CN111274135A - 一种openstack的计算节点高可用测试方法 - Google Patents
一种openstack的计算节点高可用测试方法 Download PDFInfo
- Publication number
- CN111274135A CN111274135A CN202010056642.9A CN202010056642A CN111274135A CN 111274135 A CN111274135 A CN 111274135A CN 202010056642 A CN202010056642 A CN 202010056642A CN 111274135 A CN111274135 A CN 111274135A
- Authority
- CN
- China
- Prior art keywords
- host
- cluster
- reserved
- cloud host
- recovery mode
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000010998 test method Methods 0.000 title claims description 13
- 238000011084 recovery Methods 0.000 claims abstract description 91
- 238000012360 testing method Methods 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000002360 preparation method Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 abstract description 2
- 238000006467 substitution reaction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Hardware Redundancy (AREA)
Abstract
本发明提供一种openstack的计算节点高可用测试方法，包括如下步骤：S1.部署基于openstack管理平台的集群；S2.设置集群为高可用集群，获取用户选择的高可用集群的恢复方式，并根据高可用集群的恢复方式添加主机以及对主机状态进行配置；所述恢复方式包括自动、预留以及预留优先；S3.模拟高可用集群内云主机对应计算节点故障，根据高可用集群的恢复方式，对云主机疏散结果进行预测，并验证预测的云主机疏散结果与实际的云主机疏散结果是否一致。本发明自动实现openstack的计算节点高可用功能的有效验证，根据云主机疏散情况、云主机数量和所占用计算节点容量关联进行全面测试，测试充分，便利性好。
Description
技术领域
本发明属于云产品测试技术领域，具体涉及一种openstack的计算节点高可用测试方法。
背景技术
HA，是High Availability的简称，高可用性。
Openstack是一个基础设施及服务(IaaS)的云计算平台，通过将整个数据中心里的资源池化来提供计算、网络、存储等基础服务，而这些基础服务都可以通过openstack的操作界面Horizon进行分配和创建。云主机建立在计算节点之上，当计算节点发生故障时，云主机能不受影响继续工作尤其重要，为了保证云主机的正常工作，对计算节点的HA高效精准测试尤其重要。
现有技术已实现openstack计算节点HA功能，但没有给出基于openstack的计算节点高可用测试方式，对HA各种模式测试是由测试人员手动测试观察计算节点的状况，对云主机疏散情况、云主机数量和所占用计算节点容量关联不明确，对HA各中模式测试不充分，便利性差。
此为现有技术的不足，因此，针对现有技术中的上述缺陷，提供一种openstack的计算节点高可用测试方法，是非常有必要的。
发明内容
针对现有技术的上述现有openstack计算节点HA功能各种模式测试是由测试人员手动测试观察计算节点的状况，对云主机疏散情况、云主机数量和所占用计算节点容量关联不明确，对HA各中模式测试不充分，便利性差的缺陷，本发明提供一种openstack的计算节点高可用测试方法，以解决上述技术问题。
本发明提供一种openstack的计算节点高可用测试方法，包括如下步骤：
S1.部署基于openstack管理平台的集群；
S2.设置集群为高可用集群，获取用户选择的高可用集群的恢复方式，并根据高可用集群的恢复方式添加主机以及对主机状态进行配置；所述恢复方式包括自动、预留以及预留优先；
S3.模拟高可用集群内云主机对应计算节点故障，根据高可用集群的恢复方式，对故障云主机疏散结果进行预测，并验证预测的故障云主机疏散结果与实际的故障云主机疏散结果是否一致。通过断电或制造故障模拟高可用集群内云主机对应计算节点故障进行测试。
进一步地，步骤S1具体步骤如下：
S11.获取集群内计算节点数量及每个计算节点地址；
S12.根据计算节点地址获取每个计算节点的物理主机，并在每个计算节点的物理主机安装操作系统；
S13.在每个计算节点部署openstack管理平台。部署基于openstack管理平台的集群，集群内计算节点是云主机的基础，而物理主机指的是硬件设备，是计算节点基础。
进一步地，步骤S2具体步骤如下：
S21.将集群内计算节点配置为准备状态，配置每个计算节点高可用；
S22.获取用户选择的集群恢复方式，实现集群配置为高可用集群；
S23.根据高可用集群的恢复方式添加主机以及对主机进行配置。不同的恢复方式，添加主机的状态不同。
进一步地，步骤S23具体步骤如下：
S231.为高可用集群添加主机，设置主机状态为非预留，同时设置主机高可用开关为开；
S232.判断高可用集群的恢复方式是否为自动；
若是，进入步骤S3；
若否，为可高用集群添加预留主机，设置预留主机状态为预留，同时设置预留主机高可用开关为开。高可用集群需要添加主机作为备用，非自动状态添加的主机状态要设置为预留。
进一步地，步骤S3具体步骤如下：
S31.模拟高可用集群内云主机对应计算节点故障；
S32.获取用户选择的集群恢复方式；
S33.根据用户选择的集群恢复方式对故障云主机疏散结果进行预测，同时获取故障云主机实际疏散结果，并判断预测的故障云主机疏散结果与实际的故障云主机疏散结果是否一致。不同的集群恢复方式，故障云主机的疏散方式不同。
进一步地，步骤S33具体步骤如下：
S331.判断用户选择的集群恢复方式；
当用户选择的集群恢复方式为自动时，进入步骤S332；
当用户选择的集群恢复方式为非自动时，进入步骤S333；
S332.预测故障云主机自动疏散到可用域内的主机，且疏散一次，获取故障云主机上的云主机总量，并判断故障云主机上的云主机总量是否小于可用域内的剩余的主机总量；
若是，则预测故障云主机疏散成功；否则，预测故障云主机疏散失败；结束；
S333.根据用户选择的集群恢复方式为预留还是预留优先，预测故障云主机的疏散次数及疏散结果。集群恢复方式为自动的故障云主机只疏散一次到可用域内的剩余的主机。
进一步地，步骤S33中还包括如下步骤：
S334.获取故障云主机实际疏散结果，并判断预测的故障云主机疏散结果与实际的故障云主机疏散结果是否一致；
若是，则计算节点高可用测试通过；
若否，则计算节点高可用测试不通过。
进一步地，步骤S333具体步骤如下：
S3331.判断用户选择的集群恢复方式为预留还是预留优先；
当用户选择的集群恢复方式为预留时，进入步骤S3332；
当用户选择的集群恢复方式为预留优先时，进入步骤S3333；
S3332.预测故障云主机自动疏散到预留主机，疏散一次，获取故障云主机上的云主机总量，并判断故障云主机上的云主机总量是否小于预留的主机总量；
若是，则预测故障云主机疏散成功；否则，预测故障云主机疏散失败；结束；
S3333.预测故障云主机首先自动疏散到预留主机，获取故障云主机上的云主机总量，并判断故障云主机上的云主机总量是否小于预留的主机总量；
若是，则预测故障云主机疏散成功；结束；
否则，疏散失败的预测故障云主机再次自动疏散到可用域内的其他主机；判断第一次疏散失败的云主机数量是否小于可用域内其他主机总量；
若是，预测故障云主机疏散成功；
若否，预测故障云主机疏散失败。集群恢复方式为预留的故障云主机只疏散一次到预留主机；集群恢复方式为非预留的故障云主机首先疏散一次到预留主机，若预留主机无法满足故障云主机的数量要求，再疏散一次到可用域内的剩余的主机。
进一步地，步骤S3中还包括如下步骤：
S34.根据用户选择的集群恢复方式，预测故障云主机疏散后，被疏散主机的状态变化，验证被疏散主机状态是否正确。除了要验证故障云主机疏散成功与否，还要验证疏散后被疏散主机状态是否正确，是否及时变更状态。
进一步地，步骤S34具体步骤如下：
S341.获取用户选择的集群恢复方式；
当用户选择的集群恢复方式为自动时，预测可用域内被疏散主机的状态不变，仍为非预留；
当用户选择的集群恢复方式为预留时，预测被疏散预留主机的状态更改为非预留；
当用户选择的集群恢复方式为预留优先时，预测被疏散预留主机的状态更改为非预留，可用域内其他被疏散主机的状态不变，仍为非预留；
S342.获取被疏散主机的实际状态，验证预测的被疏散主机状态与实际的被疏散主机状态是否一致。
本发明的有益效果在于，
本发明提供的openstack的计算节点高可用测试方法，自动实现openstack的计算节点高可用功能的有效验证，根据云主机疏散情况、云主机数量和所占用计算节点容量关联进行全面测试，测试充分，便利性好。
此外，本发明设计原理可靠，结构简单，具有非常广泛的应用前景。
由此可见，本发明与现有技术相比，具有突出的实质性特点和显著的进步，其实施的有益效果也是显而易见的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的方法流程示意图一；
图2是本发明的方法流程示意图二；
图3是本发明的方法流程示意图三；
图4是本发明的方法流程示意图四。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
实施例1：
如图1所示，本发明提供一种openstack的计算节点高可用测试方法，包括如下步骤：
S1.部署基于openstack管理平台的集群；
S2.设置集群为高可用集群，获取用户选择的高可用集群的恢复方式，并根据高可用集群的恢复方式添加主机以及对主机状态进行配置；所述恢复方式包括自动、预留以及预留优先；
S3.模拟高可用集群内云主机对应计算节点故障，根据高可用集群的恢复方式，对故障云主机疏散结果进行预测，并验证预测的故障云主机疏散结果与实际的故障云主机疏散结果是否一致。通过断电或制造故障模拟高可用集群内云主机对应计算节点故障进行测试。
实施例2：
如图1和图2所示，本发明提供一种openstack的计算节点高可用测试方法，包括如下步骤：
S1.部署基于openstack管理平台的集群；具体步骤如下：
S11.获取集群内计算节点数量及每个计算节点地址；
S12.根据计算节点地址获取每个计算节点的物理主机，并在每个计算节点的物理主机安装操作系统；
S13.在每个计算节点部署openstack管理平台；部署基于openstack管理平台的集群，集群内计算节点是云主机的基础，而物理主机指的是硬件设备，是计算节点基础；
S2.设置集群为高可用集群，获取用户选择的高可用集群的恢复方式，并根据高可用集群的恢复方式添加主机以及对主机状态进行配置；所述恢复方式包括自动、预留以及预留优先；具体步骤如下：
S21.将集群内计算节点配置为准备状态，配置每个计算节点高可用；
S22.获取用户选择的集群恢复方式，实现集群配置为高可用集群；
S23.根据高可用集群的恢复方式添加主机以及对主机进行配置；不同的恢复方式，添加主机的状态不同；
S3.模拟高可用集群内云主机对应计算节点故障，根据高可用集群的恢复方式，对故障云主机疏散结果进行预测，并验证预测的故障云主机疏散结果与实际的故障云主机疏散结果是否一致；具体步骤如下：
S31.模拟高可用集群内云主机对应计算节点故障；
S32.获取用户选择的集群恢复方式；
S33.根据用户选择的集群恢复方式对故障云主机疏散结果进行预测，同时获取故障云主机实际疏散结果，并判断预测的故障云主机疏散结果与实际的故障云主机疏散结果是否一致；不同的集群恢复方式，故障云主机的疏散方式不同。
实施例3：
如图1、图2、图3及图4所示，本发明提供一种openstack的计算节点高可用测试方法，包括如下步骤：
S1.部署基于openstack管理平台的集群；具体步骤如下：
S11.获取集群内计算节点数量及每个计算节点地址；
S12.根据计算节点地址获取每个计算节点的物理主机，并在每个计算节点的物理主机安装操作系统；
S13.在每个计算节点部署openstack管理平台；
S2.设置集群为高可用集群，获取用户选择的高可用集群的恢复方式，并根据高可用集群的恢复方式添加主机以及对主机状态进行配置；所述恢复方式包括自动、预留以及预留优先；具体步骤如下：
S21.将集群内计算节点配置为准备状态，配置每个计算节点高可用；
S22.获取用户选择的集群恢复方式，实现集群配置为高可用集群；
S23.根据高可用集群的恢复方式添加主机以及对主机进行配置；具体步骤如下：
S231.为高可用集群添加主机，设置主机状态为非预留，同时设置主机高可用开关为开；
S232.判断高可用集群的恢复方式是否为自动；
若是，进入步骤S3；
若否，为可高用集群添加预留主机，设置预留主机状态为预留，同时设置预留主机高可用开关为开；
S3.模拟高可用集群内云主机对应计算节点故障，根据高可用集群的恢复方式，对故障云主机疏散结果进行预测，并验证预测的故障云主机疏散结果与实际的故障云主机疏散结果是否一致；具体步骤如下：
S31.模拟高可用集群内云主机对应计算节点故障；
S32.获取用户选择的集群恢复方式；
S33.根据用户选择的集群恢复方式对故障云主机疏散结果进行预测，同时获取故障云主机实际疏散结果，并判断预测的故障云主机疏散结果与实际的故障云主机疏散结果是否一致；具体步骤如下：
S331.判断用户选择的集群恢复方式；
当用户选择的集群恢复方式为自动时，进入步骤S332；
当用户选择的集群恢复方式为非自动时，进入步骤S333；
S332.预测故障云主机自动疏散到可用域内的主机，且疏散一次，获取故障云主机上的云主机总量，并判断故障云主机上的云主机总量是否小于可用域内的剩余的主机总量；集群恢复方式为自动的故障云主机只疏散一次到可用域内的剩余的主机；
若是，则预测故障云主机疏散成功；否则，预测故障云主机疏散失败；结束；
S333.根据用户选择的集群恢复方式为预留还是预留优先，预测故障云主机的疏散次数及疏散结果；具体步骤如下：
S3331.判断用户选择的集群恢复方式为预留还是预留优先；
当用户选择的集群恢复方式为预留时，进入步骤S3332；
当用户选择的集群恢复方式为预留优先时，进入步骤S3333；
S3332.预测故障云主机自动疏散到预留主机，疏散一次，获取故障云主机上的云主机总量，并判断故障云主机上的云主机总量是否小于预留的主机总量；
若是，则预测故障云主机疏散成功；否则，预测故障云主机疏散失败；结束；
S3333.预测故障云主机首先自动疏散到预留主机，获取故障云主机上的云主机总量，并判断故障云主机上的云主机总量是否小于预留的主机总量；
若是，则预测故障云主机疏散成功；结束；
否则，疏散失败的预测故障云主机再次自动疏散到可用域内的其他主机；判断第一次疏散失败的云主机数量是否小于可用域内其他主机总量；
若是，预测故障云主机疏散成功；
若否，预测故障云主机疏散失败；集群恢复方式为预留的故障云主机只疏散一次到预留主机，即使有故障云主机疏散失败，失败的也不会再往其他主机上疏散；集群恢复方式为非预留的故障云主机首先疏散一次到预留主机，若预留主机无法满足故障云主机的数量要求，再疏散一次到可用域内的剩余的主机；
S334.获取故障云主机实际疏散结果，并判断预测的故障云主机疏散结果与实际的故障云主机疏散结果是否一致；
若是，则计算节点高可用测试通过；
若否，则计算节点高可用测试不通过。
上述实施例3中，若获取的用户选择的集群恢复方式为预留优先，但没有设置预留主机，则预测故障云主机直接向可用域中主机疏散，同集群恢复方式为自动时的情形。
实施例4：
上述实施例3中，步骤S3中还包括如下步骤：
S34.根据用户选择的集群恢复方式，预测故障云主机疏散后，被疏散主机的状态变化，验证被疏散主机状态是否正确；步骤S34具体步骤如下：
S341.获取用户选择的集群恢复方式；
当用户选择的集群恢复方式为自动时，预测可用域内被疏散主机的状态不变，仍为非预留；
当用户选择的集群恢复方式为预留时，预测被疏散预留主机的状态更改为非预留；
当用户选择的集群恢复方式为预留优先时，预测被疏散预留主机的状态更改为非预留，可用域内其他被疏散主机的状态不变，仍为非预留；
S342.获取被疏散主机的实际状态，验证预测的被疏散主机状态与实际的被疏散主机状态是否一致。
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述，但本发明并不限于此。在不脱离本发明的精神和实质的前提下，本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换，而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种openstack的计算节点高可用测试方法，其特征在于，包括如下步骤：
S1.部署基于openstack管理平台的集群；
S2.设置集群为高可用集群，获取用户选择的高可用集群的恢复方式，并根据高可用集群的恢复方式添加主机以及对主机状态进行配置；所述恢复方式包括自动、预留以及预留优先；
S3.模拟高可用集群内云主机对应计算节点故障，根据高可用集群的恢复方式，对故障云主机疏散结果进行预测，并验证预测的故障云主机疏散结果与实际的故障云主机疏散结果是否一致。
2.如权利要求1所述的openstack的计算节点高可用测试方法，其特征在于，步骤S1具体步骤如下：
S11.获取集群内计算节点数量及每个计算节点地址；
S12.根据计算节点地址获取每个计算节点的物理主机，并在每个计算节点的物理主机安装操作系统；
S13.在每个计算节点部署openstack管理平台。
3.如权利要求1所述的openstack的计算节点高可用测试方法，其特征在于，步骤S2具体步骤如下：
S21.将集群内计算节点配置为准备状态，配置每个计算节点高可用；
S22.获取用户选择的集群恢复方式，实现集群配置为高可用集群；
S23.根据高可用集群的恢复方式添加主机以及对主机进行配置。
4.如权利要求3所述的openstack的计算节点高可用测试方法，其特征在于，步骤S23具体步骤如下：
S231.为高可用集群添加主机，设置主机状态为非预留，同时设置主机高可用开关为开；
S232.判断高可用集群的恢复方式是否为自动；
若是，进入步骤S3；
若否，为可高用集群添加预留主机，设置预留主机状态为预留，同时设置预留主机高可用开关为开。
5.如权利要求1所述的openstack的计算节点高可用测试方法，其特征在于，步骤S3具体步骤如下：
S31.模拟高可用集群内云主机对应计算节点故障；
S32.获取用户选择的集群恢复方式；
S33.根据用户选择的集群恢复方式对故障云主机疏散结果进行预测，同时获取故障云主机实际疏散结果，并判断预测的故障云主机疏散结果与实际的故障云主机疏散结果是否一致。
6.如权利要求5所述的openstack的计算节点高可用测试方法，其特征在于，步骤S33具体步骤如下：
S331.判断用户选择的集群恢复方式；
当用户选择的集群恢复方式为自动时，进入步骤S332；
当用户选择的集群恢复方式为非自动时，进入步骤S333；
S332.预测故障云主机自动疏散到可用域内的主机，且疏散一次，获取故障云主机上的云主机总量，并判断故障云主机上的云主机总量是否小于可用域内的剩余的主机总量；
若是，则预测故障云主机疏散成功；否则，预测故障云主机疏散失败；结束；
S333.根据用户选择的集群恢复方式为预留还是预留优先，预测故障云主机的疏散次数及疏散结果。
7.如权利要求6所述的openstack的计算节点高可用测试方法，其特征在于，步骤S33中还包括如下步骤：
S334.获取故障云主机实际疏散结果，并判断预测的故障云主机疏散结果与实际的故障云主机疏散结果是否一致；
若是，则计算节点高可用测试通过；
若否，则计算节点高可用测试不通过。
8.如权利要求6所述的openstack的计算节点高可用测试方法，其特征在于，步骤S333具体步骤如下：
S3331.判断用户选择的集群恢复方式为预留还是预留优先；
当用户选择的集群恢复方式为预留时，进入步骤S3332；
当用户选择的集群恢复方式为预留优先时，进入步骤S3333；
S3332.预测故障云主机自动疏散到预留主机，疏散一次，获取故障云主机上的云主机总量，并判断故障云主机上的云主机总量是否小于预留的主机总量；
若是，则预测故障云主机疏散成功；否则，预测故障云主机疏散失败；结束；
S3333.预测故障云主机首先自动疏散到预留主机，获取故障云主机上的云主机总量，并判断故障云主机上的云主机总量是否小于预留的主机总量；
若是，则预测故障云主机疏散成功；结束；
否则，疏散失败的预测故障云主机再次自动疏散到可用域内的其他主机；判断第一次疏散失败的云主机数量是否小于可用域内其他主机总量；
若是，预测故障云主机疏散成功；
若否，预测故障云主机疏散失败。
9.如权利要求6所述的openstack的计算节点高可用测试方法，其特征在于，步骤S3中还包括如下步骤：
S34.根据用户选择的集群恢复方式，预测故障云主机疏散后，被疏散主机的状态变化，验证被疏散主机状态是否正确。
10.如权利要求9所述的openstack的计算节点高可用测试方法，其特征在于，步骤S34具体步骤如下：
S341.获取用户选择的集群恢复方式；
当用户选择的集群恢复方式为自动时，预测可用域内被疏散主机的状态不变，仍为非预留；
当用户选择的集群恢复方式为预留时，预测被疏散预留主机的状态更改为非预留；
当用户选择的集群恢复方式为预留优先时，预测被疏散预留主机的状态更改为非预留，可用域内其他被疏散主机的状态不变，仍为非预留；
S342.获取被疏散主机的实际状态，验证预测的被疏散主机状态与实际的被疏散主机状态是否一致。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010056642.9A CN111274135B (zh) | 2020-01-18 | 2020-01-18 | 一种openstack的计算节点高可用测试方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010056642.9A CN111274135B (zh) | 2020-01-18 | 2020-01-18 | 一种openstack的计算节点高可用测试方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111274135A true CN111274135A (zh) | 2020-06-12 |
| CN111274135B CN111274135B (zh) | 2022-07-19 |
Family
ID=70997362
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010056642.9A Active CN111274135B (zh) | 2020-01-18 | 2020-01-18 | 一种openstack的计算节点高可用测试方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111274135B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112765211A (zh) * | 2020-12-31 | 2021-05-07 | 中铁二院工程集团有限责任公司 | 铁路地质灾害监测分布式数据库集群的扩展方法与系统 |
| CN116248484A (zh) * | 2023-03-09 | 2023-06-09 | 安超云软件有限公司 | 云原生一体机的管理方法和装置、电子设备和存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150309825A1 (en) * | 2014-04-29 | 2015-10-29 | Vmware, Inc. | Method and system for supporting a change in state within a cluster of host computers that run virtual machines |
| CN107612787A (zh) * | 2017-11-06 | 2018-01-19 | 南京易捷思达软件科技有限公司 | 一种基于Openstack开源云平台的云主机故障检测方法 |
-
2020
- 2020-01-18 CN CN202010056642.9A patent/CN111274135B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150309825A1 (en) * | 2014-04-29 | 2015-10-29 | Vmware, Inc. | Method and system for supporting a change in state within a cluster of host computers that run virtual machines |
