CN114385453A - 数据库集群异常处理方法、装置、设备及介质 - Google Patents

Abstract

本发明涉及运维领域，提供一种数据库集群异常处理方法、装置、设备及介质，能够启动不同线程对数据库集群进行运行状态监测及服务使用侧探活监测，分别从数据库指标层面及服务层面有针对性的监测，根据目标异常场景在逻辑算法库中进行查询，得到目标异常处理逻辑，有效避免了由于人员业务水平的参差对故障处理结果的影响，对于数据库内部自愈类型及数据库集群自愈类型执行不同处理，进而将零散的点状异常场景处理整合为一套完整的异常处理体系，将整个异常处理的生命周期关联起来，从监测到定位到处理到善后，全生命周期覆盖，有效提高了故障处理的效率与准确性。此外，本发明还涉及区块链技术，逻辑算法库可存储于区块链节点中。

Description

数据库集群异常处理方法、装置、设备及介质

技术领域

本发明涉及运维技术领域，尤其涉及一种数据库集群异常处理方法、装置、设备及介质。

背景技术

随着各大企业的业务发展越来越壮大，数据量也急剧增加，对数据库的需求也原来越高，因此，为了保证业务的正常执行，需要对数据库的异常进行及时有效的处理。

现有的方案中，大多数是采用故障原因反推的故障处理预案，缺乏一体化的流程与实现，每次故障处理都需要有专门的运维人员进行数据库的运行状态判断，不仅消耗相关运维人员的大量精力，且容易导致数据库的服务状态恢复效率低，由于每个运维人员的自身技术及心理素质都有所差异，导致每次的故障处理过程都可能存在意外因素。

因此，需要降低风险的核心就是减低运维人员对数据库故障处理的参与度，避免由于人为因素影响数据库异常恢复的效率及准确率。

发明内容

鉴于以上内容，有必要提供一种数据库集群异常处理方法、装置、设备及介质，旨在解决数据库集群异常处理效率及准确率不高的问题。

一种数据库集群异常处理方法，所述数据库集群异常处理方法包括：

响应于对数据库集群的异常处理指令，启动第一线程对所述数据库集群进行实时的运行状态监测，得到第一监测结果；

每隔预设时间周期，启动第二线程对所述数据库集群进行服务使用侧探活监测，得到第二监测结果；

当检测到所述第一监测结果及/或所述第二监测结果为异常时，确定目标异常场景；

根据所述目标异常场景在预先配置的逻辑算法库中进行查询，得到目标异常处理逻辑；

当所述目标异常处理逻辑对应于数据库内部自愈类型时，基于所述目标异常处理逻辑对所述数据库集群执行第一异常处理，得到第一处理结果；

当所述目标异常处理逻辑对应于数据库集群自愈类型时，基于所述目标异常处理逻辑对所述数据库集群执行第二异常处理，得到第二处理结果；

发送所述第一处理结果及/或所述第二处理结果至指定终端。

根据本发明优选实施例，所述对所述数据库集群进行实时的运行状态监测，得到第一监测结果包括：

从所述数据库集群中获取服务中的数据库作为目标数据库，并基于所述目标数据库构建目标数据库集；

实时采集所述目标数据库集中每个目标数据库的运行状态；

获取预先配置的数据库指标，及获取每项数据库指标的风险阈值；

根据每个目标数据库的运行状态确定每个目标数据库对应的每项数据库指标的实时取值；

当检测到有数据库指标的实时取值大于检测到的数据库指标的所述风险阈值时，将所述检测到的数据库指标确定为异常指标，及将所述异常指标对应的目标数据库确定为第一异常数据库，并根据所述第一异常数据库及所述异常指标生成所述第一监测结果，其中，所述第一监测结果为异常；或者

当未检测到有数据库指标的实时取值大于检测到的数据库指标的所述风险阈值时，确定所述第一监测结果为正常。

根据本发明优选实施例，所述对所述数据库集群进行服务使用侧探活监测，得到第二监测结果包括：

获取待监测任务集，并模拟所述待监测任务集中每个待监测任务对所述数据库集群的操作；

当检测到有待监测任务返回异常时，将检测到的待监测任务确定为异常任务，及将执行所述异常任务的数据库确定为第二异常数据库，并根据所述第二异常数据库及所述异常任务生成所述第二监测结果，其中，所述第二监测结果为异常；或者

