存储集群OSD故障修复方法、存储介质、监视器及存储集群

摘要

本发明公开了一种存储集群OSD故障修复方法、存储介质、监视器及存储集群。该方法为：若监测到存储集群内有OSD发生故障，则将故障OSD销毁，释放其缓存盘和日志盘，然后取备用磁盘作为数据盘，连同所释放的缓存盘和日志盘组成新的OSD，用新的OSD替换故障OSD，让存储集群在新的OSD上进行数据修复。该存储集群OSD故障修复方法不需要预先配置好备用OSD，只需配置好备用磁盘即可，在OSD发生故障时，将故障OSD销毁，释放其缓存盘和日志盘，然后取备用磁盘连同所释放的缓存盘和日志盘组成新的OSD，用此OSD替换故障OSD，如此既实现了故障OSD的等效替换，又能保持为OSD配置日志盘和缓存盘的灵活性。

权利要求

1.存储集群OSD故障修复方法，其特征是：若监测到存储集群内有OSD发生故障，则将故障OSD销毁，释放其缓存盘和日志盘，然后取备用磁盘作为数据盘，连同所释放的缓存盘和日志盘组成新的OSD，用新的OSD替换故障OSD，让存储集群在新的OSD上进行数据修复；在用新的OSD替换故障OSD之前，先锁住存储集群的数据均衡功能从而禁止存储集群因故障OSD移出而触发数据均衡，在用新的OSD替换故障OSD之后，解锁存储集群的数据均衡功能从而让存储集群在新的OSD上进行数据修复。

2.如权利要求1所述的存储集群OSD故障修复方法，其特征是：若监测到存储集群内有OSD发生故障，则发出告警信息。

3.如权利要求2所述的存储集群OSD故障修复方法，其特征是：若监测到存储集群内有OSD发生故障，则点亮该OSD所在主机的定位灯以便运维人员确定故障OSD所在位置。

4.如权利要求1～3任一项所述的存储集群OSD故障修复方法，其特征是：该存储集群是Ceph存储集群。

5.一种计算机可读存储介质，其上存储有可执行的计算机程序，其特征是：所述计算机程序被执行时可实现如权利要求1至4任一项所述的存储集群OSD故障修复方法。

6.一种存储集群的监视器，包括处理器和计算机可读存储介质，该计算机可读存储介质上存储有可执行的计算机程序，其特征是：所述计算机程序被所述处理器执行时实现如权利要求1至4任一项所述的存储集群OSD故障修复方法。

7.一种存储集群，其特征是：包括多个OSD和备用磁盘，还包括如权利要求6所述的监视器，该监视器若监测到该存储集群内有OSD发生故障，则将故障OSD销毁，释放其缓存盘和日志盘，然后取备用磁盘作为数据盘，连同所释放的缓存盘和日志盘组成新的OSD，用新的OSD替换故障OSD。

8.如权利要求7所述的存储集群，其特征是：备用磁盘有多个，从中选择其中一个备用磁盘作为数据盘。

说明书

存储集群OSD故障修复方法、存储介质、监视器及存储集群

技术领域

[0001] 本发明涉及存储集群技术领域，尤其涉及一种存储集群OSD故障修复方法、存储介质、监视器及存储集群。

背景技术

[0002] Ceph 是一个开源的分布式存储系统，包括对象存储、块设备、文件系统。它可靠性高、管理方便、伸缩性强。Ceph存储集群由很多独立的OSD（Object‑basedStorage Device，
对象存储设备）构成，可以提供对象存储服务。Ceph通过多副本特性和自修复功能来保障数
据的可靠性和防丢失，当某个OSD出现故障时，该OSD会退出服务，属于该OSD的数据会产生
重构，重新分布到其他OSD上，待该OSD修复后，将其他OSD上的部分数据迁移到该OSD上以实
现数据恢复。这种故障处理方法虽然可以保障存储数据的完整性，但数据重构过程会造成
多个OSD之间发生大量的数据迁移，导致集群资源被占用。

[0003] 为了在OSD故障处理过程中减少OSD之间的数据迁移量，专利文献CN109656896A提供了一种故障修复方法，当检测到主用OSD发生故障时，确定故障的主用OSD所属的存储子
集群（存储子集群的各个主用OSD互为副本），从备用OSD组中选择一个备用OSD置换故障的
主用OSD，作为新的主用OSD，将新的主用OSD添加到故障主用OSD所在的存储子集群中，并利
用该存储子集群中其他未发生故障的主用OSD在新的OSD上进行数据恢复。

[0004] 众所周知，OSD至少包括一块独立的数据盘，OSD故障就是指该数据盘故障。在OSD的实际使用中，OSD除了固有的数据盘以外，还可配置有日志盘和缓存盘。各个OSD的日志盘
和缓存盘的大小可以根据实际需求灵活配置，不尽相同。但是，上述专利文献的故障修复方
法是预先配置好备用OSD，以备用OSD直接置换故障的主用OSD，若要保证等效恢复OSD，则需
要把所有主用OSD的和所有备用OSD的日志盘和缓存盘都配置成一样的，这样一来就无法灵
活配置各个OSD的日志盘和缓存盘了。

发明内容

[0005] 本发明所要解决的技术问题是提供一种存储集群OSD故障修复方法，用于存储实现该方法的计算机程序的存储介质，用于执行上述方法的监视器以及包括该监视器的存储
集群，该方法能够用新的OSD替换掉故障的OSD而且能保持OSD的日志盘和缓存盘的配置灵
活性。

