CN113254245A - 一种存储集群的故障检测方法和*** - Google Patents

一种存储集群的故障检测方法和*** Download PDF

Info

Publication number
CN113254245A
CN113254245A CN202010090855.3A CN202010090855A CN113254245A CN 113254245 A CN113254245 A CN 113254245A CN 202010090855 A CN202010090855 A CN 202010090855A CN 113254245 A CN113254245 A CN 113254245A
Authority
CN
China
Prior art keywords
detection
node
storage node
storage
nodes
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010090855.3A
Other languages
English (en)
Inventor
***
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Century Trading Co Ltd
Beijing Wodong Tianjun Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Wodong Tianjun Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Century Trading Co Ltd, Beijing Wodong Tianjun Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN202010090855.3A priority Critical patent/CN113254245A/zh
Publication of CN113254245A publication Critical patent/CN113254245A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/07Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/0727Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in a storage system, e.g. in a DASD or network based storage system
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/07Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079Root cause analysis, i.e. error or fault diagnosis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/30Monitoring
    • G06F11/3003Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3034Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a storage system, e.g. DASD based or network based
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/30Monitoring
    • G06F11/3051Monitoring arrangements for monitoring the configuration of the computing system or of the computing system component, e.g. monitoring the presence of processing resources, peripherals, I/O links, software programs

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明公开了一种存储集群的故障检测方法和***,涉及计算机技术领域。该方法的一具体实施方式包括:通过多个探测节点,对存储集群中的各存储节点进行循环探测;对于每一所述存储节点,根据所述多个探测节点的探测结果判断所述存储节点是否故障。该实施方式无需使用Zookeeper服务器即可对存储集群节点进行存活探测,避免因网络闪断、不通等原因而导致对存储集群节点的故障误判,且避免了故障检测整体不可用的缺陷。

