一种双控制器存储系统的业务无感接管方法及系统与流程

本发明涉及数据存储，具体涉及一种双控制器存储系统的业务无感接管方法及系统。

背景技术：

1、在双控制器存储系统中，主控制器和备用控制器通常协同承担前端业务访问、后端磁盘输入输出调度以及控制器故障后的业务恢复。当主控制器发生故障时，由备用控制器接管业务是保障存储系统高可用的重要机制。

2、现有双控制器接管方案多依赖心跳超时触发仲裁切换。备用控制器在检测到心跳丢失后，经仲裁确认主控制器故障，再接管虚拟地址、导入配置、挂载后端磁盘并恢复输入输出服务。该类方案通常以故障已经发生作为触发依据，在探测、仲裁、资源接管和业务恢复环节存在累积时延，容易造成业务中断。

3、部分改进方案引入缓存镜像、会话保持或健康指标加权判断，以缩短切换后的恢复时间。但是，缓存镜像和会话保持更多作用于故障后的状态恢复，难以消除故障发现和接管启动之前的等待时间；简单加权的健康指标判断难以表达心跳物理层状态、控制器硬件事件和业务负载画像之间的时序关联，容易出现故障风险识别滞后或切换时机不匹配的问题。

4、此外，现有切换流程通常按照固定速度迁移资源，缺乏备用控制器实时负载和读输入输出处理能力对迁移过程的反馈调节。当迁移负载、前端业务负载和备用控制器当前资源状态叠加时，固定流程可能引发备用控制器拥塞或抖动，影响接管过程的连续性。

5、因此，本技术提供一种双控制器存储系统的业务无感接管方法及系统以解决上述技术问题。

技术实现思路

1、本发明的目的在于提供一种双控制器存储系统的业务无感接管方法及系统，用以解决现有双控制器存储系统接管过程中依赖事后故障检测和静态切换流程，导致业务中断时间长、接管过程对业务冲击较大技术问题。

2、为了解决上述技术问题，本发明提供了一种双控制器存储系统的业务无感接管方法，包括：

3、同步采集高速外围组件互连非透明桥心跳物理层特征、控制器健康状态事件流和前端业务输入输出负载画像，并按照统一时标切分和归一化为多模态数据流；

4、将心跳物理层特征与控制器健康状态事件流拼接后执行带有时间因果掩膜的因果卷积处理，得到因果特征序列；

5、将因果特征序列与前端业务输入输出负载画像执行双向交叉注意力处理，得到时空交互特征；

6、按照时空交互特征输出未来时间窗的故障风险等级和风险类别置信度；

7、当故障风险等级达到预接管阈值时，由主控制器与备用控制器执行资源能力协商，形成待迁移会话集和重定向映射表初稿；

8、按照待迁移会话集将连接状态快照同步至备用控制器，备用控制器注册静默就绪会话；

9、在半接管过程中按照备用控制器回传的读输入输出处理时延和缓存命中状态调节迁移速率；

10、当故障风险等级达到紧急切换阈值或者心跳中断达到硬超时时，按照输入输出序列号一致性校验结果激活备用控制器接管业务。

11、在其中一些具体实施例中，同步采集高速外围组件互连非透明桥心跳物理层特征、控制器健康状态事件流和前端业务输入输出负载画像，进一步包括：

12、从高速外围组件互连非透明桥反射信号中提取电平抖动、码间干扰裕量和链路误码率，形成心跳物理层特征；

13、从控制器纠错记录、中央处理器缓存软错误记录、串行连接小型计算机系统接口链路重训练记录和电源纹波越限告警记录中提取事件类型、事件时标和严重度权重，形成控制器健康状态事件流；

14、以会话为单位统计读写比例、平均请求大小、请求大小方差、随机顺序度、最大时延抖动、队列深度变化率和挂起命令超时比例，形成前端业务输入输出负载画像；

15、将心跳物理层特征、控制器健康状态事件流和前端业务输入输出负载画像按统一时标对齐为多模态数据流。

16、在其中一些具体实施例中，将心跳物理层特征与控制器健康状态事件流拼接后执行带有时间因果掩膜的因果卷积处理，得到因果特征序列，进一步包括：

17、按照同一时间窗口将心跳物理层特征和控制器健康状态事件流拼接为窗口拼接向量；

18、将卷积核权重与下三角时间因果掩膜矩阵逐元素相乘，使卷积核权重中位于未来时刻的元素置零；

19、基于置零后的卷积核权重对窗口拼接向量执行因果卷积运算，得到由物理层退化特征和硬件错误事件共同形成的因果特征序列。

20、在其中一些具体实施例中，将因果特征序列与前端业务输入输出负载画像执行双向交叉注意力处理，得到时空交互特征，进一步包括：

21、以前端业务输入输出负载画像经查询投影得到第一查询向量，以因果特征序列经键投影和值投影得到第一键向量和第一值向量，计算前端业务输入输出负载画像到因果特征序列的第一注意力输出；

