CN103605581A - 一种分布式计算机系统故障处理流程 - Google Patents

Abstract

本发明提供一种分布式计算机系统故障处理流程，主要用于对分布计算机系统的故障分级别进行处理，不同级别不同故障类型采取相应处理措施，保证系统故障全面有效地处理，提高系统运行可靠性。该分布式计算机系统故障处理流程包括：1]对分布式计算机系统的故障进行分类；2]系统发生故障后由系统故障检测机制进行检测，过滤较小故障，处理其他故障，无法处理的故障则发送上级处理，严重故障人工处理。本发明分级别进行故障处理，可以降低故障处理复杂度，保证各种故障能够得到有效地处理，保证高优先级的任务能够可靠运行。

Description

一种分布式计算机系统故障处理流程

技术领域

本发明涉及一种分布式计算机系统故障处理流程，属于嵌入式计算机系统设计技术领域。

背景技术

分布式计算机系统是采用统一标准模块、统一数据通讯网络、多层次的软硬件结构，是一种十分复杂而可靠性要求很高的计算机系统。这种复杂计算机系统故障出现情况也是十分复杂，因此需要设计一种故障处理流程全面有效地处理各种各样的故障，即使系统出现了故障也能保证系统任务可靠运行或保证系统高优先级任务运行。

发明内容

本发明提供一种分布式计算机系统故障处理流程，主要用于对分布计算机系统的故障分级别进行处理，不同级别不同故障类型采取相应处理措施，保证系统故障全面有效地处理，提高系统运行可靠性。

本发明的具体技术解决方案如下：

该分布式计算机系统故障处理流程包括以下步骤：

1]对分布式计算机系统的故障按照进程级、分区级、模块级、系统级四个层次级别进行分类；

2]系统发生故障后由系统故障检测机制进行检测，将检测到的故障报给操作系统的健康监控HM服务，健康监控HM服务对故障进行过滤，若是瞬时故障或影响很小的故障则忽略掉，否则把确认了的故障交给故障管理FM进行分类别处理；本级别处理不了的故障上报上一级健康监控HM服务处理，顶层故障交给系统配置管理CM进行处理。

上述分类别处理具体是：

2.1]进程级故障处理：对分区内的任务故障由分区内的故障处理程序直接处理，以进程为单位实现进程的恢复、隔离或重构；

2.2]分区级故障处理：由健康管理监控服务进行处理，或报告给模块级处理；

2.3]模块级故障处理：由系统容错重构机制处理，实现故障模块的隔离；

2.4]系统级故障处理：由系统定义的容错重构机制处理，重构策略在蓝图中事先已定义好，根据影响范围大小，非常严重故障由人工干预；

上述步骤1中进程级故障包括：软截至期失败、硬截止期失效、应用错误、数值错误、非法请求、栈溢出、存储器违规、APEX内部错和PORT内部错。

上述步骤1中分区级故障包括：分区溢出、分区模式设置错和系统时钟丢失。

上述步骤1中模块级故障包括：硬件故障、电源失败和内核错误。

上述步骤1中系统级故障包括：配置错误、初始化错、生命消息错误、SMBP错、SMOS错和CM报告的远程模块错误。

本发明的优点是：

1)整个系统故障按照进程级、分区级、模块级、系统级四个层次级别进行故障处理，可以降低故障处理复杂度；

2)本级健康监控服务不能处理的故障则报上一级的健康监控服务进行处理，保证各种故障能够得到有效地处理；

3)顶层不能处理故障，则依据系统配置进行系统重构，保证高优先级的任务能够可靠运行。

附图说明

图1为本发明分布式计算机系统故障处理流程图。

具体实施方式

本发明提供一种故障处理流程，按照进程级、分区级、模块级、系统级四个层次级别的故障分别进行处理。各级故障被诊断确认后由操作系统的健康监控服务根据错误代码调相应的错误处理程序进行处理。如果本级健康监控服务不能处理的故障则报上一级的健康监控服务进行处理，到了系统层仍然不能处理的故障则根据系统配置进行系统重构，对不能处理的故障进行隔离，保证高优先级的任务能够可靠运行。

如图1所示，分布式计算机系统故障处理流程具体实施方式如下：

a.对分布式计算机系统各种各样的故障进行分类，按照进程级、分区级、模块级、系统级四个层次级别的设计故障处理程序，不同级别不同类别故障处理措施表1；

b.进程级故障处理，对分区内的任务故障，由分区内的故障处理程序直接处理，以进程为单位实现进程的恢复、隔离或重构；

c.分区级故障处理，由健康管理监控服务进行处理，也可报告给模块级处理；

d.模块级故障处理，由系统容错重构机制处理，可实现故障模块的隔离；

e.系统级故障处理，是最顶级的故障处理，由系统定义的容错重构机制处理，重构策略在蓝图中事先已定义好，根据影响范围大小，非常严重故障可以由飞行员干预；

f.各级故障出现后，由系统故障检测机制进行检测，将检测到的故障报给操作系统的健康监控HM服务，健康监控HM服务对故障进行过滤，如果是瞬时故障或影响很小的故障则忽略掉，否则把确认了的故障交给故障管理FM进行分类别处理。本级别处理不了的故障上报上一级健康监控HM服务处理，顶层故障交给系统配置管理CM进行处理。

表1故障分级别分类别处理措施

Claims (6)

1.一种分布式计算机系统故障处理流程，其特征在于，包括以下步骤： 

1]对分布式计算机系统的故障按照进程级、分区级、模块级、系统级四个层次级别进行分类； 

2]系统发生故障后由系统故障检测机制进行检测，将检测到的故障报给操作系统的健康监控HM服务，健康监控HM服务对故障进行过滤，若是瞬时故障或影响较小的故障则直接忽略，否则把确认后的故障交给故障管理FM进行分类别处理；本级别处理不了的故障上报上一级健康监控HM服务处理，顶层故障交给系统配置管理CM进行处理。 

2.根据权利要求1所述的分布式计算机系统故障处理流程，其特征在于：所述步骤2中故障管理FM进行分类别处理具体是： 

2.1]进程级故障处理：对分区内的任务故障由分区内的故障处理程序直接处理，以进程为单位实现进程的恢复、隔离或重构； 

2.2]分区级故障处理：由健康管理监控服务进行处理，或报告给模块级处理； 

2.3]模块级故障处理：由系统容错重构机制处理，实现故障模块的隔离； 

2.4]系统级故障处理：由系统定义的容错重构机制处理，重构策略在蓝图中事先已定义好，根据影响范围大小，非常严重故障由人工干预。

3.根据权利要求1或2所述的分布式计算机系统故障处理流程，其特征在于：所述步骤1中进程级故障包括：软截至期失败、硬截止期失效、应用错误、数值错误、非法请求、栈溢出、存储器违规、APEX内部错和PORT内部错。 

4.根据权利要求1或2所述的分布式计算机系统故障处理流程，其特征在于：所述步骤1中分区级故障包括：分区溢出、分区模式设置错和系统时钟丢失。 

5.根据权利要求1或2所述的分布式计算机系统故障处理流程，其特征在于：所述步骤1中模块级故障包括：硬件故障、电源失败和内核错误。 

6.根据权利要求1或2所述的分布式计算机系统故障处理流程，其特征在于：所述步骤1中系统级故障包括：配置错误、初始化错、生命消息错误、 SMBP错、SMOS错和CM报告的远程模块错误。 

Images