[发明专利]作为服务的故障检测与恢复

说明书

背景技术

在计算领域，许多情形涉及计算机系统中的故障检测，比如干扰进程；进程所利用的资源的不可用性，比如唯一地被另一个进程锁定的空闲存储器或资源的耗尽；进程无能力完成任务；进程的逻辑故障，其导致资源的消耗、无穷尽的循环或应用崩溃；或设备的硬件故障，其中断进程的执行。这样的故障的严重程度为从好奇到不便到严重的问题（例如在实时进程或正常运行时间用户所依赖的进程中的故障）。在这些和其他情形中，管理员可以努力监控该进程，比如利用在同一个设备或另一个设备上运行的监控进程来监控被监控进程的实现（instrumentation），验证被监控进程继续按预期运行、提供可接受性能以及对用户而言是可访问的。如果被监控进程显示出故障的指示或变得不可及，则监控进程可以在日志中记录这些指示或者可以通知管理员。

发明内容

通过简化形式提供该发明内容以引入概念的选择，在下文的具体实施方式中对其进一步描述。该发明内容不旨在标识要求保护的主题的关键因素或必要特征，也不旨在用于限制要求保护的主题的范围。

监控进程和被监控进程的接口经常是高度专用且专有的。例如，要被监控的进程可以报告指示其状况（status）的一组专用度量，并且/或者可以以专用方式报告这样的度量，比如特定类型的日志或事件模型或特定位置。该监控进程还可以特别地被设计成与被监控进程耦合（例如，以便评估日志，预订事件和/或查询被监控进程）。该监控进程和被监控进程可以一起表示一对紧密耦合的互操作进程。然而，该监控进程和被监控进程的专用化（specialization）可能在某些方面是低效的。作为第一实例，每个被监控进程可以具有对应的监控进程，并且对许多被监控进程的监控可涉及许多监控进程的部署，其中每个监控进程监控一个进程。该耦合可以降低监控设备的再使用（例如，可能难以配置一组机器来监控一组进程）。作为第二实例，可能罕见的是建立对正在监控第二进程的第一进程的监控（在同一个机器或另一个机器上）。作为第三实例，监控的每种情形可能有轻微不同或显著不同（例如向管理员通知故障指示符的方式，被不同进程使用的故障指示符的类型，以及日志文件的位置、格式和语义使用），导致在系统的管理方面复杂性增加。

本文提出了用于将故障监控实现为标准化服务的技术。根据这些技术，可以提供一组一个或多个监控节点，其被配置成执行对执行要被监控的一个或多个进程的各个被监控节点的监控。一个或多个被监控节点可以向监控节点注册（register）以便监控，并且可以发起对这些进程的状况（可能包括这些进程的状态（例如不仅仅包括进程是否正在运行，而且还包括该进程的内部状态））的周期性报告。监控节点可以记录该信息，并且可以在接收到进程或被监控节点正在遭遇困难或已经停止报告的指示时采取行动。例如，该监控节点可以请求重启不再报告的进程，包括重启处于由被监控节点最后报告的状态的该进程，并且还可以请求在不同的被监控节点上重启该进程。如果被监控节点完全停止响应，则监控节点可以选择替代的被监控节点，并且可以请求在该替代的被监控节点上重启所有这些进程（可能处于最后报告的状态）。

而且，在涉及一组两个或更多监控节点的情形中，监控节点还可以相互监控。例如，被监控节点可以被指派（assign）向特定监控节点报告。而且，监控节点可以周期性地使其中的监控信息同步（例如每个监控节点可以告知其他监控节点分配给它的被监控节点、在其上执行的被监控进程和每个这样的被监控进程的状况和/或可能地状态）。如果监控节点故障（例如停止向其他监控节点报告），则其他监控节点可以选择替代的监控节点，该故障监控节点的所有被监控节点可以被重新分配给该替代的监控节点。