22、以因果特征序列经查询投影得到第二查询向量，以前端业务输入输出负载画像经键投影和值投影得到第二键向量和第二值向量，计算因果特征序列到前端业务输入输出负载画像的第二注意力输出；

23、拼接第一注意力输出和第二注意力输出后执行线性投影，得到时空交互特征。

24、在其中一些具体实施例中，按照时空交互特征输出未来时间窗的故障风险等级和风险类别置信度，进一步包括：

25、对时空交互特征执行故障风险分类处理，按照预设分类边界映射为正常、亚健康、预接管和紧急风险等级，并输出每一风险类别的置信度；

26、当预接管类置信度达到预接管阈值或者紧急类置信度达到紧急切换阈值时，将达到阈值的风险等级和风险类别标识写入协商报文的触发字段；

27、当预接管类置信度和紧急类置信度均未达到预接管阈值和紧急切换阈值时，继续执行多模态数据流采集和故障风险等级输出。

28、在其中一些具体实施例中，由主控制器与备用控制器执行资源能力协商，形成待迁移会话集和重定向映射表初稿，进一步包括：

29、主控制器将当前风险等级、风险类别标识、会话标识、会话优先级、最近输入输出序列号和多路径关联码写入协商报文发送至备用控制器；

30、备用控制器读取中央处理器空闲率、内存可用量和后端盘输入输出吞吐余量，并将风险类别标识与预设可处理类别集合进行匹配；

31、当资源满足接管条件且风险类别匹配时，备用控制器回复预备就绪和接受能力上限；

32、当资源不满足接管条件时，备用控制器回复降级预备和可接管会话优先级下限；

33、主控制器按照回复内容筛选活跃会话并形成待迁移会话集和重定向映射表初稿。

34、在其中一些具体实施例中，按照待迁移会话集将连接状态快照同步至备用控制器，备用控制器注册静默就绪会话，进一步包括：

35、主控制器从待迁移会话集中读取传输控制协议序列号、确认号、窗口规模、协议选项、互联网小型计算机系统接口任务标签、命令序列号和未完成命令描述块，封装为连接状态快照；

36、主控制器通过远程直接内存访问通道将连接状态快照写入备用控制器预分配内存；

37、备用控制器逐字段复现传输控制协议控制块和互联网小型计算机系统接口会话结构，并将复现后的会话登记为静默就绪会话，静默就绪会话保持数据包发送和后端命令提交的暂停状态。

38、在其中一些具体实施例中，在半接管过程中按照备用控制器回传的读输入输出处理时延和缓存命中状态调节迁移速率，进一步包括：

39、主控制器将待读取的非破坏性输入输出请求副本发送至备用控制器，备用控制器执行读取并将读取数据缓存于备用控制器，且暂缓向主机发送读取响应；

40、主控制器保持写入请求和同步命令沿原业务路径处理；

41、备用控制器按照反馈周期回传平均读输入输出处理时延和缓存命中状态；

42、主控制器将期望时延与平均读输入输出处理时延之间的差值输入比例积分控制过程，按照比例增益、积分增益、上一周期迁移速率和上一周期时延差值更新当前迁移速率；

43、当平均读输入输出处理时延低于第一阈值且缓存命中状态满足预设命中条件时，主控制器扩大半接管范围；

44、当平均读输入输出处理时延达到第二阈值或者出现异常抖动时，主控制器降低当前迁移速率、暂停迁移或撤销部分半接管会话并返回单控处理。

45、在其中一些具体实施例中，按照输入输出序列号一致性校验结果激活备用控制器接管业务，进一步包括：

46、主控制器发送激活原语、最后脏写缓存和最新输入输出序列号至备用控制器，并进入静默伴随模式；

47、备用控制器将静默就绪会话标记为激活待确认会话，读取高速外围组件互连非透明桥共享内存中的输入输出序列号一致性校验矩阵，逐项比对主控制器已提交但未确认输入输出序列号、数据校验和与备用控制器已缓存输入输出队列；

48、当比对结果为序列号连续且数据校验和匹配时，备用控制器激活传输控制协议连接；

49、当检测到序列号缺口时，备用控制器激活传输控制协议连接并向主机发送带选择性确认选项的确认报文，确认报文携带缺失数据段范围；

50、主控制器在收到接管完成确认后关闭网络接口。

51、基于同一构思，本发明还提供一种双控制器存储系统的业务无感接管系统，包括：

52、采集预处理模块，配置为同步采集高速外围组件互连非透明桥心跳物理层特征、控制器健康状态事件流和前端业务输入输出负载画像，并按照统一时标切分和归一化为多模态数据流；

