[发明专利]RabbitMQ集群故障的检测恢复系统及方法

说明书

本发明公开了一种RabbitMQ集群故障的检测恢复系统及方法，属于云计算领域，要解决的技术问题为如何对RabbitMQ集群状态正常但集群队列元数据不一致故障情况的判断及快速恢复；其结构信息采集模块、异常检测模块、监控服务端、故障分析处理模块、恢复检测模块和数据存储模块。方法包括：采集健康数据；对健康数据进行检测分析，并对RabbitMQ集群状态和队列元数据的一致性进行检测分析，得到检测分析结果；在检测分析结果存在异常时产生告警信息；根据检测分析结果生成对RabbitMQ节点的处理结果；在故障处理完毕后，对RabbitMQ集群的可用性进行验证。

技术领域

本发明涉及云计算领域，具体地说是一种RabbitMQ集群故障的检测恢复系统及方法。

背景技术

AMQP(高级消息队列协议)的主要特征是面向消息、队列、路由(包括点对点和发布/订阅)、可靠性、安全。RabbitMQ是AMQP的消息中间件的一种开源实现，主要用于在分布式系统中存储转发消息。RabbitMQ服务器端用Erlang语言编写，支持多种客户端，如Java，Python,C等。

RabbitMQ提供的集群模式分为：普通集群模式、镜像集群模式。

普通集群模式是默认的集群模式，以下以三个节点(rabbit01、rabbit02、rabbit03)为例来进行说明：对于Queue来说，消息实体只存在于其中一个节点rabbit01(或者rabbit02，或者rabbit03)，rabbit01和rabbit02、03节点仅有相同的元数据，即队列的结构；当消息进入rabbit01节点的Queue后，consumer从rabbit02节点消费时，RabbitMQ会临时在rabbit01、rabbit02间进行消息传输，把A中的消息实体取出并经过B发送给consumer。所以consumer应尽量连接每一个节点，从中取消息。即对于同一个逻辑队列，要在多个节点建立物理Queue；否则无论consumer连rabbit01或rabbit02，出口总在rabbit01，会产生瓶颈；当rabbit01节点故障后，rabbit02节点无法取到rabbit01节点中还未消费的消息实体；如果做了消息持久化，那么得等rabbit01节点恢复，然后才可被消费；如果没有持久化的话，就会产生消息丢失的现象。

镜像集群模式：在镜像集群模式下queue中的消息每个节点都会存在一份copy,这个在单个节点失效的情况下，整个集群仍旧可以提供服务(但在实际的环境中发现，即时集群状态正常但集群元数据不一致也无法正常提供服务)。但是由于数据需要在多个节点复制，在增加可用性的同时，系统的吞吐量会有所下降。在实现机制上，mirror queue内部实现了一套选举算法，有一个master和多个slave,queue中的消息以master为主，对于publish，可以选择任意一个节点进行连接，RabbitMQ内部若该节点不是master，转发给master，master向其他slave节点发送该消息，后进行消息本地化处理，并组播复制消息到其他节点存储，对于consumer，可以选择任意一个节点进行连接，消费的请求会转发给master,为保证消息的可靠性，consumer需要进行ack确认，master收到ack后，才会删除消息，ack消息会同步(默认异步)到其他各个节点，进行slave节点删除消息。若master节点失效，则mirror queue会自动选举出一个节点(slave中消息队列最长者)作为master，作为消息消费的基准参考；在这种情况下可能存在ack消息未同步到所有节点的情况(默认异步)，若slave节点失效，mirror queue集群中其他节点的状态无需改变。

Mnesia是一个分布式数据库模块，可以自动在多个erlang节点间同步数据库。RabbitMQ服务借助Mnesia数据库存储队列(包括queue属性信息)、消息、vhost、user、exchange(包括exchange属性信息)等信息。