Description

一种存储集群的故障检测方法和***
技术领域
本发明涉及计算机技术领域,尤其涉及一种存储集群的故障检测方法和***。
背景技术
现在企业使用存储集群对外提供服务,例如使用Redis(远程字典服务,一种键值型数据库)集群对外提供服务,为了对Redis集群中的节点进行故障监测,现有方案是采用Zookeeper(一个分布式的,开放源码的分布式应用程序协调服务)临时节点来监测节点存活,即让每个Redis节点连接Zookeeper服务器,并创建自己所对应的临时节点,检测方对这些临时节点上添加watcher监控(Zookeeper提供的一种监测机制),当Redis节点故障时,在Zookeeper上所对应的临时节点会自动删除,因为检测方对临时节点添加了watcher监控,所以会收到删除通知,以确定Redis节点故障。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
当存储集群的节点与Zookeeper服务器之间因为网络闪断,导致互相断开连接,这时对应的Zookeeper服务器临时节点也会自动删除,watcher会收到删除通知,会认为存储集群的该节点出现故障,导致误判;Zookeeper本身watcher数目和连接数过多时,会出现性能瓶颈,导致对存储集群节点的故障检测整体不可用。
发明内容
有鉴于此,本发明实施例提供一种存储集群的故障检测方法和***,无需使用Zookeeper服务器即可对存储集群节点进行存活探测,避免因网络闪断、不通等原因而导致对存储集群节点的故障误判,且避免了故障检测整体不可用的缺陷。
为实现上述目的,根据本发明实施例的一个方面,提供了一种存储集群的故障检测方法。
一种存储集群的故障检测方法,包括:通过多个探测节点,对存储集群中的各存储节点进行循环探测;对于每一所述存储节点,根据所述多个探测节点的探测结果判断所述存储节点是否故障。
可选地,所述通过多个探测节点,对存储集群中的各存储节点进行循环探测,包括:所述多个探测节点向存储集群中的各存储节点循环发送探测请求,其中,每个探测节点在每轮循环内向所述各存储节点分别发送一次所述探测请求;如果第一探测节点在一轮循环内收到第一存储节点返回的对第一探测请求的响应,则生成指示所述第一存储节点正常的所述探测结果,所述第一探测节点为所述多个探测节点之一,所述第一存储节点为所述各存储节点之一,所述第一探测请求为所述第一探测节点向所述第一存储节点发送的所述探测请求;如果所述第一探测节点连续N轮循环未收到所述第一存储节点返回的对所述第一探测请求的响应,N为预设值,则生成指示所述第一存储节点故障的所述探测结果。
可选地,所述根据所述多个探测节点的探测结果判断所述存储节点是否故障,包括:遍历所述多个探测节点的探测结果,判断是否有至少预设数量的探测节点的所述探测结果指示所述存储节点正常,若是,则判定所述存储节点为正常;否则判定所述存储节点为故障。
可选地,所述多个探测节点通过不同的网络专线,对所述存储集群中的各存储节点进行循环探测。
根据本发明实施例的另一方面,提供了一种存储集群的故障检测***。
一种存储集群的故障检测***,包括:探测模块,用于通过多个探测节点,对存储集群中的各存储节点进行循环探测;判定模块,用于对于每一所述存储节点,根据所述多个探测节点的探测结果判断所述存储节点是否故障。
可选地,所述探测模块还用于:通过所述多个探测节点向存储集群中的各存储节点循环发送探测请求,其中,每个探测节点在每轮循环内向所述各存储节点分别发送一次所述探测请求;如果第一探测节点在一轮循环内收到第一存储节点返回的对第一探测请求的响应,则生成指示所述第一存储节点正常的所述探测结果,所述第一探测节点为所述多个探测节点之一,所述第一存储节点为所述各存储节点之一,所述第一探测请求为所述第一探测节点向所述第一存储节点发送的所述探测请求;如果所述第一探测节点连续N轮循环未收到所述第一存储节点返回的对所述第一探测请求的响应,N为预设值,则生成指示所述第一存储节点故障的所述探测结果。
可选地,所述判定模块还用于:遍历所述多个探测节点的探测结果,判断是否有至少预设数量的探测节点的所述探测结果指示所述存储节点正常,若是,则判定所述存储节点为正常;否则判定所述存储节点为故障。
可选地,所述探测模块的所述多个探测节点通过不同的网络专线,对所述存储集群中的各存储节点进行循环探测。
根据本发明实施例的又一方面,提供了一种电子设备。
一种电子设备,包括:一个或多个处理器;存储器,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本发明实施例所提供的存储集群的故障检测方法。
根据本发明实施例的又一方面,提供了一种计算机可读介质。
一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明实施例所提供的存储集群的故障检测方法。
上述发明中的一个实施例具有如下优点或有益效果:通过多个探测节点对存储集群中的各存储节点进行循环探测,对于每一存储节点,根据多个探测节点的探测结果判断存储节点是否故障。无需使用Zookeeper服务器即可对存储集群节点进行存活探测,避免因网络闪断、不通等原因而导致对存储集群节点的故障误判,且避免了故障检测整体不可用的缺陷。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明一个实施例的存储集群的故障检测方法的主要步骤示意图;
图2是根据本发明一个实施例的Redis集群部署示意图;
图3是根据本发明一个实施例的存储节点探测流程示意图;
图4是根据本发明一个实施例的存储节点故障判断流程示意图;
图5是根据本发明一个实施例的存储集群的故障检测***的主要模块示意图;
图6是根据本发明一个实施例的存储集群的故障检测***结构示意图;
图7是本发明实施例可以应用于其中的示例性***架构图;
图8是适于用来实现本发明实施例的终端设备或服务器的计算机***的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明一个实施例的存储集群的故障检测方法的主要步骤示意图。
如图1所示,本发明一个实施例的存储集群的故障检测方法主要包括如下的步骤S101至步骤S102。
步骤S101:通过多个探测节点,对存储集群中的各存储节点进行循环探测。
步骤S102:对于每一存储节点,根据该多个探测节点的探测结果判断该存储节点是否故障。
通过多个探测节点,对存储集群中的各存储节点进行循环探测,具体可以包括:多个探测节点向存储集群中的各存储节点循环发送探测请求,其中,每个探测节点在每轮循环内向各存储节点分别发送一次探测请求;如果第一探测节点在一轮循环内收到第一存储节点返回的对第一探测请求的响应,则生成指示第一存储节点正常的探测结果,第一探测节点为多个探测节点之一,第一存储节点为各存储节点之一,第一探测请求为第一探测节点向第一存储节点发送的探测请求;如果第一探测节点连续N轮循环未收到第一存储节点返回的对第一探测请求的响应,N为预设值,则生成指示第一存储节点故障的探测结果。
