[发明专利]计算系统中延期的服务器恢复方法和设备

说明书

在本文中公开了用于延期的服务器恢复的各种技术。在一个实施例中，一种方法包括从计算系统中的主机接收故障的通知。主机正针对一个或多个用户执行一个或多个计算任务。该方法可以包括然后确定接收到的通知中的故障的恢复在主机上是否是可延期的。响应于确定接收到的通知中的故障是可延期的，该方法包括设置时间延迟，以在更晚的时间对主机执行未决的恢复操作，并且禁止计算任务到主机的附加分配。

技术领域

本申请涉及计算系统，更具体地涉及计算系统中延期的服务器恢复。

背景技术

提供云计算服务的数据中心通常包括路由器、交换机、桥接器和其他物理网络设备，其经由有线或无线网络链接将大量的服务器、网络存储设备和其他类型的物理计算设备互连。单独的服务器可以托管云计算客户端可访问的一个或多个虚拟机或者其他类型的虚拟化部件。虚拟机可以根据由物理网络设备支持的一个或多个网络协议经由虚拟网络来交换消息(诸如电子邮件)。

发明内容

提供本发明内容以便以简化的形式介绍将在以下具体实施方式中进一步描述的一些概念。本发明内容不旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用于限制所要求保护的主题的范围。

在云计算中，虚拟机可用性通常指基于请求来创建新虚拟机的能力或者特定服务器上现有虚拟机的不中断的可访问性。然而，服务器停机事件(诸如重新启动、电力周期、系统升级等)可能导致系统停机时间，并且降低虚拟机可用性。例如，用户可能常常经历在服务器重新启动期间五到甚至三十分钟的停机时间。另外，在重新启动的服务器上托管的虚拟机中的状态信息(例如，计算结果、高速缓存临时数据等)还可能在重新启动期间丢失，这导致数据或者工作成果的丢失。

所公开的技术的若干实施例涉及通过延期某些种类的服务器故障、错误或者问题来提高虚拟机可用性，并且改进虚拟机停机时间的可预测性。在某些实施例中，控制器(例如，数据中心管理器)可以使用例如传感器、代理或者其他适合的机构在立即恢复之前监测并且检测硬件和/或软件故障、错误或者问题。控制器可以然后确定单独的硬件/软件故障、错误或者问题是否要求立即恢复或者恢复可以被延期到更晚的日期/时间。可延期的硬件故障的示例可以是关于服务服务器的电源分配单元(PDU)或者架顶(TOR)路由器的控制层问题(例如，不响应于远程控制指令)。这样的控制层问题通常地不阻止PDU 或者TOR路由器继续运行，而是可能影响加电/断电或者执行其他操作的以后的尝试。可延期的软件故障的示例可以包括操作系统或者设备驱动中的漏洞，其显示为防止创建和/或删除虚拟机的“使用中的文件”问题。服务器重新启动可以通常减轻或者校正这样的问题。然而，服务器重新启动还将影响不受漏洞影响但是在相同服务器上托管的其他虚拟机。所检测的可延期的故障可以被存储在服务器上的永久计算机可读存储器中，或者存在于另一存储位置并且与特定服务器相关联。

响应于确定检测故障的恢复可以被延期，控制器可以将对应于检测到的故障的特定服务器指定为对于托管附加的虚拟机不可用。在将服务器指定为不可用时，控制器还可以执行操作中的一个或多个操作，为所指定的服务器的最终恢复做准备。例如，在一个实施例中，控制器可以设置所指定的服务器可以执行重新启动、电力周期、硬件替换或者其他类型的恢复操作的时间延迟。控制器还可以继续监测正由指定的服务器执行的若干虚拟机或者其他任务。响应于检测到服务器不再托管虚拟机或者其他任务，控制器可以指示服务器执行事先安排的(多个)恢复操作而不管所设置的时间延迟。在另外的实施例中，控制器还可以指示所指定的服务器存留当前在服务器上托管的所有虚拟机的状态信息。状态信息可以存留在服务器自身上、在网络存储设备上、在控制器上或者在其他适合的存储位置。