生故障，上述第一监测实例可以向分布式锁管理集群发送锁获取请求。

在本实施例的一些可选的实现方式中，上述第一监测实例可以通过以下步骤实现响应于确定监测集群对缓存实例是否发生故障的监测结果为缓存实例发生故障，向分布式锁管理集群发送锁获取请求的操作：

第一步，响应于确定监测集群对缓存实例是否发生故障的监测结果为缓存实例发生故障，缓存该缓存实例的故障信息。

在该可选的实现方式中，若步骤202中确定了监测集群对缓存实例是否发生故障的监测结果为缓存实例发生故障，上述第一监测实例可以先根据缓存实例的监测结果生成缓存实例的故障信息。例如，作为一个示例，若缓存实例的监测结果为“程序崩溃”，上述第一监测实例可以生成缓存实例的故障信息为“xxx缓存实例发生程序崩溃”。之后，上述第一监测实例可以缓存该缓存实例的故障信息，以便在接下来的故障后处理过程中使用。

第二步，确定缓存实例的故障容忍时长是否满足预设条件。

在该可选的实现方式中，预设条件可以是缓存实例的故障容忍时长不小于预设的最大容忍时长。上述第一监测实例可以对不同的故障预设不同的最大故障容忍时长。上述第一监测实例可以对影响缓存实例正常运行的故障(例如，机器死机、程序崩溃等)预设数值相对小的最大故障容忍时长，对不影响缓存实例正常运行的故障(例如，运行速度缓慢，内存占用率过高等)预设数值相对大的最大故障容忍时长。需要说明的是，最大故障容忍时长的数值可以根据实际需求进行设定，在此不做具体限定。

在该可选的实现方式中，上述第一监测实例可以将当前时间与监测到缓存实例发生故障的时间的差值作为缓存实例的故障容忍时长。之后，上述第一监测实例可以将缓存实例的故障容忍时长与该故障对应的最大容忍时长进行比较，若缓存实例的故障容忍时长不小于最大容忍时长，则确定缓存实例的故障容忍时长满足预设条件，反之，则确定缓存实例的故障容忍时长不满足预设条件。

第三步，响应于确定缓存实例的故障容忍时长满足预设条件，向分布式锁管理集群发送锁获取请求。

在该可选的实现方式中，若上述第一监测实例在第二步中确定了缓存实例的故障容忍时长满足预设条件，则可以向分布式锁管理集群发送锁获取请求。

在该可选的实现方式中，上述第一监测实例对影响缓存实例正常运行的故障预设数值相对小的最大故障容忍时长，对不影响缓存实例正常运行的故障预设数值相对大的最大故障容忍时长。该实现方式可以实现优先处理影响缓存实例正常运行的故障，暂缓处理不影响缓存实例正常运行的故障，可以在不增加资源消耗的基础上保证分布式缓存集群正常运行，从而提高分布式缓存集群的稳定性。

步骤204，响应于获取到分布式锁管理集群分配的锁，对缓存实例进行故障后处理。

在本实施例中，上述第一监测实例在步骤203获取到分布式锁管理集群分配的锁后，可以先根据缓存实例的监测结果生成缓存实例的故障信息。例如，作为一个示例，若缓存实例的监测结果为“网络故障”，上述第一监测实例可以生成缓存实例的故障信息为“xxx缓存实例发生网络故障”。之后，上述第一监测实例可以将缓存实例的故障信息发送至故障切换模块。故障切换模块在接收到该故障信息后，可以先将该故障信息记录到故障日志文件。然后，故障切换模块可以对该故障信息所对应的缓存实例进行主备切换。

在本实施例的一些可选的实现方式中，上述第一监测实例可以通过以下步骤实现响应于获取到分布式锁管理集群分配的锁，对缓存实例进行故障后处理：

第一步，向故障告警模块发送缓存实例的故障信息，以使故障告警模块根据故障信息进行故障告警，和/或，向故障切换模块发送缓存实例的故障信息，以使故障切换模块根据故障信息进行主备切换。

在该可选的实现方式中，上述第一监测实例在获取到分布式锁管理集群分配的锁后，可以根据缓存实例的监测结果生成缓存实例的故障信息，以及将所生成的故障信息发送至故障告警模块和/或故障切换模块。例如，作为一个示例，若缓存实例的监测结果为“程序崩溃”，上述第一监测实例可以生成缓存实例的故障信息为“xxx缓存实例发生程序崩溃”。

在该可选的实现方式中，故障告警模块在接收到上述第一监测实例发送的故障信息后，可以先将所接收到的故障信息记录到其上的故障日志文件。之后，故障告警模块可以根据所接收到的故障信息确定缓存实例的故障级别，以及使用与缓存实例的故障级别对应的告警方式向用户发送故障告警信息。

例如，作为一个示例，故障告警模块可以将缓存实例的故障划分为第一级别和第二级别。其中，第一级别的故障可以是影响缓存实例正常运行的故障(例如，机器死机、程序崩溃等)；第二级别的故障可以是不影响缓存实例正常运行的故障(例如，运行速度缓慢，内存占用率过高等)。对于第一级别的故障，故障告警模块可以通过语言呼叫的方式向用户发送故障告警信息；对于第二级别的故障，故障告警模块可以通过发送短信或者发送邮件的方式向用户发送故障告警信息。需要说明的是，缓存实例的故障级别可以根据实际需求进行划分，在此不做具体限定。

在该可选的实现方式中，故障切换模块在接收到上述第一监测实例发送的故障信息后，可以先将该故障信息记录到其上的故障日志文件。接下来，故障切换模块可以确定出与该故障信息对应的缓存实例。还可以确定出该缓存实例的备用缓存实例。之后，故障切换模块可以使用所确定出的备用缓存实例对该缓存实例进行主备切换。第二步，清除缓存中的缓存实例的故障信息。

在该可选的实现方式中，上述第一监测实例在完成对缓存实例进行故障后处理后，可以将缓存中的该缓存实例的故障信息清除。该可选的实现方式可以减少对缓存资源的占用，提高缓存资源的利用率。

在本实施例的一些可选的实现方式中，上述第一监测实例可以通过其主线程向监测集群中的其他监测实例发送第一监测结果验证请求；以及上述第一监测实例可以根据其他监测实例对缓存实例进行故障监测后返回的验证结果，通过其第一子线程确定监测集群对缓存实例是否发生故障的监测结果。

在该可选的实现方式中，上述第一监测实例在监测到分布式缓存集群中的缓存实例发生故障时，可以通过其主线程向监测集群中的其他监测实例发送第一监测结果验证请求。监测集群中的其他监测实例在接收到该第一监测结果验证请求后，可以对被第一监测实例监测到发生故障的缓存实例进行故障监测，确定其对缓存实例的监测结果与上第一监测实例对缓存实例的监测结果是否相同。若两者的监测结果相同，则返回验证成功，若两者的监测结果不同，则返回验证失败。

在该可选的实现方式中，上述第一监测实例可以接收其他监测实例对缓存实例进行故障监测后返回的验证结果。之后，上述第一监测实例可以通过其第一子线程统计验证结果中验证成功的数量和验证失败的数量，以及根据验证结果中验证成功的数量与验证失败的数量的大小关系确定监测集群对缓存实例是否发生故障的监测结果。例如，作为一个示例，若验证结果中验证成功的数量不少于验证失败的数量，上述第一监测实例可以通过其第一子线程确定监测集群对缓存实例是否发生故障的监测结果为缓存实例发生故障；若验证结果中验证成功的数量少于验证失败的数量，上述第一监测实例可以通过其第一子线程确定监测集群对缓存实例是否发生故障的监测结果为缓存实例未发生故障。

在该可选的实现方式中，上述第一监测实例通过主线程和第一子线程分别完成对缓存实例的故障监测和对监测结果的验证结果统计。两个线程各自独立，异步运行，有助于提高监测效率，保证监测结果的实时性和可用性。

继续参考图3，图3是根据本实施例的分布式缓存集群的监测方法的一个应用场景的示意图。在图3的应用场景中，监测集群中的监测实例303可以对分布式缓存集群中的缓存实例304、305和306进行故障监测。监测实例303在监测到缓存实例306发生故障后，向监测集群中的其他监测实例301和302发送第一监测结果验证请求。接下来，监测实例303可以根据其他监测实例301和302对缓存实例306进行故障监测后返回的验证结果确定监测集群对缓存实例306是否发生故障的监测结果308。在确定监测集群对缓存实例306是否发生故障的检测结果308为缓存实例发生故障后，向分布式锁管理集群307发送锁获取请求309。以及，在获取到分布式锁管理集群307分配的锁310之后，对缓存实例306进行故障后处理。

本公开的实施例提供的分布式缓存集群的监测方法，响应于通过监测集群中的第一监测实例监测到分布式缓存集群中的缓存实例发生故障，向监测集群中的其他监测实例发送第一监测结果验证请求。接下来，根据其他监测实例对缓存实例进行故障监测后返回的验证结果确定监测集群对缓存实例是否发生故障的监测结果；响应于确定监测集群对缓存实例是否发生故障的监测结果为缓存实例发生故障，向分布式锁管理集群发送锁获取请求；响应于获取到分布式锁管理集群分配的锁，对缓存实例进行故障后处理。该实施方式中监测集群中的各监测实例在未监测到分布式缓存集群中的缓存实例发生故障时，可以独立运行。各监测实例在监测到分布式缓存集群中的缓存实例发生故障时，需要向监测集群中的其他监测实例发送监测结果验证请求，从而得到监测集群对该缓存实例是否发生故障的监测结果。并且，在监测集群对该缓存实例是否发生故障的监测结果为缓存实例发生故障时，需要获取到分布式锁管理集群分配的锁才可以对该缓存实例进行故障后处理，有助于节省网络资源，以及提高监测结果的可靠性。

进一步参考图4，根据本公开的分布式缓存集群的监测方法的又一个实施例的流程400。该分布式缓存集群的监测方法包括以下步骤：

步骤401，响应于通过监测集群中的第一监测实例监测到分布式缓存集群中的缓存实例发生故障，向监测集群中的其他监测实例发送第一监测结果验证请求。

步骤402，根据其他监测实例对缓存实例进行故障监测后返回的验证结果确定监测集群对缓存实例是否发生故障的监测结果。

步骤403，响应于确定监测集群对缓存实例是否发生故障的监测结果为缓存实例发生故障，向分布式锁管理集群发送锁获取请求。

步骤404，响应于获取到分布式锁管理集群分配的锁，对缓存实例进行故障后处理。

在本实施例中，上述步骤401、步骤402、步骤403和步骤404分别与前述实施例中的步骤201、步骤202、步骤203和步骤204一致，上文针对步骤201至步骤204的描述也适用于步骤401至步骤404，此处不再赘述。

步骤405，响应于未获取到分布式锁管理集群分配的锁，确定获取到分布式锁管理集群所分配的锁的第二监测实例。

在本实施例中，为了避免监测集群中各监测实例对分布式缓存集群中缓存实例的操作发生冲突，监测集群中各监测实例在确定监测集群对缓存实例是否发生故障的监测结果为缓存实例发生故障之后，要向分布式锁管理集群发送锁获取请求，只有获取到分布式锁管理集群所分配的锁的监测实例，才可以对缓存实例进行操作。并且，分布式锁管理集群不会同时给两个监测实例分配锁。所以，若在上述第一监测实例向分布式锁管理集群发送锁获取请求之前，分布式锁管理集群已经将锁分配给了其他监测实例，上述第一监测实例则无法从分布式锁管理集群获取到锁。

在本实施例中，第二监测实例可以是监测集群中除上述第一监测实例以外的其他监测实例中的任一监测实例。上述第一监测实例在获取锁失败之后，可以先缓存该缓存实例的故障信息，然后从分布式锁管理集群获取到持有该锁的第二监测实例的信息，以及建立与该第二监测实例的信息共享，以便及时获知该第二监测实例对缓存实例进行故障后处理的相关情况。

步骤406，响应于第二监测实例对缓存实例进行故障后处理失败，向分布式锁管理集群发送锁获取请求，以及在获取到分布式锁管理集群分配的锁之后，对缓存实例进行故障后处理。

在本实施例中，若第二监测实例在对缓存实例进行故障后处理过程中宕机，上述第一监测实例可以确定第二监测实例对缓存实例监测故障后处理失败。分布式锁管理集群在持有的第二监测实例宕机时，会自动从该第二监测实例将锁回收。上述第一监测实例可以在第二监测实例对缓存实例进行故障后处理失败时，向分布式锁管理集群发送锁获取请求。并在获取到分布式锁管理集群分配的锁之后，对缓存实例进行故障后处理。