| CN107612787A (zh) * | 2017-11-06 | 2018-01-19 | 南京易捷思达软件科技有限公司 | 一种基于Openstack开源云平台的云主机故障检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| YIPING WANG 等: "《Achieve High Availability about Point-Single》", 《INTERNATIONAL CONFERENCE ON COMPUTER SCIENCE AND NETWORK TECHNOLOGY (ICCSNT)》 * |
| 唐子蛟 等: "《基于OpenStack的云平台高可用性研究》", 《信息与电脑》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112765211A (zh) * | 2020-12-31 | 2021-05-07 | 中铁二院工程集团有限责任公司 | 铁路地质灾害监测分布式数据库集群的扩展方法与系统 |
| CN116248484A (zh) * | 2023-03-09 | 2023-06-09 | 安超云软件有限公司 | 云原生一体机的管理方法和装置、电子设备和存储介质 |
| CN116248484B (zh) * | 2023-03-09 | 2024-03-22 | 安超云软件有限公司 | 云原生一体机的管理方法和装置、电子设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111274135B (zh) | 2022-07-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111371696B (zh) | 一种在Kubernetes中实现Pod网络流控的方法 | |
| CN106775959B (zh) | 分布式事务处理方法和系统 | |
| CN107566165B (zh) | 一种发现及部署电力云数据中心可用资源的方法及系统 | |
| CN111274135B (zh) | 一种openstack的计算节点高可用测试方法 | |
| CN111147322B (zh) | 5g核心网微服务架构的测试系统及方法 | |
| CN110795120B (zh) | 软件升级方法及相关装置 | |
| CN108984349B (zh) | 主节点选举方法及装置、介质和计算设备 | |
| CN112583648B (zh) | 一种基于dns的智能服务故障处理方法 | |
| CN112866408B (zh) | 一种集群中业务切换方法、装置、设备及存储介质 | |
| CN109491889A (zh) | Nfv中自动化测试的方法和装置 | |
| CN108833168B (zh) | 一种服务器集群环境网络系统及稳定性检测方法 | |
| CN108920307A (zh) | 服务器重启测试方法、装置、设备及计算机可读存储介质 | |
| CN111641521A (zh) | 一种基于Ambari的云上部署大数据集群的方法 | |
| CN113747150B (zh) | 一种基于容器云实现的视频服务系统的测试方法和系统 | |
| CN115129249A (zh) | Sas链路拓扑识别管理方法、系统、终端及存储介质 | |
| US20230004465A1 (en) | Distributed database system and data disaster backup drilling method | |
| CN114020279A (zh) | 应用软件分布式部署方法、系统、终端及存储介质 | |
| CN116781564B (zh) | 一种容器云平台的网络检测方法、系统、介质和电子设备 | |
| CN111404780B (zh) | 一种远程直接存储器访问网络集群的功能测试方法和装置 | |
| CN111866210A (zh) | 一种虚拟ip均衡分配方法、系统、终端及存储介质 | |
| CN116974874A (zh) | 数据库的测试方法、装置、电子设备及可读存储介质 | |
| CN115686368A (zh) | 区块链网络的节点的存储扩容的方法、系统、装置和介质 | |
| CN100395706C (zh) | 一种交换机设备板件自启动的方法 | |
| CN114650211A (zh) | 故障修复方法、装置、电子设备和计算机可读存储介质 | |
| CN103188117B (zh) | 信息交互服务器仿真测试装置及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |