[发明专利]一种计算机集群的健康状态检查和修复方法及存储介质

说明书

本发明公开了计算机集群的健康状态检查和修复方法及存储介质，该方法包括：检查所述计算机集群中各服务器的运行状态，确定在线服务器；检查所述在线服务器的磁盘分区，并修复检查出的所述在线服务器的异常磁盘分区；根据预设的配置文件，检查所述在线服务器的各系统服务，并修复检查出的所述在线服务器的异常系统服务；检查所述在线服务器的内存使用状态，并修复检查出的所述在线服务器的异常内存；检查所述在线服务器的软件环境，并修复检查出的所述在线服务器的异常软件环境。本发明在检查出节点服务器的异常时，及时在线修复异常，无需人工干预，节省人工成本的同时，提高了检测修复的效率，经过本发明的计算机集群的健康状态得到显著的提升。

技术领域

本发明涉及检查计算集群运行状态的技术，尤其涉及一种计算机集群的健康状态检查和修复方法及存储介质。

背景技术

20世纪70年代，第三次地球物理计算机变革导致交互处理与批量处理被集成起来在UNIX工作站和并行计算机上运行。直到现在，大型油气勘探开发公司，石油物探服务公司、地球物理研究机构都购置了针对大型商业软件的硬件资源集群，包括应用软件的部署，网络存储的使用，以及网络交换机的规划等资源环境的搭建，这些资源的服务主要基于各业务系统的正常运营运维。基于对集群资源的正常运行，满足各项业务的需求开展，最终形成了以地震资料处理解释为主体支撑业务发展的地球物理数据中心。

在从事地球物理领域的科研生产中，为保证集群系统安全正常运行以及业务平稳运行的需求，需要对集群节点的各个服务状态运行情况进行检查检测，这些服务状态在每个节点中时时发生着变化，无法自行修复，需要进行人工干预，系统管理员对这些信息进行查看和分析，会耗费大量的时间，不能实时的发现有效数据，而且这种需求在不断扩大。

在进行地球物理领域的科研生产活动中，由于科研应用手段的不断发展和提升、相关软件数据越来越复杂庞大，数据中心设备不断扩容，业务运行周期不断加大，特别是集群资源，一旦业务运行不正常，运维人员需要对用户的整个集群资源进行检查和修复。为了能够保障业务的正常运行，提升集群的使用效率，要对集群中的每一个节点中的网络，内存，磁盘、软件环境、用户环境进行一一检查。随着集群资源的需求不断加大，集群资源的业务也在不断的扩容，给运维人员带来了很大的运维管理成本，以及排除故障的能力，往往得需要根据经验不断的进行挖掘，耗费很大的时间才能够得出结论。

因此，亟需一种高效，省时，稳定的计算机集群的健康状态的检查程序，以提高业务正常运行的效率，提升集群的整体健康性和使用率。

发明内容

针对现有技术中存在的问题，为了对计算机集群的运行状态进行监控检查，发现节点服务器的系统运行中存在的问题并解决问题，本发明提供了一种计算机集群的健康状态检查和修复方法，包括以下步骤：

针对服务器状态：检查所述计算机集群中各服务器的运行状态，确定在线服务器；

针对磁盘分区：检查所述在线服务器的磁盘分区，并修复检查出的所述在线服务器的异常磁盘分区；

针对系统服务：根据预设的配置文件，检查所述在线服务器的各系统服务，并修复检查出的所述在线服务器的异常系统服务；

针对内存状态：检查所述在线服务器的内存使用状态，并修复检查出的所述在线服务器的异常内存；

针对软件环境：检查所述在线服务器的软件环境，并修复检查出的所述在线服务器的异常软件环境。

优选的，所述针对服务器状态的步骤具体包括：

S11：通过连接测试命令，判断所述计算机集群中各服务器是否可成功连通；

S12：若是，判断该服务器是否可运行计算作业，若否，记录该未连通的服务器，以为后续进行人工检测修复提供依据；

S13:将可运行计算作业的服务器视为在线服务器，并记录不可运行计算作业的服务器，以为后续进行人工检测修复提供依据。