当未检测到有待监测任务返回异常时，确定所述第二监测结果为正常。

根据本发明优选实施例，在根据所述目标异常场景在预先配置的逻辑算法库中进行查询前，所述方法还包括：

获取所述数据库集群的历史异常数据；

从所述历史异常数据中提取异常场景及对应的异常处理逻辑，并确定所述异常场景及对应的异常处理逻辑的映射关系；

基于所述异常场景及对应的异常处理逻辑、所述映射关系建立至少一个故障模型；

接收上传的补充映射关系，并根据所述补充映射关系建立至少一个补充故障模型；

将所述至少一个故障模型及所述至少一个补充故障模型写入所述逻辑算法库。

根据本发明优选实施例，所述基于所述目标异常处理逻辑对所述数据库集群执行第一异常处理，得到第一处理结果包括：

从所述数据库集群中获取异常的数据库；

对所述异常的数据库执行降负载操作，直至所述异常的数据库恢复正常，得到所述第一处理结果。

根据本发明优选实施例，所述基于所述目标异常处理逻辑对所述数据库集群执行第二异常处理包括：

从所述数据库集群中获取异常的数据库，及从所述数据库集群中获取所述异常的数据库对应的备用数据库；

将所述备用数据库确定为主数据库，并替换所述异常的数据库进行服务。

根据本发明优选实施例，在将所述备用数据库确定为主数据库，并替换所述异常的数据库进行服务后，所述方法还包括：

为所述主数据库配置备用的数据库；

将所述主数据库中的数据同步至所述备用的数据库。

一种数据库集群异常处理装置，所述数据库集群异常处理装置包括：

监测单元，用于响应于对数据库集群的异常处理指令，启动第一线程对所述数据库集群进行实时的运行状态监测，得到第一监测结果；

所述监测单元，还用于每隔预设时间周期，启动第二线程对所述数据库集群进行服务使用侧探活监测，得到第二监测结果；

确定单元，用于当检测到所述第一监测结果及/或所述第二监测结果为异常时，确定目标异常场景；

查询单元，用于根据所述目标异常场景在预先配置的逻辑算法库中进行查询，得到目标异常处理逻辑；

处理单元，用于当所述目标异常处理逻辑对应于数据库内部自愈类型时，基于所述目标异常处理逻辑对所述数据库集群执行第一异常处理，得到第一处理结果；

所述处理单元，还用于当所述目标异常处理逻辑对应于数据库集群自愈类型时，基于所述目标异常处理逻辑对所述数据库集群执行第二异常处理，得到第二处理结果；

发送单元，用于发送所述第一处理结果及/或所述第二处理结果至指定终端。

一种计算机设备，所述计算机设备包括：

存储器，存储至少一个指令；及

处理器，执行所述存储器中存储的指令以实现所述数据库集群异常处理方法。

一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被计算机设备中的处理器执行以实现所述数据库集群异常处理方法。

由以上技术方案可以看出，本发明能够响应于对数据库集群的异常处理指令，启动第一线程对所述数据库集群进行实时的运行状态监测，得到第一监测结果，每隔预设时间周期，启动第二线程对所述数据库集群进行服务使用侧探活监测，得到第二监测结果，分别从数据库指标层面及服务层面有针对性的对数据库集群进行监测，当检测到所述第一监测结果及/或所述第二监测结果为异常时，确定目标异常场景，根据所述目标异常场景在预先配置的逻辑算法库中进行查询，得到目标异常处理逻辑，有效避免了由于人员业务水平的参差对故障处理结果的影响，当所述目标异常处理逻辑对应于数据库内部自愈类型时，基于所述目标异常处理逻辑对所述数据库集群执行第一异常处理，得到第一处理结果，当所述目标异常处理逻辑对应于数据库集群自愈类型时，基于所述目标异常处理逻辑对所述数据库集群执行第二异常处理，得到第二处理结果，发送所述第一处理结果及/或所述第二处理结果至指定终端，进而将零散的点状异常场景处理整合为一套完整的异常处理体系，将整个异常处理的生命周期关联起来，从监测到定位到处理到善后，全生命周期覆盖，有效提高了故障处理的效率与准确性。

附图说明

图1是本发明数据库集群异常处理方法的较佳实施例的流程图。

图2是本发明数据库集群异常处理装置的较佳实施例的功能模块图。

图3是本发明实现数据库集群异常处理方法的较佳实施例的计算机设备的结构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

如图1所示，是本发明数据库集群异常处理方法的较佳实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。

所述数据库集群异常处理方法应用于一个或者多个计算机设备中，所述计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(DigitalSignal Processor，DSP)、嵌入式设备等。

所述计算机设备可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant，PDA)、游戏机、交互式网络电视(Internet Protocol Television，IPTV)、智能式穿戴式设备等。

所述计算机设备还可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量主机或网络服务器构成的云。

所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。

其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

所述计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。

S10，响应于对数据库集群的异常处理指令，启动第一线程对所述数据库集群进行实时的运行状态监测，得到第一监测结果。

在本发明的至少一个实施例中，所述对数据库集群的异常处理指令可以由相关的运维人员或者测试人员触发，本发明不限制。

在本实施例中，所述数据库集群中可以包括至少一个数据库，每个数据库可以对应存储不同业务产生的数据。当然，所述数据库中还可以包括备选数据库，具体将在后文阐述，在此不赘述。

在本发明的至少一个实施例中，所述对所述数据库集群进行实时的运行状态监测，得到第一监测结果包括：

从所述数据库集群中获取服务中的数据库作为目标数据库，并基于所述目标数据库构建目标数据库集；

实时采集所述目标数据库集中每个目标数据库的运行状态；

获取预先配置的数据库指标，及获取每项数据库指标的风险阈值；

根据每个目标数据库的运行状态确定每个目标数据库对应的每项数据库指标的实时取值；

当检测到有数据库指标的实时取值大于检测到的数据库指标的所述风险阈值时，将所述检测到的数据库指标确定为异常指标，及将所述异常指标对应的目标数据库确定为第一异常数据库，并根据所述第一异常数据库及所述异常指标生成所述第一监测结果，其中，所述第一监测结果为异常；或者

当未检测到有数据库指标的实时取值大于检测到的数据库指标的所述风险阈值时，确定所述第一监测结果为正常。

需要说明的是，由于所述数据库集群中还包括未处于服务状态的备用数据库，因此，为了降低对系统资源的浪费，这部分数据库的指标无需实时监测。

在本发明的至少一个实施例中，所述数据库指标可以包括，但不限于以下一种或者多种指标的集合：

CPU(central processing unit，中央处理器)使用率、内存占用率、活跃会话量、redo(重做)量、undo(撤消)量。

在本发明的至少一个实施例中，每项数据库指标的阈值可以结合每个数据库的自身性能及历史运行数据进行配置，本发明不限制。

进一步地，当有数据库指标的实时取值大于对应的阈值时，说明对应的数据库在超负荷工作，可能影响运行结果，因此，根据所述异常数据库及所述异常指标生成所述第一监测结果，其中，所述第一监测结果为异常，以便及时处理异常。

上述监测过程相当于是对数据库集群的运行状态的实时白盒监控，记录数据库集群运行时的各项指标。

通过上述实施方式，能够有针对性的对数据库集群中处于服务状态的数据库的各项运行指标进行实时监控，将监控目标锁定到具体的每项数据库指标，以保证每个数据库实时的服务性能。

S11，每隔预设时间周期，启动第二线程对所述数据库集群进行服务使用侧探活监测，得到第二监测结果。

在本发明的至少一个实施例中，所述预设时间周期可以进行自定义配置。

例如：为了检测数据库集群在正常服务时是否能够保证正常运行，可以将所述预设时间周期配置为所述数据库集群在正常服务期间的某个时段。

在本发明的至少一个实施例中，所述对所述数据库集群进行服务使用侧探活监测，得到第二监测结果包括：

获取待监测任务集，并模拟所述待监测任务集中每个待监测任务对所述数据库集群的操作；

当检测到有待监测任务返回异常时，将检测到的待监测任务确定为异常任务，及将执行所述异常任务的数据库确定为第二异常数据库，并根据所述第二异常数据库及所述异常任务生成所述第二监测结果，其中，所述第二监测结果为异常；或者

当未检测到有待监测任务返回异常时，确定所述第二监测结果为正常。

在本发明的至少一个实施例中，所述待监测任务集可以根据实际的任务需求进行配置，如充话费任务、理财购买任务等。

进一步地，当所述待监测任务集中包括充话费任务时，可以根据预先植入的插件或者封装的脚本模拟充话费操作，并检测充话费操作是否被正常执行。

上述监测过程相当于是对数据库集群的黑盒监控，用来模拟产线业务对数据库的操作可用性监控。

通过上述实施方式，能够从服务层面对数据库集群进行探活，以便有针对性的对具体任务的执行情况进行监听。

S12，当检测到所述第一监测结果及/或所述第二监测结果为异常时，确定目标异常场景。

在本实施例中，所述目标异常场景可以对应于具体的异常子类，如查询操作过多、活跃会话量过高等。

具体地，可以根据所述第一监测结果及/或所述第二监测结果的关键字在预先配置的异常场景列表中查询，以确定所述目标异常场景。

在上述实施方式中，只要监测到有异常，即触发异常场景的确定，以便进行对异常的及时处理。

S13，根据所述目标异常场景在预先配置的逻辑算法库中进行查询，得到目标异常处理逻辑。

在本发明的至少一个实施例中，在根据所述目标异常场景在预先配置的逻辑算法库中进行查询前，所述方法还包括：

获取所述数据库集群的历史异常数据；

从所述历史异常数据中提取异常场景及对应的异常处理逻辑，并确定所述异常场景及对应的异常处理逻辑的映射关系；

基于所述异常场景及对应的异常处理逻辑、所述映射关系建立至少一个故障模型；

接收上传的补充映射关系，并根据所述补充映射关系建立至少一个补充故障模型；

将所述至少一个故障模型及所述至少一个补充故障模型写入所述逻辑算法库。

在本实施例中，所述至少一个故障模型及所述至少一个补充故障模型可以为python逻辑算法的形式。

进一步地，根据所述目标异常场景在预先配置的逻辑算法库中进行查询，并将查询到的与所述目标异常场景对应的异常处理逻辑确定为所述目标异常处理逻辑。

通过上述实施方式，根据历史不同故障发生时的故障现象，将抽象出来的数据库运行异常场景组合成不同的故障模型，再结合专家经验形成不同故障模型下统一的处理逻辑，有效避免了由于人员业务水平的参差对故障处理结果的影响。

S14，当所述目标异常处理逻辑对应于数据库内部自愈类型时，基于所述目标异常处理逻辑对所述数据库集群执行第一异常处理，得到第一处理结果。

在本实施例中，所述数据库内部自愈类型对应于所述数据库集群中每个数据库自身运行指标的异常处理。

在本发明的至少一个实施例中，所述基于所述目标异常处理逻辑对所述数据库集群执行第一异常处理，得到第一处理结果包括：

从所述数据库集群中获取异常的数据库；

对所述异常的数据库执行降负载操作，直至所述异常的数据库恢复正常，得到所述第一处理结果。

例如：当确定数据库甲异常，且所述数据库甲对应的查询操作过多时，kill所述数据库甲的查询操作，直至所述数据库甲恢复正常，根据对所述数据库甲的处理结果生成所述第一处理结果。

在上述实施方式中，数据库内部自愈类型对应于数据库实例运行环境超负载运行的情况，当数据库实例运行负载上升到一个危险值状态，自愈程序会自动进行降负载动作，使数据库尽快恢复正常运行。

S15，当所述目标异常处理逻辑对应于数据库集群自愈类型时，基于所述目标异常处理逻辑对所述数据库集群执行第二异常处理，得到第二处理结果。

在本发明的至少一个实施例中，所述基于所述目标异常处理逻辑对所述数据库集群执行第二异常处理包括：

从所述数据库集群中获取异常的数据库，及从所述数据库集群中获取所述异常的数据库对应的备用数据库；

将所述备用数据库确定为主数据库，并替换所述异常的数据库进行服务。

例如：当检测到所述数据库集群服务异常时，获取异常的数据库乙，并获取所述数据库乙的备用数据库，利用所述数据库乙的备用数据库代替所述数据库乙进行工作。

在上述实施方式中，数据库集群自愈类型对应于数据库集群服务受损的情况，通过切换数据库集群内的实例角色状态(即主备切换)，快速恢复数据库集群的服务。

进一步地，在将所述备用数据库确定为主数据库，并替换所述异常的数据库进行服务后，所述方法还包括：

为所述主数据库配置备用的数据库；

将所述主数据库中的数据同步至所述备用的数据库。

需要说明的是，互为主备的数据库间具有相同的性能，能够互相替换进行工作。

在本实施例中，所述备用的数据库可以为被所述主数据库替换的异常的数据库，也可以为其他数据库，本发明不限制。

通过上述实施方式，能够实现数据库集群的高可用性，避免在一个数据库的服务受损时，影响整个数据库集群的正常服务，提高了数据库集群服务的健壮性。

S16，发送所述第一处理结果及/或所述第二处理结果至指定终端。

在本实施例中，所述指定终端可以包括运维及测试等相关工作人员的终端设备，使相关工作人员及时了解数据库集群的异常处理情况，便于及时响应。

在本实施例中，将零散的点状异常场景处理整合为一套完整的异常处理体系。具体地，将数据库的运行态抽象提炼成一系列的指标，并根据健康数据库运行状态设置各指标的对应阈值，实时监测数据库的运行指标，一旦超过阀值，匹配故障模型，再根据对应的故障模型中封装的异常处理逻辑进行异常处理，直至数据库集群恢复正常的运行，即为数据库集群异常自愈处理完成。

本实施方式将整个异常处理的生命周期关联起来，从监测到定位到处理到善后，全生命周期覆盖，有效提高了故障处理的效率与准确性。

需要说明的是，为了进一步提高数据的安全性，避免数据被恶意篡改，所述逻辑算法库可存储于区块链节点中。

由以上技术方案可以看出，本发明能够响应于对数据库集群的异常处理指令，启动第一线程对所述数据库集群进行实时的运行状态监测，得到第一监测结果，每隔预设时间周期，启动第二线程对所述数据库集群进行服务使用侧探活监测，得到第二监测结果，分别从数据库指标层面及服务层面有针对性的对数据库集群进行监测，当检测到所述第一监测结果及/或所述第二监测结果为异常时，确定目标异常场景，根据所述目标异常场景在预先配置的逻辑算法库中进行查询，得到目标异常处理逻辑，有效避免了由于人员业务水平的参差对故障处理结果的影响，当所述目标异常处理逻辑对应于数据库内部自愈类型时，基于所述目标异常处理逻辑对所述数据库集群执行第一异常处理，得到第一处理结果，当所述目标异常处理逻辑对应于数据库集群自愈类型时，基于所述目标异常处理逻辑对所述数据库集群执行第二异常处理，得到第二处理结果，发送所述第一处理结果及/或所述第二处理结果至指定终端，进而将零散的点状异常场景处理整合为一套完整的异常处理体系，将整个异常处理的生命周期关联起来，从监测到定位到处理到善后，全生命周期覆盖，有效提高了故障处理的效率与准确性。

如图2所示，是本发明数据库集群异常处理装置的较佳实施例的功能模块图。所述数据库集群异常处理装置11包括监测单元110、确定单元111、查询单元112、处理单元113、发送单元114。本发明所称的模块/单元是指一种能够被处理器13所执行，并且能够完成固定功能的一系列计算机程序段，其存储在存储器12中。在本实施例中，关于各模块/单元的功能将在后续的实施例中详述。

响应于对数据库集群的异常处理指令，监测单元110启动第一线程对所述数据库集群进行实时的运行状态监测，得到第一监测结果。

在本发明的至少一个实施例中，所述对数据库集群的异常处理指令可以由相关的运维人员或者测试人员触发，本发明不限制。

在本实施例中，所述数据库集群中可以包括至少一个数据库，每个数据库可以对应存储不同业务产生的数据。当然，所述数据库中还可以包括备选数据库，具体将在后文阐述，在此不赘述。

在本发明的至少一个实施例中，所述监测单元110对所述数据库集群进行实时的运行状态监测，得到第一监测结果包括：

从所述数据库集群中获取服务中的数据库作为目标数据库，并基于所述目标数据库构建目标数据库集；

实时采集所述目标数据库集中每个目标数据库的运行状态；

获取预先配置的数据库指标，及获取每项数据库指标的风险阈值；

根据每个目标数据库的运行状态确定每个目标数据库对应的每项数据库指标的实时取值；

当检测到有数据库指标的实时取值大于检测到的数据库指标的所述风险阈值时，将所述检测到的数据库指标确定为异常指标，及将所述异常指标对应的目标数据库确定为第一异常数据库，并根据所述第一异常数据库及所述异常指标生成所述第一监测结果，其中，所述第一监测结果为异常；或者

当未检测到有数据库指标的实时取值大于检测到的数据库指标的所述风险阈值时，确定所述第一监测结果为正常。

需要说明的是，由于所述数据库集群中还包括未处于服务状态的备用数据库，因此，为了降低对系统资源的浪费，这部分数据库的指标无需实时监测。

在本发明的至少一个实施例中，所述数据库指标可以包括，但不限于以下一种或者多种指标的集合：

CPU(central processing unit，中央处理器)使用率、内存占用率、活跃会话量、redo(重做)量、undo(撤消)量。

在本发明的至少一个实施例中，每项数据库指标的阈值可以结合每个数据库的自身性能及历史运行数据进行配置，本发明不限制。

进一步地，当有数据库指标的实时取值大于对应的阈值时，说明对应的数据库在超负荷工作，可能影响运行结果，因此，根据所述异常数据库及所述异常指标生成所述第一监测结果，其中，所述第一监测结果为异常，以便及时处理异常。

上述监测过程相当于是对数据库集群的运行状态的实时白盒监控，记录数据库集群运行时的各项指标。

通过上述实施方式，能够有针对性的对数据库集群中处于服务状态的数据库的各项运行指标进行实时监控，将监控目标锁定到具体的每项数据库指标，以保证每个数据库实时的服务性能。

所述监测单元110每隔预设时间周期，启动第二线程对所述数据库集群进行服务使用侧探活监测，得到第二监测结果。

在本发明的至少一个实施例中，所述预设时间周期可以进行自定义配置。

例如：为了检测数据库集群在正常服务时是否能够保证正常运行，可以将所述预设时间周期配置为所述数据库集群在正常服务期间的某个时段。

在本发明的至少一个实施例中，所述监测单元110对所述数据库集群进行服务使用侧探活监测，得到第二监测结果包括：

获取待监测任务集，并模拟所述待监测任务集中每个待监测任务对所述数据库集群的操作；

当检测到有待监测任务返回异常时，将检测到的待监测任务确定为异常任务，及将执行所述异常任务的数据库确定为第二异常数据库，并根据所述第二异常数据库及所述异常任务生成所述第二监测结果，其中，所述第二监测结果为异常；或者

当未检测到有待监测任务返回异常时，确定所述第二监测结果为正常。

在本发明的至少一个实施例中，所述待监测任务集可以根据实际的任务需求进行配置，如充话费任务、理财购买任务等。

进一步地，当所述待监测任务集中包括充话费任务时，可以根据预先植入的插件或者封装的脚本模拟充话费操作，并检测充话费操作是否被正常执行。

上述监测过程相当于是对数据库集群的黑盒监控，用来模拟产线业务对数据库的操作可用性监控。

通过上述实施方式，能够从服务层面对数据库集群进行探活，以便有针对性的对具体任务的执行情况进行监听。

当检测到所述第一监测结果及/或所述第二监测结果为异常时，确定单元111确定目标异常场景。

在本实施例中，所述目标异常场景可以对应于具体的异常子类，如查询操作过多、活跃会话量过高等。

具体地，可以根据所述第一监测结果及/或所述第二监测结果的关键字在预先配置的异常场景列表中查询，以确定所述目标异常场景。

在上述实施方式中，只要监测到有异常，即触发异常场景的确定，以便进行对异常的及时处理。

查询单元112根据所述目标异常场景在预先配置的逻辑算法库中进行查询，得到目标异常处理逻辑。

在本发明的至少一个实施例中，在根据所述目标异常场景在预先配置的逻辑算法库中进行查询前，获取所述数据库集群的历史异常数据；

从所述历史异常数据中提取异常场景及对应的异常处理逻辑，并确定所述异常场景及对应的异常处理逻辑的映射关系；

基于所述异常场景及对应的异常处理逻辑、所述映射关系建立至少一个故障模型；

接收上传的补充映射关系，并根据所述补充映射关系建立至少一个补充故障模型；

将所述至少一个故障模型及所述至少一个补充故障模型写入所述逻辑算法库。

在本实施例中，所述至少一个故障模型及所述至少一个补充故障模型可以为python逻辑算法的形式。

进一步地，根据所述目标异常场景在预先配置的逻辑算法库中进行查询，并将查询到的与所述目标异常场景对应的异常处理逻辑确定为所述目标异常处理逻辑。

通过上述实施方式，根据历史不同故障发生时的故障现象，将抽象出来的数据库运行异常场景组合成不同的故障模型，再结合专家经验形成不同故障模型下统一的处理逻辑，有效避免了由于人员业务水平的参差对故障处理结果的影响。

当所述目标异常处理逻辑对应于数据库内部自愈类型时，处理单元113基于所述目标异常处理逻辑对所述数据库集群执行第一异常处理，得到第一处理结果。

在本实施例中，所述数据库内部自愈类型对应于所述数据库集群中每个数据库自身运行指标的异常处理。

在本发明的至少一个实施例中，所述处理单元113基于所述目标异常处理逻辑对所述数据库集群执行第一异常处理，得到第一处理结果包括：

从所述数据库集群中获取异常的数据库；

对所述异常的数据库执行降负载操作，直至所述异常的数据库恢复正常，得到所述第一处理结果。

例如：当确定数据库甲异常，且所述数据库甲对应的查询操作过多时，kill所述数据库甲的查询操作，直至所述数据库甲恢复正常，根据对所述数据库甲的处理结果生成所述第一处理结果。

在上述实施方式中，数据库内部自愈类型对应于数据库实例运行环境超负载运行的情况，当数据库实例运行负载上升到一个危险值状态，自愈程序会自动进行降负载动作，使数据库尽快恢复正常运行。

当所述目标异常处理逻辑对应于数据库集群自愈类型时，所述处理单元113基于所述目标异常处理逻辑对所述数据库集群执行第二异常处理，得到第二处理结果。

在本发明的至少一个实施例中，所述处理单元113基于所述目标异常处理逻辑对所述数据库集群执行第二异常处理包括：

从所述数据库集群中获取异常的数据库，及从所述数据库集群中获取所述异常的数据库对应的备用数据库；

将所述备用数据库确定为主数据库，并替换所述异常的数据库进行服务。

例如：当检测到所述数据库集群服务异常时，获取异常的数据库乙，并获取所述数据库乙的备用数据库，利用所述数据库乙的备用数据库代替所述数据库乙进行工作。

在上述实施方式中，数据库集群自愈类型对应于数据库集群服务受损的情况，通过切换数据库集群内的实例角色状态(即主备切换)，快速恢复数据库集群的服务。

进一步地，在将所述备用数据库确定为主数据库，并替换所述异常的数据库进行服务后，为所述主数据库配置备用的数据库；

将所述主数据库中的数据同步至所述备用的数据库。

需要说明的是，互为主备的数据库间具有相同的性能，能够互相替换进行工作。

在本实施例中，所述备用的数据库可以为被所述主数据库替换的异常的数据库，也可以为其他数据库，本发明不限制。

通过上述实施方式，能够实现数据库集群的高可用性，避免在一个数据库的服务受损时，影响整个数据库集群的正常服务，提高了数据库集群服务的健壮性。

发送单元114发送所述第一处理结果及/或所述第二处理结果至指定终端。

在本实施例中，所述指定终端可以包括运维及测试等相关工作人员的终端设备，使相关工作人员及时了解数据库集群的异常处理情况，便于及时响应。

在本实施例中，将零散的点状异常场景处理整合为一套完整的异常处理体系。具体地，将数据库的运行态抽象提炼成一系列的指标，并根据健康数据库运行状态设置各指标的对应阈值，实时监测数据库的运行指标，一旦超过阀值，匹配故障模型，再根据对应的故障模型中封装的异常处理逻辑进行异常处理，直至数据库集群恢复正常的运行，即为数据库集群异常自愈处理完成。

本实施方式将整个异常处理的生命周期关联起来，从监测到定位到处理到善后，全生命周期覆盖，有效提高了故障处理的效率与准确性。

需要说明的是，为了进一步提高数据的安全性，避免数据被恶意篡改，所述逻辑算法库可存储于区块链节点中。

由以上技术方案可以看出，本发明能够响应于对数据库集群的异常处理指令，启动第一线程对所述数据库集群进行实时的运行状态监测，得到第一监测结果，每隔预设时间周期，启动第二线程对所述数据库集群进行服务使用侧探活监测，得到第二监测结果，分别从数据库指标层面及服务层面有针对性的对数据库集群进行监测，当检测到所述第一监测结果及/或所述第二监测结果为异常时，确定目标异常场景，根据所述目标异常场景在预先配置的逻辑算法库中进行查询，得到目标异常处理逻辑，有效避免了由于人员业务水平的参差对故障处理结果的影响，当所述目标异常处理逻辑对应于数据库内部自愈类型时，基于所述目标异常处理逻辑对所述数据库集群执行第一异常处理，得到第一处理结果，当所述目标异常处理逻辑对应于数据库集群自愈类型时，基于所述目标异常处理逻辑对所述数据库集群执行第二异常处理，得到第二处理结果，发送所述第一处理结果及/或所述第二处理结果至指定终端，进而将零散的点状异常场景处理整合为一套完整的异常处理体系，将整个异常处理的生命周期关联起来，从监测到定位到处理到善后，全生命周期覆盖，有效提高了故障处理的效率与准确性。

如图3所示，是本发明实现数据库集群异常处理方法的较佳实施例的计算机设备的结构示意图。

所述计算机设备1可以包括存储器12、处理器13和总线，还可以包括存储在所述存储器12中并可在所述处理器13上运行的计算机程序，例如数据库集群异常处理程序。

本领域技术人员可以理解，所述示意图仅仅是计算机设备1的示例，并不构成对计算机设备1的限定，所述计算机设备1既可以是总线型结构，也可以是星形结构，所述计算机设备1还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置，例如所述计算机设备1还可以包括输入输出设备、网络接入设备等。

需要说明的是，所述计算机设备1仅为举例，其他现有的或今后可能出现的电子产品如可适应于本发明，也应包含在本发明的保护范围以内，并以引用方式包含于此。

其中，存储器12至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器12在一些实施例中可以是计算机设备1的内部存储单元，例如该计算机设备1的移动硬盘。存储器12在另一些实施例中也可以是计算机设备1的外部存储设备，例如计算机设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，存储器12还可以既包括计算机设备1的内部存储单元也包括外部存储设备。存储器12不仅可以用于存储安装于计算机设备1的应用软件及各类数据，例如数据库集群异常处理程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

处理器13在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器13是所述计算机设备1的控制核心(Control Unit)，利用各种接口和线路连接整个计算机设备1的各个部件，通过运行或执行存储在所述存储器12内的程序或者模块(例如执行数据库集群异常处理程序等)，以及调用存储在所述存储器12内的数据，以执行计算机设备1的各种功能和处理数据。

所述处理器13执行所述计算机设备1的操作系统以及安装的各类应用程序。所述处理器13执行所述应用程序以实现上述各个数据库集群异常处理方法实施例中的步骤，例如图1所示的步骤。

示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器12中，并由所述处理器13执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段，该指令段用于描述所述计算机程序在所述计算机设备1中的执行过程。例如，所述计算机程序可以被分割成监测单元110、确定单元111、查询单元112、处理单元113、发送单元114。

上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、计算机设备，或者网络设备等)或处理器(processor)执行本发明各个实施例所述数据库集群异常处理方法的部分。

所述计算机设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指示相关的硬件设备来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。

其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器等。

进一步地，计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。

本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，在图3中仅用一根直线表示，但并不表示仅有一根总线或一种类型的总线。所述总线被设置为实现所述存储器12以及至少一个处理器13等之间的连接通信。

尽管未示出，所述计算机设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器13逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述计算机设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。

进一步地，所述计算机设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该计算机设备1与其他计算机设备之间建立通信连接。

可选地，该计算机设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在计算机设备1中处理的信息以及用于显示可视化的用户界面。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

图3仅示出了具有组件12-13的计算机设备1，本领域技术人员可以理解的是，图3示出的结构并不构成对所述计算机设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

结合图1，所述计算机设备1中的所述存储器12存储多个指令以实现一种数据库集群异常处理方法，所述处理器13可执行所述多个指令从而实现：

响应于对数据库集群的异常处理指令，启动第一线程对所述数据库集群进行实时的运行状态监测，得到第一监测结果；

每隔预设时间周期，启动第二线程对所述数据库集群进行服务使用侧探活监测，得到第二监测结果；

当检测到所述第一监测结果及/或所述第二监测结果为异常时，确定目标异常场景；

根据所述目标异常场景在预先配置的逻辑算法库中进行查询，得到目标异常处理逻辑；

当所述目标异常处理逻辑对应于数据库内部自愈类型时，基于所述目标异常处理逻辑对所述数据库集群执行第一异常处理，得到第一处理结果；

当所述目标异常处理逻辑对应于数据库集群自愈类型时，基于所述目标异常处理逻辑对所述数据库集群执行第二异常处理，得到第二处理结果；

发送所述第一处理结果及/或所述第二处理结果至指定终端。

具体地，所述处理器13对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。

需要说明的是，本案中所涉及到的数据均为合法取得。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

本发明可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。本发明中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种数据库集群异常处理方法，其特征在于，所述数据库集群异常处理方法包括：

响应于对数据库集群的异常处理指令，启动第一线程对所述数据库集群进行实时的运行状态监测，得到第一监测结果；

每隔预设时间周期，启动第二线程对所述数据库集群进行服务使用侧探活监测，得到第二监测结果；

当检测到所述第一监测结果及/或所述第二监测结果为异常时，确定目标异常场景；

根据所述目标异常场景在预先配置的逻辑算法库中进行查询，得到目标异常处理逻辑；

当所述目标异常处理逻辑对应于数据库内部自愈类型时，基于所述目标异常处理逻辑对所述数据库集群执行第一异常处理，得到第一处理结果；

当所述目标异常处理逻辑对应于数据库集群自愈类型时，基于所述目标异常处理逻辑对所述数据库集群执行第二异常处理，得到第二处理结果；

发送所述第一处理结果及/或所述第二处理结果至指定终端。

2.如权利要求1所述的数据库集群异常处理方法，其特征在于，所述对所述数据库集群进行实时的运行状态监测，得到第一监测结果包括：

从所述数据库集群中获取服务中的数据库作为目标数据库，并基于所述目标数据库构建目标数据库集；

实时采集所述目标数据库集中每个目标数据库的运行状态；

获取预先配置的数据库指标，及获取每项数据库指标的风险阈值；

根据每个目标数据库的运行状态确定每个目标数据库对应的每项数据库指标的实时取值；

当检测到有数据库指标的实时取值大于检测到的数据库指标的所述风险阈值时，将所述检测到的数据库指标确定为异常指标，及将所述异常指标对应的目标数据库确定为第一异常数据库，并根据所述第一异常数据库及所述异常指标生成所述第一监测结果，其中，所述第一监测结果为异常；或者

当未检测到有数据库指标的实时取值大于检测到的数据库指标的所述风险阈值时，确定所述第一监测结果为正常。

3.如权利要求1所述的数据库集群异常处理方法，其特征在于，所述对所述数据库集群进行服务使用侧探活监测，得到第二监测结果包括：

获取待监测任务集，并模拟所述待监测任务集中每个待监测任务对所述数据库集群的操作；

当检测到有待监测任务返回异常时，将检测到的待监测任务确定为异常任务，及将执行所述异常任务的数据库确定为第二异常数据库，并根据所述第二异常数据库及所述异常任务生成所述第二监测结果，其中，所述第二监测结果为异常；或者

当未检测到有待监测任务返回异常时，确定所述第二监测结果为正常。

4.如权利要求1所述的数据库集群异常处理方法，其特征在于，在根据所述目标异常场景在预先配置的逻辑算法库中进行查询前，所述方法还包括：

获取所述数据库集群的历史异常数据；

从所述历史异常数据中提取异常场景及对应的异常处理逻辑，并确定所述异常场景及对应的异常处理逻辑的映射关系；

基于所述异常场景及对应的异常处理逻辑、所述映射关系建立至少一个故障模型；

接收上传的补充映射关系，并根据所述补充映射关系建立至少一个补充故障模型；

将所述至少一个故障模型及所述至少一个补充故障模型写入所述逻辑算法库。

5.如权利要求1所述的数据库集群异常处理方法，其特征在于，所述基于所述目标异常处理逻辑对所述数据库集群执行第一异常处理，得到第一处理结果包括：

从所述数据库集群中获取异常的数据库；

对所述异常的数据库执行降负载操作，直至所述异常的数据库恢复正常，得到所述第一处理结果。

6.如权利要求1所述的数据库集群异常处理方法，其特征在于，所述基于所述目标异常处理逻辑对所述数据库集群执行第二异常处理包括：

从所述数据库集群中获取异常的数据库，及从所述数据库集群中获取所述异常的数据库对应的备用数据库；

将所述备用数据库确定为主数据库，并替换所述异常的数据库进行服务。

7.如权利要求6所述的数据库集群异常处理方法，其特征在于，在将所述备用数据库确定为主数据库，并替换所述异常的数据库进行服务后，所述方法还包括：

为所述主数据库配置备用的数据库；

将所述主数据库中的数据同步至所述备用的数据库。

8.一种数据库集群异常处理装置，其特征在于，所述数据库集群异常处理装置包括：

监测单元，用于响应于对数据库集群的异常处理指令，启动第一线程对所述数据库集群进行实时的运行状态监测，得到第一监测结果；

所述监测单元，还用于每隔预设时间周期，启动第二线程对所述数据库集群进行服务使用侧探活监测，得到第二监测结果；

确定单元，用于当检测到所述第一监测结果及/或所述第二监测结果为异常时，确定目标异常场景；

查询单元，用于根据所述目标异常场景在预先配置的逻辑算法库中进行查询，得到目标异常处理逻辑；

处理单元，用于当所述目标异常处理逻辑对应于数据库内部自愈类型时，基于所述目标异常处理逻辑对所述数据库集群执行第一异常处理，得到第一处理结果；

所述处理单元，还用于当所述目标异常处理逻辑对应于数据库集群自愈类型时，基于所述目标异常处理逻辑对所述数据库集群执行第二异常处理，得到第二处理结果；

发送单元，用于发送所述第一处理结果及/或所述第二处理结果至指定终端。

9.一种计算机设备，其特征在于，所述计算机设备包括：

存储器，存储至少一个指令；及

处理器，执行所述存储器中存储的指令以实现如权利要求1至7中任意一项所述的数据库集群异常处理方法。

10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被计算机设备中的处理器执行以实现如权利要求1至7中任意一项所述的数据库集群异常处理方法。

Images