[发明专利]一种有序系统发生软件故障的重演恢复方法

说明书

本发明涉及在Linux操作系统环境下的有序系统发生软件故障的技术领域，具体涉及一种有序系统发生软件故障的重演恢复方法，采用如下步骤：步骤一：针对有序系统中的业务执行流，对输入在各级业务流水线，有序系统对输入进行编号，形成在有序系统内的唯一序号，形成识别各级业务流水线身份的线程序号数据库；步骤二：针对于Linux环境下软件缺陷所引发的进程异常退出，会伴随信号的产生，形成代码缺陷数据库；它克服了有序系统的致命缺陷，大大提升了系统可用性。在有序系统发生由“肇事者”输入触发的软件故障而导致系统崩溃时，可以通过本方案迅速、无损地恢复服务，并可对系统后续运行可能出现的同类故障提供一定的防御功能。

【技术领域】

本发明涉及在Linux操作系统环境下的有序系统发生软件故障的技术领域，具体涉及一种有序系统发生软件故障的重演恢复方法。

【背景技术】

目前在证券期货行业最流行的快速交易系统——多活内存交易系统就是典型的有序系统，利用基于内存而非磁盘数据库进行业务处理以提升处理速度，多活和有序性则用来确保高可用和数据零丢失。多活集群由多个系统实例组成，每个实例接受完全相同的输入序列，进行完全相同的业务逻辑处理并产生完全相同的输出。这使得多活集群具备极高的可用性和故障恢复能力，任一实例发生故障都不会造成业务中断和数据丢失，并且在任何时候都可以通过重演来无损地恢复已发生故障的实例。此处的“无损”是指故障前已发生的业务在重演恢复后仍然有效，相关数据不会丢失，这对金融领域关键业务系统而言至关重要。

但这类有序系统存在一个致命问题：一个由特定输入触发的软件故障(例如段错误、浮点异常等)，会导致多活集群的全部实例同时崩溃，并且无法通过重演来恢复。这是因为所有实例共用相同的代码逻辑，因此也共有相同的代码缺陷，而有序系统的特点导致系统重演到触发缺陷的输入(称为“肇事者”)时，总是会再次触发缺陷，导致系统崩溃。这是包括多活有序系统在内的所有有序系统的灾难性问题。

导致这类软件故障的代码缺陷通常较为常见，尤其是在C/C++语言开发的系统中。虽然可以通过加强测试来尽量避免，但在实际生产环境中仍然时有发生。特别是对开放服务接口的有序系统(比如证券或期货经纪商的交易平台等系统)而言，可能有许多不同的外部厂商或个人开发的异构系统或终端，通过开放接口访问系统提供的服务，在系统测试阶段很难对各家外部系统各种可能的输入进行全面覆盖。

如果外部系统的某个输入导致有序系统发生了故障，常规的做法是先尝试重启系统并重演输入序列，发现无法恢复后，立即组织开发人员迅速进行故障定位和紧急修复、升级。恢复服务的周期很长(短则几个小时，长则几天甚至几周都有可能)，这对于关键业务系统而言是完全无法接受的。软件缺陷是无法完全避免的，但发生故障后不能迅速恢复是不能接受的。

【发明内容】

本发明的目的在于针对现有技术的缺陷和不足，提供一种有序系统发生软件故障的重演恢复方法。

本发明所述的一种有序系统发生软件故障的重演恢复方法，采用如下步骤：

步骤一：针对有序系统中的业务执行流，对输入在各级业务流水线，有序系统对输入进行编号，形成在有序系统内的唯一序号，形成识别各级业务流水线身份的线程序号数据库；

步骤二：针对于Linux环境下软件缺陷所引发的进程异常退出，会伴随信号的产生，形成代码缺陷数据库；

步骤三：根据步骤二的代码缺陷数据库，针对不同的异常信号，形成异常信号数据任务表；

步骤四：在有序系统中安装针对步骤三中不同的异常信号的信号处理函数，形成信号处理函数数据库；

步骤五：在有序系统中，设置能够实时刷新的业务线程的当前任务表，当前任务表用来存放每个业务线程当前正在处理的输入信息，输入信息为序号及其他的输入信息；