优选地,第一探测节点向第一存储节点发送第一探测请求,并接收第一存储节点返回的对第一探测请求的响应,如果某轮循环未收到第一存储节点返回的响应,则失败次数记为1(即在初始值0的基础上累加1),如果下一轮循环向第一存储节点发送第一探测请求后,仍未收到第一存储节点返回的响应,则失败次数累加1,即失败次数记作2,以此类推,如果连续N轮循环未收到第一存储节点返回的响应,那么失败次数记作N,则生成指示第一存储节点故障的探测结果。如果其中第i轮循环收到第一存储节点返回的响应,1≤i<N,则将失败次数归零,后续在未收到第一存储节点返回的响应的情况下,从0开始累加失败次数。
存储集群可以是Redis集群,也可以是其他键值型数据库集群,或者其他类型的存储集群。
在一个实施例中,探测节点向存储集群中的存储节点发送的探测请求可以是Ping请求,存储节点返回的对Ping请求的响应可以是Pong消息。
根据多个探测节点的探测结果,可以通过投票方式判断存储节点是否故障,具体包括:遍历多个探测节点的探测结果,判断是否有至少预设数量的探测节点的探测结果指示该存储节点正常,若是,则判定该存储节点为正常;否则判定该存储节点为故障。
其中,预设数量可以根据需求设置,优先设置为1。
探测节点为物理机,即相对于虚拟机而言是实体计算机,多个探测节点部署在不同机房的不同机架。
探测节点中包括探测程序,探测程序执行时通过不同的网络专线,对存储集群中的各存储节点进行循环探测。
探测节点将探测结果上报到判定程序,判定程序可以位于与各探测节点不同的物理机中,判定程序根据多个探测节点的探测结果,通过投票方式判断存储节点是否故障。
本发明实施例的存储集群的故障检测方法通过部署多个独立的探测程序对存储节点进行故障监测,避免了对Zookeeper的强依赖;同时通过搜集各探测节点的探测结果,综合判定存储节点是否故障,避免了网络不通等单一原因导致对存储节点故障的误判;此外,探测节点部署于多机房的不同机架,进一步减少故障误判,提高检测的可靠性。
以下以Redis集群为例,详细介绍本发明实施例的存储集群的故障检测方法。本发明一个实施例的Redis集群部署示意图如图2所示,Redis集群中包括1台主Redis节点,称其为Master,1台或多台从Redis节点,称其为Slave,为了保证整个Redis集群的高可用性,本发明实施例通过多个探测节点,对Redis集群中的各Redis节点进行循环探测,对于每一Redis节点,根据该多个探测节点的探测结果,通过投票方式判断该Redis节点是否故障,当检测到某个Redis节点故障后,将该故障节点从Redis集群移除。
图3是根据本发明一个实施例的存储节点探测流程示意图。
如图3所示,本发明一个实施例的存储节点探测流程包括:探测程序通过Redis节点的IP和端口,连接上Redis节点,循环向该Redis节点发送Ping请求;探测程序判断是否收到Redis节点的回应,若是,则认定该Redis节点正常,并将失败次数设置为0,然后上报认定结果;否则将失败次数加1,并判断失败次数是否超过规定次数,如果超过规定次数,则认定该Redis节点故障,然后上报认定结果,如果没有超过规定次数,则返回到循环向该Redis节点发送Ping请求的步骤。
其中,探测程序位于探测节点中,在该探测节点循环向该Redis节点发送Ping请求时,可以按照循环周期来向该Redis节点发送Ping请求,一个循环周期为该探测节点向所有Redis节点发送一遍Ping请求所经历的周期,例如经过一轮循环,如果该探测节点未收到该Redis节点的回应,则将失败次数加1(失败次数的初始值是0),并在下一轮循环时再次向该Redis节点发送Ping请求,若下一轮循环仍收到未该Redis节点发送Ping请求,则重复上述过程,直到失败次数超过规定次数时,认定该Redis节点故障,探测程序上报认定结果到判定程序,下文将介绍由判定程序执行的存储节点故障判断流程。
图4是根据本发明一个实施例的存储节点故障判断流程示意图。
如图4所示,本发明一个实施例的存储节点故障判断流程包括:接收各探测节点上报的对Redis节点的探测结果;循环各探测节点的探测结果,当探测结果中有一个探测节点认为该Redis节点正常,则判定该Redis节点正常工作,否则判定该Redis节点故障。
如果判定Redis节点故障,则通知故障切换程序,对故障Redis节点进行迁移,以将故障Redis节点从Redis集群移除。
本发明实施例提供的Redis集群故障检测方法,通过部署独立的探测程序对Redis节点进行存活探测,同时采用投票的方式来最终判断Redis节点是否故障,避免因网络闪断、不通等原因,而导致对Redis节点故障误判。
图5是根据本发明一个实施例的存储集群的故障检测***的主要模块示意图。
如图5所示,本发明一个实施例的存储集群的故障检测***500主要包括:探测模块501、判定模块502。
探测模块501,用于通过多个探测节点,对存储集群中的各存储节点进行循环探测。
判定模块502,用于对于每一所述存储节点,根据多个探测节点的探测结果判断存储节点是否故障。
探测模块501具体用于:通过多个探测节点向存储集群中的各存储节点循环发送探测请求,其中,每个探测节点在每轮循环内向各存储节点分别发送一次探测请求;如果第一探测节点在一轮循环内收到第一存储节点返回的对第一探测请求的响应,则生成指示第一存储节点正常的探测结果,第一探测节点为多个探测节点之一,第一存储节点为存储集群的各存储节点之一,第一探测请求为第一探测节点向第一存储节点发送的探测请求;如果第一探测节点连续N轮循环未收到第一存储节点返回的对第一探测请求的响应,N为预设值,则生成指示第一存储节点故障的探测结果。
判定模块502具体可以用于通过投票方式判断存储节点是否故障,具体地,遍历多个探测节点的探测结果,判断是否有至少预设数量的探测节点的探测结果指示存储节点正常,若是,则判定存储节点为正常;否则判定存储节点为故障。
探测模块501的多个探测节点通过不同的网络专线,对存储集群中的各存储节点进行循环探测。
图6是根据本发明一个实施例的存储集群的故障检测***结构示意图。
本发明一个实施例的存储集群的故障检测***主要分为两个模块,分别是探测模块和判定模块。其中探测模块包括多个探测节点,多个探测节点部署在不同机房的不同机架,这样可以避免同机房网络不通而导致误判。多个探测节点对Redis集群中的节点进行探测,并将探测结果上报给判定模块,判定模块根据搜集的探测结果,综合判定Redis节点是否故障。存储集群的故障检测***结构图如图6所示,其中探测模块在图中未示出。
