[发明专利]一种计算机集群系统的故障处理方法

权利要求书

1.一种计算机集群系统的故障处理方法，其特征在于，包括：

A、选取计算机集群系统中至少两个节点设置为承担故障处理以及管理计算机集群系统的管理节点，所述管理节点中的一个作为主节点，其余作为备节点；

B、计算机集群系统中每一个节点的底层监控服务模块监控本节点的运行状态以及软硬件负荷情况，并判断是否出现故障，若是，底层监控服务模块通知消息中间件服务模块向主节点的管理中心服务模块发送故障消息；

C、主节点的管理中心服务模块根据所述故障消息进行故障处理。

2.根据权利要求1所述的方法，其特征在于，所述故障为节点的内存、CPU或系统盘使用率超过预先规定的阈值；

步骤C为：主节点的管理中心服务模块将故障内容上报给维护人员。

3.根据权利要求1所述的方法，其特征在于，所述故障为硬件故障；

步骤C为：主节点的管理中心服务模块将出现故障的硬件标识通知管理员，并将故障设备从计算机集群系统中剔除。

4.根据权利要求1所述的方法，其特征在于，发生故障的节点为普通节点，故障为软件故障；

步骤C为：主节点的管理中心服务模块以已定义的状态值来标识该节点的状态，并将具体故障信息通知维护人员。

5.根据权利要求1所述的方法，其特征在于，发生故障的节点为主节点，故障为软件故障；

步骤C为：从备节点中选举出一个新的主节点接替原主节点的工作。

6.根据权利要求1至5任一项所述的方法，其特征在于，该方法进一步包括：

计算机集群系统通过心跳机制检测到有节点处于了离线状态，若该节点为主节点，从备节点中选举出一个新的主节点接替原主节点的工作后，将原主节点进入老化；若该节点为普通节点则直接进入老化；

老化期过后，从计算机集群系统中删除该节点所有信息。

7.根据权利要求6所述的方法，其特征在于，所述心跳机制为：计算机集群系统的各节点统一将心跳消息发送到主节点所在的消息中间件模块,由主节点和备节点收取并管理心跳消息，如果所收到的最后一条心跳消息中的时间戳距离当前的时间超出预先设定的阈值还没有收到新的心跳消息，则认为发出该心跳消息的节点离线。