在本实施例中，上述第一监测实例在获取到分布式锁管理集群分配的锁后，可以先从缓存中获取到缓存实例的故障信息。之后，上述第一监测实例可以将缓存实例的故障信息发送至故障切换模块。故障切换模块在接收到该故障信息后，可以先将该故障信息记录到故障日志文件，然后可以对该故障信息所对应的缓存实例进行主备切换。故障切换模块还可以在完成缓存实例的主备切换之后向上述第一监测实例发送故障切换完成信息。上述第一监测实例在接收到故障切换模块发送的故障切换完成信息后，可以将缓存中的该缓存实例的故障信息清除。在本实施的一些可选的实现方式中，上述第一监测实例还可以响应于第二监测实例对缓存实例进行故障后处理成功，清除缓存中的缓存实例的故障信息。

在该可选的实现方式中，若上述第一监测实例获知第二监测实例完成了对缓存实例的故障后处理，则可以清除缓存中缓存实例的故障信息，并且中断与该第二监测实例的信息共享。

在该可选的实现方式中，上述第一监测实例在确定第二监测实例完成了对缓存实例的故障后处理后，会及时将缓存中缓存实例的故障信息清除，并且中断与该第二监测实例的信息共享，有助于减少对缓存资源和网络资源的占用。

从图4中可以看出，本实施例中的分布式缓存集群的监测方法的流程400中上述第一监测实例在未获取到分布式锁管理集群分配的锁时，并没有将缓存实例的故障信息直接清除，而是先将缓存实例的故障信息缓存。之后，上述第一监测实例会确定出持有锁的第二监测实例，并实时跟踪第二监测实例对缓存实例的故障后处理是否成功。当第二监测实例对缓存实例故障后处理失败时，上述第一监测实例可以及时向分布式锁管理集群获取锁，并在获取到锁之后对缓存实例进行故障后处理。由此，本实施例描述的方案有助于提高资源利用率，以及通过提高监测集群的监测效率和故障后处理效率。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种分布式缓存集群的监测装置的一个实施例。该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于监测集群中任一电子设备中。

如图5所示，本实施例的分布式缓存集群的监测装置500可以包括：第一发送单元501、第一确定单元502、第二发送单元503和第一处理单元504。其中，第一发送单元501被配置成响应于通过监测集群中的第一监测实例监测到分布式缓存集群中的缓存实例发生故障，向监测集群中的其他监测实例发送第一监测结果验证请求；第一确定单元502被配置成根据其他监测实例对缓存实例进行故障监测后返回的验证结果确定监测集群对缓存实例是否发生故障的监测结果；第二发送单元503被配置成响应于确定监测集群对缓存实例是否发生故障的监测结果为缓存实例发生故障，向分布式锁管理集群发送锁获取请求；第一处理单元504被配置成响应于获取到分布式锁管理集群分配的锁，对缓存实例进行故障后处理。

在本实施例中，分布式缓存集群的监测装置500中：第一发送单元501、第一确定单元502、第二发送单元503和第一处理单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，第二发送单元503可以进一步被配置成：响应于确定监测集群对缓存实例是否发生故障的监测结果为缓存实例发生故障，缓存该缓存实例的故障信息；确定缓存实例的故障容忍时长是否满足预设条件；响应于确定缓存实例的故障容忍时长满足预设条件，向分布式锁管理集群发送锁获取请求。

在本实施例的一些可选的实现方式中，第一处理单元504可以进一步被配置成：向故障告警模块发送缓存实例的故障信息，以使故障告警模块根据故障信息进行故障告警，和/或，向故障切换模块发送缓存实例的故障信息，以使故障切换模块根据故障信息进行主备切换；清除缓存中的缓存实例的故障信息。

在本实施例的一些可选的实现方式中，第一发送单元501可以进一步被配置成：通过第一监测实例的主线程向监测集群中的其他监测实例发送第一监测结果验证请求；以及第一确定单元502可以进一步被配置成：根据其他监测实例对缓存实例进行故障监测后返回的验证结果，通过第一监测实例的第一子线程确定监测集群对缓存实例是否发生故障的监测结果。

在本实施例的一些可选的实现方式中，该装置还可以包括第二确定单元(图中未示出)和第二处理单元(图中未示出)。其中，第一确定单元可以被配置成响应于未获取到分布式锁管理集群分配的锁，确定获取到分布式锁管理集群所分配的锁的第二监测实例；第二处理单元可以被配置成响应于第二监测实例对缓存实例进行故障后处理失败，向分布式锁管理集群发送锁获取请求，以及在获取到分布式锁管理集群分配的锁之后，对缓存实例进行故障后处理。

在本实施例的一些可选的实现方式中，该装置还可以包括清除单元(图中未示出)。清除单元可以被配置成响应于第二监测实例对缓存实例进行故障后处理成功，清除缓存中的缓存实例的故障信息。

本公开的上述实施例提供的装置，响应于通过监测集群中的第一监测实例监测到分布式缓存集群中的缓存实例发生故障，向监测集群中的其他监测实例发送第一监测结果验证请求；接下来，根据其他监测实例对缓存实例进行故障监测后返回的验证结果确定监测集群对缓存实例是否发生故障的监测结果；响应于确定监测集群对缓存实例是否发生故障的监测结果为缓存实例发生故障，向分布式锁管理集群发送锁获取请求；响应于获取到分布式锁管理集群分配的锁，对缓存实例进行故障后处理。该实施方式中监测集群中的各监测实例在未监测到分布式缓存集群中的缓存实例发生故障时，可以独立运行。各监测实例在监测到分布式缓存集群中的缓存实例发生故障时，需要向监测集群中的其他监测实例发送监测结果验证请求，从而得到监测集群对该缓存实例是否发生故障的监测结果。并且，在监测集群对该缓存实例是否发生故障的监测结果为缓存实例发生故障时，需要获取到分布式锁管理集群分配的锁才可以对该缓存实例进行故障后处理，有助于节省网络资源，以及提高监测结果的可靠性。

下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。

需要说明的是，本公开的实施例的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：第一发送单元、第一确定单元、第二发送单元元和第一处理单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一发送单元还可以被描述为“响应于通过监测集群中的第一监测实例监测到分布式缓存集群中的缓存实例发生故障，向监测集群中的其他监测实例发送第一监测结果验证请求的单元”。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：响应于通过监测集群中的第一监测实例监测到分布式缓存集群中的缓存实例发生故障，向监测集群中的其他监测实例发送第一监测结果验证请求；根据其他监测实例对缓存实例进行故障监测后返回的验证结果确定监测集群对缓存实例是否发生故障的监测结果；响应于确定监测集群对缓存实例是否发生故障的监测结果为缓存实例发生故障，向分布式锁管理集群发送锁获取请求；响应于获取到分布式锁管理集群分配的锁，对缓存实例进行故障后处理。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种分布式缓存集群的监测方法，包括：

响应于通过监测集群中的第一监测实例监测到分布式缓存集群中的缓存实例发生故障，向监测集群中的其他监测实例发送第一监测结果验证请求；

根据所述其他监测实例对所述缓存实例进行故障监测后返回的验证结果确定所述监测集群对所述缓存实例是否发生故障的监测结果；

响应于确定所述监测集群对所述缓存实例是否发生故障的监测结果为所述缓存实例发生故障，向分布式锁管理集群发送锁获取请求；

响应于获取到所述分布式锁管理集群分配的锁，对所述缓存实例进行故障后处理。

2.根据权利要求1所述的方法，其中，所述响应于确定所述监测集群对所述缓存实例是否发生故障的监测结果为所述缓存实例发生故障，向分布式锁管理集群发送锁获取请求，包括：

响应于确定所述监测集群对所述缓存实例是否发生故障的监测结果为所述缓存实例发生故障，缓存所述缓存实例的故障信息；

确定所述缓存实例的故障容忍时长是否满足预设条件；

响应于确定所述缓存实例的故障容忍时长满足预设条件，向所述分布式锁管理集群发送锁获取请求。

3.根据权利要求2所述的方法，其中，所述响应于获取到所述分布式锁管理集群分配的锁，对所述缓存实例进行故障后处理，包括：

向故障告警模块发送所述缓存实例的故障信息，以使所述故障告警模块根据所述故障信息进行故障告警，和/或，

向故障切换模块发送所述缓存实例的故障信息，以使所述故障切换模块根据所述故障信息进行主备切换；

清除缓存中的所述缓存实例的故障信息。

4.根据权利要求1所述的方法，其中，所述向监测集群中的其他监测实例发送第一监测结果验证请求，包括：通过所述第一监测实例的主线程向监测集群中的其他监测实例发送第一监测结果验证请求；以及

所述根据所述其他监测实例对所述缓存实例进行故障监测后返回的验证结果确定所述监测集群对所述缓存实例是否发生故障的监测结果，包括：

根据所述其他监测实例对所述缓存实例进行故障监测后返回的验证结果，通过所述第一监测实例的第一子线程确定所述监测集群对所述缓存实例是否发生故障的监测结果。

5.根据权利要求1所述的方法，其中，所述方法还包括：

响应于未获取到所述分布式锁管理集群分配的锁，确定获取到所述分布式锁管理集群所分配的锁的第二监测实例；

响应于所述第二监测实例对所述缓存实例进行故障后处理失败，向所述分布式锁管理集群发送锁获取请求，以及在获取到所述分布式锁管理集群分配的锁之后，对所述缓存实例进行故障后处理。

6.根据权利要求5所述的方法，其中，所述方法还包括：

响应于所述第二监测实例对所述缓存实例进行故障后处理成功，清除缓存中的所述缓存实例的故障信息。

7.一种分布式缓存集群的监测装置，包括：

第一发送单元，被配置成响应于通过监测集群中的第一监测实例监测到分布式缓存集群中的缓存实例发生故障，向监测集群中的其他监测实例发送第一监测结果验证请求；

第一确定单元，被配置成根据所述其他监测实例对所述缓存实例进行故障监测后返回的验证结果确定所述监测集群对所述缓存实例是否发生故障的监测结果；

第二发送单元，被配置成响应于确定所述监测集群对所述缓存实例是否发生故障的监测结果为所述缓存实例发生故障，向分布式锁管理集群发送锁获取请求；

第一处理单元，被配置成响应于获取到所述分布式锁管理集群分配的锁，对所述缓存实例进行故障后处理。

8.根据权利要求7所述的装置，其中，所述第二发送单元进一步被配置成：

响应于确定所述监测集群对所述缓存实例是否发生故障的监测结果为所述缓存实例发生故障，缓存所述缓存实例的故障信息；

确定所述缓存实例的故障容忍时长是否满足预设条件；

响应于确定所述缓存实例的故障容忍时长满足预设条件，向所述分布式锁管理集群发送锁获取请求。

9.根据权利要求8所述的装置，其中，所述第一处理单元进一步被配置成：

向故障告警模块发送所述缓存实例的故障信息，以使所述故障告警模块根据所述故障信息进行故障告警，和/或，

向故障切换模块发送所述缓存实例的故障信息，以使所述故障切换模块根据所述故障信息进行主备切换；

清除缓存中的所述缓存实例的故障信息。

10.根据权利要求7所述的装置，其中，所述第一发送单元进一步被配置成：通过所述第一监测实例的主线程向监测集群中的其他监测实例发送第一监测结果验证请求；

以及

所述第一确定单元进一步被配置成：

根据所述其他监测实例对所述缓存实例进行故障监测后返回的验证结果，通过所述第一监测实例的第一子线程确定所述监测集群对所述缓存实例是否发生故障的监测结果。

11.根据权利要求7所述的装置，其中，所述装置还包括：

第二确定单元，被配置成响应于未获取到所述分布式锁管理集群分配的锁，确定获取到所述分布式锁管理集群所分配的锁的第二监测实例；

第二处理单元，被配置成响应于所述第二监测实例对所述缓存实例进行故障后处理失败，向所述分布式锁管理集群发送锁获取请求，以及在获取到所述分布式锁管理集群分配的锁之后，对所述缓存实例进行故障后处理。

12.根据权利要求11所述的装置，其中，所述装置还包括：

清除单元，被配置成响应于所述第二监测实例对所述缓存实例进行故障后处理成功，清除缓存中的所述缓存实例的故障信息。

13.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-6中任一项所述的方法。

14.一种计算机可读存储介质，其上存储计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-6中任一项所述的方法。

Images