探测模块的探测节点对Redis节点进行循环探测,如果超过规定次数,探测的Redis节点始终没有有效返回时,则认为该Redis节点故障;否则,认为该Redis节点正常运行。其中,探测节点对Redis节点探测时,向Redis节点发送Ping请求,Redis节点返回响应Ping请求的Pong消息,探测节点收到该Pong消息,表示Redis节点有有效返回。
探测节点将探测结果上报给判定模块。
判定模块搜集到探测模块上报的探测结果,判定Redis节点是否故障,具体判断逻辑是只要有一个探测实例认为该Redis节点正常,则判定该节点正常。
本发明实施例的存储集群的故障检测***通过部署多个独立的探测程序对Redis节点进行故障监测,避免了对Zookeeper的强依赖;同时通过搜集各探测节点的探测结果,综合判定Redis节点是否故障,避免了网络不通等单一原因导致对Redis节点故障的误判;此外,探测节点部署于多机房的不同机架,进一步减少故障误判,提高检测的可靠性,保证整个故障检测***高可用。
另外,在本发明实施例中存储集群的故障检测***的具体实施内容,在上面所述存储集群的故障检测方法中已经详细说明了,故在此重复内容不再说明。
图7示出了可以应用本发明实施例的存储集群的故障检测方法或存储集群的故障检测***的示例性***架构700。
如图7所示,***架构700可以包括终端设备701、702、703,网络704和服务器705。网络704用以在终端设备701、702、703和服务器705之间提供通信链路的介质。网络704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701、702、703通过网络704与服务器705交互,以接收或发送消息等。终端设备701、702、703上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备701、702、703可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器705可以是提供各种服务的服务器,例如对用户利用终端设备701、702、703所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的存储集群的故障检测方法一般由服务器705执行,相应地,存储集群的故障检测***一般设置于服务器705中。
应该理解,图7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。
下面参考图8,其示出了适于用来实现本申请实施例的终端设备或服务器的计算机***800的结构示意图。图8示出的终端设备或服务器仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图8所示,计算机***800包括中央处理单元(CPU)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中,还存储有***800操作所需的各种程序和数据。CPU 801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
以下部件连接至I/O接口805:包括键盘、鼠标等的输入部分806;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807;包括硬盘等的存储部分808;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器810上,以便于从其上读出的计算机程序根据需要被安装入存储部分808。
特别地,根据本发明公开的实施例,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,本发明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部分809从网络上被下载和安装,和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时,执行本申请的***中限定的上述功能。
需要说明的是,本发明所示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。在本申请中,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。而在本申请中,计算机可读的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。计算机可读的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:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的***、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,上述模块、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,框图或流程图中的每个方框、以及框图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。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括探测模块、判定模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,探测模块还可以被描述为“用于通过多个探测节点,对存储集群中的各存储节点进行循环探测的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。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一个该设备执行时,使得该设备包括:通过多个探测节点,对存储集群中的各存储节点进行循环探测;对于每一所述存储节点,根据所述多个探测节点的探测结果判断所述存储节点是否故障。
根据本发明实施例的技术方案,通过多个探测节点对存储集群中的各存储节点进行循环探测,对于每一存储节点,根据多个探测节点的探测结果,通过投票方式判断存储节点是否故障。无需使用Zookeeper服务器即可对存储集群节点进行存活探测,避免因网络闪断、不通等原因而导致对存储集群节点的故障误判,且避免了故障检测整体不可用的缺陷。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。

Claims (10)

1.一种存储集群的故障检测方法,其特征在于,包括:
通过多个探测节点,对存储集群中的各存储节点进行循环探测;
对于每一所述存储节点,根据所述多个探测节点的探测结果判断所述存储节点是否故障。
2.根据权利要求1所述的方法,其特征在于,所述通过多个探测节点,对存储集群中的各存储节点进行循环探测,包括:
所述多个探测节点向存储集群中的各存储节点循环发送探测请求,其中,每个探测节点在每轮循环内向所述各存储节点分别发送一次所述探测请求;
如果第一探测节点在一轮循环内收到第一存储节点返回的对第一探测请求的响应,则生成指示所述第一存储节点正常的所述探测结果,所述第一探测节点为所述多个探测节点之一,所述第一存储节点为所述各存储节点之一,所述第一探测请求为所述第一探测节点向所述第一存储节点发送的所述探测请求;
如果所述第一探测节点连续N轮循环未收到所述第一存储节点返回的对所述第一探测请求的响应,N为预设值,则生成指示所述第一存储节点故障的所述探测结果。
3.根据权利要求1所述的方法,其特征在于,所述根据所述多个探测节点的探测结果判断所述存储节点是否故障,包括:
遍历所述多个探测节点的探测结果,判断是否有至少预设数量的探测节点的所述探测结果指示所述存储节点正常,若是,则判定所述存储节点为正常;否则判定所述存储节点为故障。
4.根据权利要求1所述的方法,其特征在于,所述多个探测节点通过不同的网络专线,对所述存储集群中的各存储节点进行循环探测。
5.一种存储集群的故障检测***,其特征在于,包括:
探测模块,用于通过多个探测节点,对存储集群中的各存储节点进行循环探测;
判定模块,用于对于每一所述存储节点,根据所述多个探测节点的探测结果判断所述存储节点是否故障。
6.根据权利要求5所述的***,其特征在于,所述探测模块还用于:
通过所述多个探测节点向存储集群中的各存储节点循环发送探测请求,其中,每个探测节点在每轮循环内向所述各存储节点分别发送一次所述探测请求;
如果第一探测节点在一轮循环内收到第一存储节点返回的对第一探测请求的响应,则生成指示所述第一存储节点正常的所述探测结果,所述第一探测节点为所述多个探测节点之一,所述第一存储节点为所述各存储节点之一,所述第一探测请求为所述第一探测节点向所述第一存储节点发送的所述探测请求;
如果所述第一探测节点连续N轮循环未收到所述第一存储节点返回的对所述第一探测请求的响应,N为预设值,则生成指示所述第一存储节点故障的所述探测结果。
7.根据权利要求5所述的***,其特征在于,所述判定模块还用于:
遍历所述多个探测节点的探测结果,判断是否有至少预设数量的探测节点的所述探测结果指示所述存储节点正常,若是,则判定所述存储节点为正常;否则判定所述存储节点为故障。
8.根据权利要求5所述的***,其特征在于,所述探测模块的所述多个探测节点通过不同的网络专线,对所述存储集群中的各存储节点进行循环探测。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,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1-4中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。
CN202010090855.3A 2020-02-13 2020-02-13 一种存储集群的故障检测方法和*** Pending CN113254245A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010090855.3A CN113254245A (zh) 2020-02-13 2020-02-13 一种存储集群的故障检测方法和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010090855.3A CN113254245A (zh) 2020-02-13 2020-02-13 一种存储集群的故障检测方法和***

