[发明专利]一种宕机检测方法及设备

说明书

本发明涉及心跳检测技术，公开了基于心跳检测技术的宕机检测方法以及设备，其中宕机检测方法由宕机检测节点执行，包括：获得被检测节点的历史心跳时间间隔，所述历史心跳时间间隔为所述宕机检测节点接收到的所述被检测节点的相邻心跳消息的接收时刻的时间间隔；获得所述被检测节点的误判概率上限值，所述误判概率上限值为将所述被检测节点误判为宕机的概率上限值；根据所述误判概率上限值和所述历史心跳时间间隔计算所述被检测节点的心跳超时时长；如果在所述心跳超时时长内未收到来自所述被检测节点的心跳消息，判定所述被检测节点宕机。使用本发明，可以保证系统的高可用性。

技术领域

本发明涉及心跳检测技术，具体涉及一种基于心跳检测技术的宕机检测方法以及设备。

背景技术

企业中的关键应用，如邮件服务、文件服务、数据库服务等，通常会被要求不间断连续提供服务并且不能表现出故障切换，这就要求承载关键应用的系统具有高可用性(HA，High Availability)。高可用性是指通过尽量缩短系统停机时间(因日常的维护操作或突发的系统崩溃等)，以提高系统的可用性。通常高可用性表现为系统能够自动快速判断故障，并提供故障恢复的能力，通常用高可用率来衡量高可用性，高可用率为系统中断时间占工作时间的比例。

自动判断故障通常为利用心跳(Heartbeat)检测检测系统中的节点是否宕机，传统的心跳检测方法是设定一个心跳超时时长(timeout)，只要在心跳超时时长之内没有接收到被检测节点的心跳消息便认为被检测节点宕机。在传统的心跳检测方式下，被检测节点通常会每间隔t秒向宕机检测节点发送心跳消息，而宕机检测节点采用心跳超时时长T(t<T)来判断目标是否宕机。在宕机检测节点判定被检测节点宕机后，宕机检测节点可以向被检测节点发送重启命令或是故障切换消息进行故障恢复。

但从理论上来说，心跳检测无法真正检测被检测节点是否宕机，主要困难在于无法真正区别被检测节点宕机与被检测节点的心跳消息还没到达这两种情况，当判定没有宕机的被检测节点为宕机时就造成了误判。在实际中往往会通过测试或估计的方式为T赋一个上限值。然而靠测试或估计很难设定一个合适的心跳超时时长T以便精确满足系统对误判概率的要求，从而无法保证系统的高可用性。

发明内容

本发明实施例提供了一种宕机检测方法及设备，用以解决很难设定一个合适的心跳超时时长T以便精确满足系统对误判概率的要求的问题，从而提高系统的高可用性。

第一方面，本发明实施例提供了一种宕机检测方法，由宕机检测节点执行，所述方法包括：获得被检测节点的历史心跳时间间隔，所述历史心跳时间间隔为所述宕机检测节点接收到所述被检测节点的相邻心跳消息的接收时刻的时间间隔；获得所述被检测节点的误判概率上限值，所述误判概率上限值为将所述被检测节点误判为宕机的概率上限值；根据所述误判概率上限值和所述历史心跳时间间隔计算所述被检测节点的心跳超时时长；如果在所述心跳超时时长内未收到来自所述被检测节点的心跳消息，判定所述被检测节点宕机。

结合第一方面，在第一方面第一种可能的实现方式中，所述获得所述被检测节点的误判概率值包括：获得接收到所述被检测节点的心跳消息的次数的预测值；获得所述被检测节点的与所述预测值对应的将所述被检测节点误判为宕机的次数的上限值；根据所述预测值和所述将所述被检测节点误判为宕机的次数的上限值获得所述被检测节点的误判概率上限值。

结合上述第一方面可能的实现方式，在第一方面第二种可能的实现方式中，所述根据所述预测值和所述将所述被检测节点误判为宕机的次数的上限值获得所述被检测节点的误判概率上限值包括：将所述被检测节点的误判概率上限值设置为所述将所述被检测节点误判为宕机的次数的上限值与所述预测值的比值。