53、因果卷积模块，配置为将心跳物理层特征与控制器健康状态事件流拼接后执行带有时间因果掩膜的因果卷积处理，得到因果特征序列；

54、交叉注意力模块，配置为将因果特征序列与前端业务输入输出负载画像执行双向交叉注意力处理，得到时空交互特征；

55、风险输出模块，配置为按照时空交互特征输出未来时间窗的故障风险等级和风险类别置信度；

56、协商模块，配置为当故障风险等级达到预接管阈值时，由主控制器与备用控制器执行资源能力协商，形成待迁移会话集和重定向映射表初稿；

57、状态同步模块，配置为按照待迁移会话集将连接状态快照同步至备用控制器，备用控制器注册静默就绪会话；

58、半接管调速模块，配置为在半接管过程中按照备用控制器回传的读输入输出处理时延和缓存命中状态调节迁移速率；

59、瞬切接管模块，配置为当故障风险等级达到紧急切换阈值或者心跳中断达到硬超时时，按照输入输出序列号一致性校验结果激活备用控制器接管业务。

60、与现有技术相比，其有益效果在于：

61、本发明公开了一种双控制器存储系统的业务无感接管方法及系统，同步采集高速外围组件互连非透明桥心跳物理层特征、控制器健康状态事件流和前端业务输入输出负载画像，并按照统一时标形成多模态数据流，故障风险判断可以同时利用链路物理退化、控制器硬件事件和业务负载变化，避免仅依赖心跳超时或单一健康指标导致的风险识别滞后。

62、将心跳物理层特征与控制器健康状态事件流拼接后执行带有时间因果掩膜的因果卷积处理，因果特征序列由当前窗口和历史窗口中的物理层状态与硬件事件形成，未来时刻的数据不会参与当前风险特征形成，能够在时间顺序上表达物理层退化、硬件事件累积和控制器故障风险之间的传播关系。

63、将因果特征序列与前端业务输入输出负载画像执行双向交叉注意力处理，时空交互特征既包含业务负载对物理健康状态的选择性读取，也包含物理健康状态对业务负载变化的反向影响表达，能够使故障风险等级和风险类别置信度反映控制器状态与业务压力之间的交互关系。

64、在故障风险等级达到预接管阈值时先执行主控制器与备用控制器之间的资源能力协商，并根据备用控制器资源状态形成待迁移会话集和重定向映射表初稿，接管准备在最终故障确认之前启动，且待迁移会话范围能够与备用控制器可承载能力匹配，减少静态全量切换对备用控制器造成的集中负载冲击。

65、按照待迁移会话集同步传输控制协议状态和互联网小型计算机系统接口会话状态，并由备用控制器注册静默就绪会话，备用控制器在最终接管前已经具备连接端点和会话调度的必要状态基础，最终切换时无需重新建立前端连接或重新登录会话，能够降低业务侧感知中断风险。

66、在半接管过程中仅将读取类非破坏性输入输出请求副本重定向至备用控制器，同时保持写入请求和同步命令沿主控制器原业务路径处理，备用控制器的读路径和缓存路径可以在接管前被验证，写路径一致性仍由主控制器保持，降低半接管阶段的数据一致性风险。

67、按照备用控制器回传的平均读输入输出处理时延和缓存命中状态，通过比例积分控制过程更新当前迁移速率，迁移速率由备用控制器实际处理能力反馈形成。当备用控制器处理状态满足扩展条件时扩大半接管范围，当处理时延升高或出现异常抖动时降低迁移速率、暂停迁移或撤销部分半接管会话，从而使迁移过程具备闭环调节能力。

68、在最终切换时通过输入输出序列号一致性校验矩阵逐项比对主控制器已提交但未确认输入输出序列号、数据校验和与备用控制器已缓存输入输出队列，备用控制器激活业务前能够确认输入输出边界和缓存数据的一致性，降低切换瞬间的数据缺口和缓存不一致风险。

69、在检测到序列号缺口时由备用控制器激活传输控制协议连接并向主机发送带选择性确认选项的确认报文，确认报文携带缺失数据段范围，缺失数据段可以通过局部重传处理，避免因局部序列号缺口直接触发连接断开或会话重建。

70、在主控制器发送激活原语后进入静默伴随模式，并持续转发到达流量直至备用控制器回传接管完成确认，数据平面在备用控制器完成激活确认前保持流量承接路径，能够减少最终接管窗口中的报文丢失和业务路径断裂风险。