云計(jì)算中大規(guī)模集群下故障檢測(cè)功能的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著云計(jì)算的快速發(fā)展，云服務(wù)中服務(wù)器集群規(guī)模向著超萬(wàn)臺(tái)甚至百萬(wàn)臺(tái)的的方向發(fā)展，研發(fā)工程師們面臨著許多的技術(shù)挑戰(zhàn)，例如:在不可靠的硬件基礎(chǔ)上提供高可靠性的計(jì)算能力和存儲(chǔ)能力;降低運(yùn)維海量硬件的成本等，其中不可靠的硬件是對(duì)集群高可靠性最基本的挑戰(zhàn)。集群規(guī)模達(dá)到上千臺(tái)后，單機(jī)故障的小概率事件變成了必然的、頻繁發(fā)生的事件。如:硬盤、硬盤控制器、CPU、內(nèi)存、主板、電源等故障造成的宕機(jī)每天都會(huì)發(fā)生。
　　硬件的不可靠性會(huì)對(duì)集群的可靠性甚至可

2、用性造成不良的影響，已經(jīng)成為制約集群發(fā)展的一個(gè)重要因素，如何及時(shí)有效地進(jìn)行集群的故障檢測(cè)和故障恢復(fù)就變得尤其關(guān)鍵。本文主要對(duì)云計(jì)算中集群故障檢測(cè)技術(shù)進(jìn)行的研究，并結(jié)合企業(yè)的應(yīng)用需求，在企業(yè)的云計(jì)算服務(wù)平臺(tái)中實(shí)現(xiàn)集群故障的檢測(cè)功能。
　　本文的主要工作如下:
　　1.研究了云計(jì)算服務(wù)平臺(tái)中集群故障檢測(cè)的相關(guān)技術(shù)，分析了目前一些企業(yè)的云計(jì)算平臺(tái)集群故障檢測(cè)功能的實(shí)現(xiàn)方案，這些方案盡管實(shí)現(xiàn)方法不同，但其實(shí)現(xiàn)的關(guān)鍵點(diǎn)是主機(jī)和共享存儲(chǔ)

3、的心跳實(shí)現(xiàn)、虛擬機(jī)故障檢測(cè)方法。
　　2.對(duì)企業(yè)集群故障檢測(cè)功能的需求進(jìn)行了分析，提出了適合企業(yè)云計(jì)算平臺(tái)的集群故障檢測(cè)功能的實(shí)現(xiàn)方案，并對(duì)集群故障檢測(cè)功能的后臺(tái)系統(tǒng)進(jìn)行了較詳細(xì)的設(shè)計(jì)。
　　3.在企業(yè)云計(jì)算服務(wù)基礎(chǔ)架構(gòu)環(huán)境下，實(shí)現(xiàn)了集群故障檢測(cè)功能的主要模塊，包括Master模塊、Slave模塊、命令行模塊，三者相互協(xié)作實(shí)現(xiàn)集群的故障檢測(cè)和故障排除功能。
　　4.在企業(yè)已有的云計(jì)算服務(wù)平臺(tái)中，構(gòu)建測(cè)試環(huán)境，對(duì)所開發(fā)的