[发明专利]一种云平台大规模主机故障的处理方法

说明书

本发明公开一种云平台大规模主机故障的处理方法，包括划分主机组，主机组配置对应的故障主机队列；设定主机中的云主机初始优先级值，设定云主机疏散次数阈值；检测故障主机，故障主机按照优先级排列于故障主机队列中，故障主机中的云主机按照优先级值排列；主机组按故障主机排序处理对应故障主机队列中的故障主机，按照云主机排序处理云主机；云主机疏散失败根据优先级值变化规则，确定优先级值；检测故障主机队列所对应的主机组的疏散能力，关闭疏散能力弱的故障主机队列；将被关闭的故障主机队列中的故障主机按优先级排列于剩余队列；开启符合条件的故障主机队列。本发明能够有效分配集群资源，高效有序的疏散故障主机中的云主机。

技术领域

本发明涉及云平台主机故障处理方法领域，尤其涉及一种云平台大规模主机故障的处理方法。

背景技术

云平台是指基于硬件资源和软件资源提供计算、网络和存储的服务平台。一般部署于大规模集群环境。当某主机节点发生故障不能继续提供服务后，运行其上云主机可以通过高可用功能疏散到其他物理主机上，保证虚拟机能够正常使用，用户业务不会受到影响。

目前，各厂商在疏散云主机的流程上基本相似包括监控检测故障主机节点；隔离故障计算节点，以避免故障节点接收新的数据；将故障主机节点上的虚拟机疏散到其他主机节点上。机械地将云主机从故障主机节点疏散到其他健康主机节点上，未对恢复过程进行有效控制。这样能够很好的处理云计算平台单节点主机故障，但是对于大规模的主机故障却力不从心。如主机A上有云主机a1、a2～am，主机B上有云主机b1、b2～bn。当主机A发生故障时，假设主机A上所有云主机疏散到主机B上，如果此时主机B也发生故障，则主机A上的所有云主机有可能发生错乱疏散，并且在节点故障排除后无法自行恢复。当大规模主机发生故障后，如果机械地都去进行故障恢复而不加以限制，有可能造成大规模云主机的错乱疏散，导致整个云平台的崩溃。

另外，主机节点上云主机根据承载的业务不同，有的用户价值高，有的就可能没那么重要。当主机集群发生大规模故障时，因为计算资源急剧收缩，可能存在资源不足的情况，所以无法保证全部的故障主机及云主机得到恢复。此时，保障高价值的用户业务优先恢复也是计算高可用的现实需求之一。

发明内容

本发明提供云平台大规模主机故障的处理方法，旨在解决现有技术当大规模主机发生故障后，如果机械地都去进行故障恢复而不加以限制，有可能造成大规模云主机的错乱疏散，导致整个云平台的崩溃的问题。

为实现上述目的，本发明提供一种云平台大规模主机故障的处理方法，包括，

S100，对集群中的主机划分主机组，主机组配置对应的故障主机队列；

S200，设定主机中的云主机初始优先级值，设定云主机疏散次数阈值；

S300，检测故障主机，故障主机按照优先级排列于故障主机队列中，故障主机中的云主机按照优先级值排列；

S400，主机组按故障主机排序处理对应故障主机队列中的故障主机，按照云主机排序处理云主机；云主机疏散失败根据优先级值变化规则，确定优先级值；

S500，检测故障主机队列所对应的主机组的疏散能力，关闭疏散能力弱的故障主机队列；

S600，将被关闭的故障主机队列中的故障主机按优先级排列于剩余队列；

S700，开启符合条件的故障主机队列。

优选地，检测故障主机队列对应的主机组疏散能力，包括统计故障主机队列对应的主机组疏散失败的云主机数量，一段时间内失败云主机数量与预设的阈值比较，超过则关闭所述故障主机队列。

优选地，设定主机中的云主机初始优先级值，设定云主机疏散次数阈值包括：