Publications (1)

Publication Number Publication Date
CN113254245A true CN113254245A (zh) 2021-08-13

Family

ID=77219897

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010090855.3A Pending CN113254245A (zh) 2020-02-13 2020-02-13 一种存储集群的故障检测方法和***

Country Status (1)

Country Link
CN (1) CN113254245A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114531373A (zh) * 2022-02-25 2022-05-24 苏州浪潮智能科技有限公司 节点状态检测方法、节点状态检测装置、设备及介质
CN115499294A (zh) * 2022-09-21 2022-12-20 上海天玑科技股份有限公司 一种分布式存储环境网络亚健康检测及故障自动处理方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107153595A (zh) * 2016-03-04 2017-09-12 福建天晴数码有限公司 分布式数据库***的故障检测方法及其***
CN109951331A (zh) * 2019-03-15 2019-06-28 北京百度网讯科技有限公司 用于发送信息的方法、装置和计算集群

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107153595A (zh) * 2016-03-04 2017-09-12 福建天晴数码有限公司 分布式数据库***的故障检测方法及其***
CN109951331A (zh) * 2019-03-15 2019-06-28 北京百度网讯科技有限公司 用于发送信息的方法、装置和计算集群

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114531373A (zh) * 2022-02-25 2022-05-24 苏州浪潮智能科技有限公司 节点状态检测方法、节点状态检测装置、设备及介质
CN115499294A (zh) * 2022-09-21 2022-12-20 上海天玑科技股份有限公司 一种分布式存储环境网络亚健康检测及故障自动处理方法

Similar Documents

Publication Publication Date Title
CN109714192B (zh) 一种监控云平台的监控方法及***
US10048996B1 (en) Predicting infrastructure failures in a data center for hosted service mitigation actions
CN107872402B (zh) 全局流量调度的方法、装置及电子设备
CN107526659B (zh) 用于失效备援的方法和设备
CN109257200B (zh) 大数据平台监控的方法和装置
CN108696581B (zh) 分布式信息的缓存方法、装置、计算机设备以及存储介质
US8898520B1 (en) Method of assessing restart approach to minimize recovery time
CN110830283B (zh) 故障检测方法、装置、设备和***
JP2014522052A (ja) ハードウェア故障の軽減
CN108833205B (zh) 信息处理方法、装置、电子设备及存储介质
US20160036654A1 (en) Cluster system
CN112217847A (zh) 微服务平台及其实现方法、电子设备及存储介质
CN113254245A (zh) 一种存储集群的故障检测方法和***
CN111181765A (zh) 一种任务处理方法和装置
CN110896362B (zh) 一种故障检测方法和装置
CN112751689B (zh) 一种网络连通性检测方法、监控服务端和监控代理装置
US8489721B1 (en) Method and apparatus for providing high availabilty to service groups within a datacenter
CN116932505A (zh) 一种数据查询方法、数据写入方法、相关装置和***
WO2021213171A1 (zh) 一种服务器切换方法、装置、管理节点及存储介质
CN109510730B (zh) 分布式***及其监控方法、装置、电子设备及存储介质
CN113760522A (zh) 一种任务处理方法和装置
CN111092754B (zh) 实时接入服务***及其实现方法
CN115150253B (zh) 一种故障根因确定方法、装置及电子设备
CN111831503A (zh) 一种基于监控代理的监控方法和监控代理装置
CN115712521A (zh) 一种集群节点故障处理方法、***及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination