用于故障管理的方法、设备和计算机程序产品与流程

文档序号:25543548发布日期:2021-06-18 20:40

技术特征:

1.一种用于故障管理的方法,包括:

获得加速器资源中的加速器设备的使用率,所述加速器资源包括一个或多个加速器设备;

基于所述加速器设备的所述使用率,调整用于检测所述加速器设备中的故障的检测参数;以及

基于所述检测参数,执行针对所述加速器设备的故障检测。

2.根据权利要求1所述的方法,其中调整用于检测所述加速器设备中的故障的检测参数包括:

基于预先建立的映射表,获得与所述使用率相对应的超时值和检测频率,所述映射表通过实验或者机器学习的方式获得。

3.根据权利要求2所述的方法,其中执行针对所述加速器设备的故障检测包括:

根据所述检测频率,周期性地发起针对所述加速器设备的检测请求;

确定所述加速器设备对于所述检测请求的响应时间;以及

根据确定所述加速器设备的所述响应时间大于所述超时值,确定所述加速器设备发生故障。

4.根据权利要求1所述的方法,还包括:

根据确定所述加速器设备发生故障,基于所述加速器资源的拓扑信息来执行故障恢复,所述拓扑信息至少包括所述加速器设备中的设备、实例以及会话之间的层级关系。

5.根据权利要求4所述的方法,其中基于所述加速器资源的拓扑信息来执行故障恢复包括:

基于对所述加速器设备的故障的分析,确定用于故障恢复的重置层级,所述重置层级至少包括会话级、实例级和设备级;以及

基于所述重置层级来执行重置。

6.根据权利要求5所述的方法,其中基于所述加速器资源的拓扑信息来执行故障恢复还包括:

基于记录所述加速器设备的历史故障的历史故障信息,确定所述加速器设备是否可恢复;以及

根据确定所述加速器设备可恢复,执行所述故障恢复。

7.根据权利要求1所述的方法,还包括:

根据确定第一实例发生故障,基于多维信息库选择用于故障转移的第二实例,所述多维信息库存储拓扑信息、历史故障信息、以及使用率信息。

8.根据权利要求7所述的方法,其中基于多维信息库选择用于故障转移的第二实例:

基于所述历史故障信息,确定运行稳定的第二实例;以及

将所述第一实例中的工作负载迁移到所述第二实例。

9.根据权利要求8所述的方法,其中确定所述第二实例包括:

基于所述历史故障信息,确定运行稳定的多个实例,所述多个实例包括所述第二实例;以及

基于所述使用率信息,从所述多个实例选择空闲的第二实例。

10.根据权利要求1所述的方法,其中所述加速器资源是一个或多个快速辅助技术(qat)卡。

11.一种电子设备,包括:

处理单元;以及

存储器,其耦合至所述处理单元并且存储有指令,所述指令在由所述处理单元执行时执行以下动作:

获得加速器资源中的加速器设备的使用率,所述加速器资源包括一个或多个加速器设备;

基于所述加速器设备的所述使用率,调整用于检测所述加速器设备中的故障的检测参数;以及

基于所述检测参数,执行针对所述加速器设备的故障检测。

12.根据权利要求11所述的设备,其中调整用于检测所述加速器设备中的故障的检测参数包括:

基于预先建立的映射表,获得与所述使用率相对应的超时值和检测频率,所述映射表通过实验或者机器学习的方式获得。

13.根据权利要求12所述的设备,其中执行针对所述加速器设备的故障检测包括:

根据所述检测频率,周期性地发起针对所述加速器设备的检测请求;

确定所述加速器设备对于所述检测请求的响应时间;以及

根据确定所述加速器设备的所述响应时间大于所述超时值,确定所述加速器设备发生故障。

14.根据权利要求11所述的设备,所述动作还包括:

根据确定所述加速器设备发生故障,基于所述加速器资源的拓扑信息来执行故障恢复,所述拓扑信息至少包括所述加速器设备中的设备、实例以及会话之间的层级关系。

15.根据权利要求14所述的设备,其中基于所述加速器资源的拓扑信息来执行故障恢复包括:

基于对所述加速器设备的故障的分析,确定用于故障恢复的重置层级,所述重置层级至少包括会话级、实例级和设备级;以及

基于所述重置层级来执行重置。

16.根据权利要求15所述的设备,其中基于所述加速器资源的拓扑信息来执行故障恢复还包括:

基于记录所述加速器设备的历史故障的历史故障信息,确定所述加速器设备是否可恢复;以及

根据确定所述加速器设备可恢复,执行所述故障恢复。

17.根据权利要求11所述的设备,所述动作还包括:

根据确定第一实例发生故障,基于多维信息库选择用于故障转移的第二实例,所述多维信息库存储拓扑信息、历史故障信息、以及使用率信息。

18.根据权利要求17所述的设备,其中基于多维信息库选择用于故障转移的第二实例:

基于所述历史故障信息,确定运行稳定的第二实例;以及

将所述第一实例中的工作负载迁移到所述第二实例。

19.根据权利要求18所述的设备,其中确定所述第二实例包括:

基于所述历史故障信息,确定运行稳定的多个实例,所述多个实例包括所述第二实例;以及

基于所述使用率信息,从所述多个实例选择空闲的第二实例。

20.根据权利要求11所述的设备,其中所述加速器资源是一个或多个快速辅助技术(qat)卡。

21.一种计算机程序产品,所述计算机程序产品被有形地存储在非瞬态计算机可读介质上并且包括计算机可执行指令,所述计算机可执行指令在被执行时使计算机执行根据权利要求1至10中任一项所述的方法。


技术总结
本公开的实施例涉及一种用于故障管理的方法、设备和计算机程序产品。方法包括获得加速器资源中的加速器设备的使用率,其中加速器资源包括一个或多个加速器设备。方法还包括基于加速器设备的使用率,调整用于检测加速器设备中的故障的检测参数,然后根据检测参数来执行针对加速器设备的故障检测。本公开的实施例提出了基于工作负载感知的检测参数调整方案,能够根据加速器设备的当前使用情况,适应性地调整检测参数(例如超时值、频率等),由此实现更高效且更准确的故障检测。此外,本公开的一些实施例还能够通过故障恢复对象的决策和故障转移目标的选择,提高系统的性能和可靠性。

技术研发人员:陈涛;刘冰
受保护的技术使用者:伊姆西IP控股有限责任公司
技术研发日:2019.12.12
技术公布日:2021.06.18
再多了解一些
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1