[发明专利]一种故障检测的方法、装置及系统

说明书

一种故障检测的方法，所述方法应用于分布式的节点集群，所述节点集群包括多个节点，所述方法由所述多个节点中的任一节点执行，所述任一节点为第一节点，所述方法包括：所述第一节点判断是否满足健康度评估触发条件，当满足所述健康度评估触发条件时，所述第一节点根据所述第一节点与所述节点集群中的其它节点之间的心跳时延数据分别对所述节点集群中的其它节点健康度进行评估，并获得所述集群中的其它节点的健康度的评估结果。

技术领域

本申请涉及通信领域，尤其涉及一种故障检测的方法、装置及系统。

背景技术

分布式系统由于具备高并发性、自治性、容错性、可靠性等先进特性，已被广泛的应用于工业界的各类控制系统中。在去中心化的集群中，每个节点以对等的方式出现且一般具备相似的功能。在这类集群中，任何一个单一节点出现故障或出现性能下降时，整个集群的性能不会受到较大的影响。为了在避免单点瓶颈的特质下应对节点或链路故障的出现，每个加入集群的节点都应该具备网络故障的检测能力和一定限度的集群管理能力。

在现有技术中，集群中每个节点都受其他一部分节点的故障检测机制的监视。当集群中某节点故障时，其监视者会发现这种故障，并向集群广播该故障消息。当集群中的管理节点(Leader)收到该条故障消息时将会对该节点进行计时，若计时结束前该节点仍然未恢复正常，则该故障节点会在计时结束时被该管理节点执行决策，如将该故障节点移出集群。

该方案的判决仅以时间作为依据，在某些情况下还会发生错误判决。如故障节点的故障表现为以一定概率丢包的情况，在该情况下故障节点仍然有机会与正常节点通信。但基于现有技术方案，可能因丢包的问题将正常的节点标记为故障并将该故障信息广播至集群中，若集群的管理节点收到了该故障报告，则会出现管理节点将正常节点移出集群的情况。因此，现有技术方案中的故障检测方案的故障检测的准确率较低。

发明内容

本申请实施例提供了一种故障检测的方法、装置及系统，用于提高故障检测的准确性。

第一方面，本申请实施例提供一种故障检测的方法，该方法应用于分布式的节点集群，节点集群包括多个节点，方法由多个节点中的任一节点执行，任一节点为第一节点，该方法包括：

第一节点在确定满足节点健康度评估触发条件的情况下，该第一节点根据第一节点与节点集群中的其它节点之间的心跳时延数据分别对节点集群中的其它节点健康度进行评估，并获得集群中的其它节点的健康度的评估结果。

在该实现方式中，第一节点获取了多组与节点集群中其它所有的节点的心跳时延数据，再根据这些心跳时延数据评估其它节点的健康状况，从而可以根据其它节点的健康状况的评估结果进行故障检测。这样，提高了故障检测的准确性。

一种可能的实现方式中，第一节点向节点集群中除第一节点意外的所有节点采集N组心跳时延数据其中，每组心跳时延数据包含M个心跳时延数据，N和M为大于1的整数，节点集群包含该第一节点。第一节点再根据N组心跳时延数据计算出第一节点至M个节点的通信情况的M个评估值，评估值越低，则通信情况越好，评估值大于或等于预设健康值所对应的节点为故障节点，M个节点中不包括该第一节点，节点集群的总数为M+1。该第一节点再将所计算得到的M个评估值中每个评估值与预设的健康值进行比较，若小于该预设健康值，则表示该评估值为健康值，对应的节点为健康节点或正常节点，若大于或者等于该预设健康值，则表示该评估值为不健康值，相应的，该评估值多对应的节点为不健康节点或为故障节点。

进一步的，第一节点还可以根据前述M个评估值中表示健康或者不健康的评估值的数量作为依据评估该第一节点自身是否健康。具体评估可以为：若为M个评估值中评估解雇表示健康值的评估值超过预设占比，比如超过百分之五十，则确定第一节点为故障节点。进一步的，当该第一节点确定自身为故障节点后，该第一节点可以根据故障决策规定的处理方式进行相应的处理，例如使自己空转或关闭。