[0006] 为了解决上述技术问题，本发明的存储集群OSD故障修复方法，若监测到存储集群内有OSD发生故障，则将故障OSD销毁，释放其缓存盘和日志盘，然后取备用磁盘作为数据
盘，连同所释放的缓存盘和日志盘组成新的OSD，用新的OSD替换故障OSD，让存储集群在新
的OSD上进行数据修复。

[0007] 可选地，若监测到存储集群内有OSD发生故障，则发出告警信息。

[0008] 可选地，若监测到存储集群内有OSD发生故障，则点亮该OSD所在主机的定位灯以便运维人员确定故障OSD所在位置。

[0009] 可选地，在用新的OSD替换故障OSD之前，先锁住存储集群的数据均衡功能，在用新的OSD替换故障OSD之后，解锁存储集群的数据均衡功能从而让存储集群在新的OSD上进行
数据修复。

[0010] 可选地，该存储集群是Ceph存储集群。

[0011] 一种计算机可读存储介质，其上存储有可执行的计算机程序，所述计算机程序被执行时可实现如上所述的存储集群OSD故障修复方法。

[0012] 一种存储集群的监视器，包括处理器和计算机可读存储介质，该计算机可读存储介质上存储有可执行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的
存储集群OSD故障修复方法。

[0013] 一种存储集群，其特征是：包括多个OSD和备用磁盘，还包括如上所述的监视器，该监视器若监测到该存储集群内有OSD发生故障，则将故障OSD销毁，释放其缓存盘和日志盘，
然后取备用磁盘作为数据盘，连同所释放的缓存盘和日志盘组成新的OSD，用新的OSD替换
故障OSD。

[0014] 可选地，备用磁盘有多个，从中选择其中一个备用磁盘作为数据盘。

[0015] 该存储集群OSD故障修复方法不需要预先配置好备用OSD，只需配置好可作为数据盘使用的备用磁盘即可，在OSD发生故障时，将故障OSD销毁，释放其缓存盘和日志盘，然后
取备用磁盘作为数据盘，连同所释放的缓存盘和日志盘组成新的OSD，用此OSD替换故障
OSD，如此既可以实现故障OSD的等效替换，又能保持为OSD配置日志盘和缓存盘的灵活性。

附图说明

[0016] 图1是一种Ceph存储集群的系统框图。

具体实施方式

[0017] 以下结合具体实施方式对本发明创造作进一步详细说明。

[0018] 如图1所示，Ceph存储集群包括多个OSD以及通信连接各个OSD的监视器MON。监视器MON包括处理器和计算机可读存储介质，该计算机可读存储介质上存储有可执行的计算
机程序，所述计算机程序被所述处理器执行时实现存储集群OSD故障修复方法。该存储集群
OSD故障修复方法的具体流程如下：

[0019] Ceph存储集群中的每个OSD会定期向其他OSD发送心跳包，声明自己处于在线状态。每个OSD也定期向监视器MON发送心跳包，同时还把其自身接收到的来自其他OSD的心跳
包情况发送给监视器MON。监视器MON若在预设时间段900s内没有接收到某个OSD发送的心
跳包，并且根据其他OSD接收的心跳包情况判断出其他OSD亦没有接收到该OSD发送的心跳
包，则通过硬盘检测命令和硬盘分区检测命令对该OSD的数据盘进行检测，从而诊断该OSD
的数据盘是否存在故障，若是则判定该OSD发生故障。

[0020] 在判定OSD发生故障之后，监视器MON先锁住Ceph存储集群的数据均衡功能，再把故障OSD从存储集群中移出。Ceph存储集群自身具有数据均衡功能，若有OSD从存储集群中
移出或者有新的OSD添加到存储集群中，则会自动触发数据均衡，进行副本数据修复。由于
把故障OSD从存储集群中移出之后，存储集群的存储空间会缩小，若在移出故障OSD时触发
数据均衡进行数据修复，可能会因不够存储空间进行数据修复而导致存储集群进入只读状
态，无法进行数据写入操作。本发明先锁住Ceph存储集群的数据均衡功能再把故障OSD移出
存储集群，可以防止在移出故障OSD时触发数据均衡进行数据修复，从而避免因不够存储空
间进行数据修复而导致存储集群进入只读状态。

[0021] 在本实施例中，OSD配置有数据盘、日志盘和缓存盘。Ceph存储集群包括多个备用磁盘，把故障OSD从存储集群中移出之后，监视器MON将故障OSD销毁（destory），释放其缓存
盘和日志盘，然后从多个备用磁盘中选择其中一个作为数据盘，连同所释放的缓存盘和日
志盘组成新的OSD，将新的OSD添加到存储集群中从而实现替换故障OSD。在把新的OSD添加
到存储集群中之后，监视器MON解锁存储集群的数据均衡功能，如此一来，存储集群在识别
到新的OSD之后，自动触发数据均衡，从而在新的OSD上进行数据修复。本发明在用新的OSD
替换了故障OSD之后才解锁存储集群的数据均衡功能，从而保证有足够的存储空间进行数
据修复，确保数据的可靠性，防止数据丢失。

[0022] 在判定OSD发生故障时，监视器MON会发出告警信息通知运维人员并点亮该OSD所在主机的定位灯。由于存储集群已经自动用新的OSD替换故障OSD了，运维人员无需第一时
间紧急到达现场对故障OSD进行维修处理，在接收到告警信息之后，可以合理安排时间去现
场，利用亮起的定位灯快速确定故障OSD所在主机的位置，然后对故障OSD进行维修处理。

[0023] 如上所述仅为本发明创造的实施方式，不以此限定专利保护范围。本领域技术人员在本发明创造的基础上作出非实质性的变化或替换，仍落入专利保护范围。