[发明专利]一种有状态集群恢复方法、装置、设备及可读存储介质

说明书

本发明公开了一种有状态集群恢复方法，该方法包括以下步骤：目标节点重启后，获取分布式协调服务记录的身份标识文件；利用身份标识文件确定主节点身份标识，并判断主节点身份标识与本机标识是否相同；如果是，则获取分布式协调服务的分布式锁，并在本机网卡中设置有状态集群对外提供访问服务的VIP；如果否，则在主节点获取分布式锁后，以从节点身份加入有状态集群，并加入申请主身份队列。可在有状态集群运行时、集群重启时、或单节点重启时，保障有状态集群数据完整性。本发明还公开了一种有状态集群恢复装置、设备及可读存储介质，具有相应的技术效果。

技术领域

本发明涉及计算机应用技术领域，特别是涉及一种有状态集群恢复方法、装置、设备及可读存储介质。

背景技术

在云计算、大数据、人工智能等IT系统中，有很多关键的服务存储着业务的核心数据，它们的正常运行是系统稳定运行的前提，为了解决单点故障和数据丢失问题，一般使用多个节点冗余备份的方法组成一个集群，统一对外提供服务。这些存在可变数据的服务称为有状态服务。如作为数据库服务的Galera技术的mariadb集群、ovn-db的主备集群、mongo主备集群，如作为消息转发服务的rabbitmq-server主备集群。当提供服务的节点异常(如断电、网络异常)之后，其他节点的服务可以继续工作。

多个节点形成有状态集群，每个节点都保存各自的数据，通过集群心跳和同步来保证各个节点的数据一致性。有些集群是多个节点同时提供读写能力，如Galera-Mariadb、rabbitmq-server；有些集群是分为master+slave角色，只有master节点提供读写能力，slave只能提供读能力。在集群恢复方面，上述每种集群都可以轻松解决单点故障和重加入的问题。但是如果集群多个节点异常(如断电、网络震荡)，甚至全部异常，又或者计划内整体关机(如处于维护的目的关闭集群)后，再将集群恢复正常，就是比较困难的事情。尤其是在要求全部上电自动恢复的场景时，问题更为突出。具体表现在：集群重启时，最后一个挂掉的节点应该第一个重启，以保证数据是最全最完整的。即，当整体集群重启时，就需要一个仲裁模块抉择哪个节点先启动，这往往取决于集群关闭时的顺序，仲裁模块会通过探测的方式抉择出哪个节点是最后关闭的，然后让该节点先启动，以保证数据完整性(因为最后关闭的节点才会有最完整的数据，提前关闭的节点的数据是有可能不完整的)。如图1所示(启动顺序同图示空心箭头的顺序，与关闭时间顺序相反)，常见的如pacemaker通过mariadb的agent启动mariadb集群的方式，就是如此。但是通过额外的Pacemaker模块管理集群的启动和运行有如下缺点：

缺点一：pacemaker本身依赖corosync，而后者在网络震荡时稳定性较差，也增加了系统复杂度。

缺点二：pacemaker管理各个业务模块时需要配置agent，且每个agent的实现各不相同，在业务模块版本升级时，可能出现agent不兼容的情况。

缺点三：pacemaker适合业务模块的原生启动模式，但对于容器化后的业务模块，pacemaker无能为力。

缺点四：pacemaker状态机复杂，且agent的实现和业务模块耦合性很高，造成维护困难。

综上所述，如何有效地解决集群重启时，保障数据完整性等问题，是目前本领域技术人员急需解决的技术问题。

发明内容

本发明的目的是提供一种有状态集群恢复方法、装置、设备及可读存储介质，以在集群重启时，保障数据完整性。

为解决上述技术问题，本发明提供如下技术方案：

一种有状态集群恢复方法，包括：

目标节点重启后，获取分布式协调服务记录的身份标识文件；

利用所述身份标识文件确定主节点身份标识，并判断所述主节点身份标识与本机标识是否相同；