集群脑裂自动修复方法、系统、装置及存储介质与流程

1.本技术涉及集群脑裂自动修复方法、系统、装置及存储介质，属于mysql galera集群脑裂自动修复技术领域。


背景技术：

2.随着用于ai平台及深度学习任务的数据业务量的增加，数据存储的压力也与日俱增。尤其是由于平台集群的高可用趋势愈发显著，人们对于mysql的可靠性要求也越来越高。mysql galera集群的出现使这一问题得到了解决，在我们的ai平台高可用部署时，mysql在三个主节点上，它们关系对等，multi-master架构做到数据可以多节点同时写入，当节点在其中一个节点出现问题时，可以采用其替代节点代替其提供服务，从而保证集群数据一致。
3.但是由于平台服务器故障、意外断电、网络抖动、服务异常等情况下，mysql galera集群可能出现脑裂情况，导致集群数据不一致；并且在这种情况下，存在无法自动恢复正常的问题。出现这种问题，ai平台底层服务会连接数据库异常，业务数据无法读写入数据库，整体影响较大。
4.现有技术方案中，mysql galera集群修复方法是将两到三种具有代表性的数据库故障和修复方法录入恢复脚本中，当数据库出现指定问题时，可以根据恢复脚本中记录的数据库故障与恢复方法的对应关系选取修复方案进行修复。但当故障日志信息中可能出现的问题不在恢复脚本中时，系统则无法自动恢复。


技术实现要素：

5.本技术提供了集群脑裂自动修复方法、系统、装置及存储介质，以解决现有技术方案中当故障日志信息中可能出现的问题不在恢复脚本中时，系统则无法自动恢复的技术问题。
6.第一方面，根据本技术实施例提供一种集群脑裂自动修复方法，包括：
7.当检测到mysql galera集群出现的脑裂问题在预设时间段长度内未恢复时，获取mysql galera集群出现脑裂问题阶段对应的容器日志和故障信息；
8.根据所述容器日志、故障信息，基于预先训练好的logme评估模型，从预设模型库中选取目标修复模型；
9.如果所述目标修复模型满足预设要求，则采用目标修复模型对mysql galera集群出现的脑裂问题进行修复。
10.优选地，所述方法，还包括：
11.根据所述容器日志和故障信息生成目标数据集(targetdata)；
12.所述根据所述容器日志、故障信息，基于预先训练好的logme评估模型，从预设故障修复模型库中选取目标修复方案，包括：
13.将所述目标数据集带入存储的每个故障恢复模型，得到每个故障恢复模型对应的
恢复结果文件；
14.基于预先训练好的logme评估模型，对所述恢复结果文件进行评估，选取最佳恢复结果文件对应的目标修复模型。
15.优选地，所述如果所述目标修复模型满足预设要求，则采用目标修复模型对mysql galera集群出现的脑裂问题进行修复，包括：
16.针对目标数据集选取预设数量的第一特征点，构成第一特征点集，基于最佳恢复结果对应的故障修复模型，确定第一特定点集对应的第二特征点集；
17.采用方差计算模型，确定第一特征点集与第二特征点集的方差；
18.当第一特征点集的方差与第二特征点集的方差满足预设方差阈值时，则采用该目标修复模型对脑裂问题进行修复。
19.优选地，所述方差计算模型，为：
[0020][0021]
其中，μi为从目标数据集中的第i个特征点，xi为目标数据集中的第i个特征点对应的目标修复模型得出的特征点，n为从目标数据集中选取的特征点的数量，s2为特征点方差。
[0022]
优选地，所述方法，还包括：
[0023]
如果所述目标修复模型不满足预设要求，则上报目标数据集，接收针对该目标数据集的修复方案；
[0024]
根据接收到的针对目标数据集的修复方案训练出修复方案模型信息，将所述目标数据集及训练出的修复方案模型信息存储至模型库。
[0025]
第二方面，根据本技术实施例提供一种集群脑裂自动修复系统，所述系统，包括：
[0026]
获取模块，当检测到mysql galera集群出现的脑裂问题在预设时间段长度内未恢复时，获取mysql galera集群出现脑裂问题阶段对应的容器日志和故障信息；
[0027]
目标修复方案选取模块，用于根据所述容器日志、故障信息，基于预先训练好的logme评估模型，从预设模型库中选取目标修复模型；
[0028]
自定修复模块，如果所述目标修复模型满足预设要求，则采用目标修复模型对mysql galera集群出现的脑裂问题进行修复。
[0029]
优选地，所述系统，还包括：
[0030]
目标数据集生成模块，用于根据所述容器日志和故障信息生成目标数据集；
[0031]
所述目标修复方案选取模块，包括：
[0032]
恢复结果生成单元，将所述目标数据集带入存储的每个故障恢复模型，得到每个故障恢复模型对应的恢复结果文件；
[0033]
目标修复模型确定单元，用于基于预先训练好的logme评估模型，对所述恢复结果文件进行评估，选取最佳恢复结果文件对应的目标修复模型。
[0034]
优选地，所述系统，还包括：
[0035]
上报单元，用于如果所述目标修复模型不满足预设要求，则上报目标数据集，接收针对该目标数据集的修复方案；
[0036]
修复方案模型训练单元，用于根据接收到的针对目标数据集的修复方案训练出修
复方案模型信息，将所述目标数据集及训练出的修复方案模型信息存储至模型库。
[0037]
第三方面，根据本技术实施例提供一种mysql galera集群脑裂自动修复装置，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述计算机程序由所述处理器加载并执行，以实现上述任一项所述集群脑裂自动修复方法。
[0038]
第四方面，根据本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其中，所述计算机程序被处理器执行时用于实现上述任一项所述集群脑裂自动修复方法。
[0039]
本技术的有益效果在于：
[0040]
本技术实施例提供的mysql galera集群脑裂自动修复方法、系统、装置及存储介质，当检测到mysql galera集群出现的脑裂问题在预设长度时间段内未恢复时，获取mysql galera集群出现脑裂问题阶段对应的容器日志和故障信息；根据所述容器日志、故障信息，基于预先训练好的logme评估模型，从预设故障修复模型库中选取目标修复方案；采用目标修复方案，对mysql galera集群出现的脑裂问题进行修复。本方案，当模型库中无脑裂问题对应的容器日志和故障信息无对应的修复模型时，则基于预先训练好的logme评估模型，从模型库中选取目标修复方案，从而可以实现自动为脑裂问题选取修复模型的目的。
[0041]
除此之外，本技术实施例中，当基于预先训练好的logme评估模型，从预设故障修复模型库中选取的目标修复模型不出满足预设要求时，则上报当前脑裂问题对应的目标数据集，相关人员可以根据目标数据集设定故障修复方案，当接收到相关人员设定对的故障修复方案之后，根据目标数据集训练出修复方案模型信息，并将目标数据集及训练出的修复方案模型信息存储至模型库。当下次再出现此类型脑裂问题时，则可基于根据目标数据集训练出修复方案模型信息对脑裂问题进行自动修复。
[0042]
上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，并可依照说明书的内容予以实施，以下以本技术的较佳实施例并配合附图详细说明如后。
附图说明
[0043]
图1-图4分别为本技术实施例提供的其中一种集群脑裂自动修复方法的流程图；
[0044]
图5为另一个实施例中集群脑裂自动修复系统的示意图；
[0045]
图6为本技术一个实施例提供的集群脑裂自动修复装置的框图。
具体实施方式
[0046]
下实施例用于说明本技术，但不用来限制本技术的范围。
[0047]
本技术实施例提供的脑裂问题自动修复方法，适用于系统出现脑裂问题无法自动修复的情况，传统方案中，会设置一个脚本文件中，在脚本文件中设有脑裂问题对应的数据库故障，及数据库故障对应的恢复方法，当出现脑裂问题时，基于脚本文件中存储的数据库故障对应的恢复方法对脑裂问题进行修复。然而，脑裂问题可基于脚本文件进行修复的前提是，在脚本文件中存储有脑裂问题及脑裂问题对应的修复模型或修复方法，而如果出现了对于脚本文件中存储的数据库故障而言的新故障，现有技术方案则无法对脑裂问题进行自动修复。
[0048]
本方案，同样会设置脚本文件或者存储模块，同样存储有数据库故障与修复模型之间的对应关系，当出现脑裂问题时，则根据脑裂问题对应的数据库故障获取对应的故障修复模型，进而采用选取的故障修复模型对出现的数据库故障进行修复，而当出现新的脑裂问题时，则将其带入脚本文件或者数据库中存储的每一个数学模型中，然后采用预先训练好的logme模型选取目标模型，如此可实现自动修复的目的，而采用logme模型选取不到满足要求的故障修复方案时，则上报故障信息，相关人员(如运维人员)则可根据故障信息设置故障修复方案，系统在接收到故障修复方案之后，便根据上报的目标数据集训练故障修复方案对应的故障修复模型，并将目标数据集及对应的故障修复模型存储至脚本文件或者存储模块，从而当再次检测到相同目标数据集时，便可根据存储的训练出来的故障修复模型进行故障修复，无需继续上报给相关人员，从而实现智能修复数据库故障的目的。如下，对本技术公开的mysql galera集群脑裂自动修复方案做详细阐述。
[0049]
图1给出了本技术实施例中mysql galera集群脑裂自动修复方法的流程图，如图1所示，所述mysql galera集群脑裂自动修复方法，包括：
[0050]
步骤s12、当检测到mysql galera集群出现的脑裂问题在预设时间段长度内未恢复时，获取mysql galera集群出现脑裂问题阶段对应的容器日志和故障信息；
[0051]
在本技术实施例中，可设定目标时间段，时间段长度可为30s、1min或者90s等，当检测到mysql galera集群出现的脑裂问题在目标时间段内未自动修复时，则确定将该脑裂问题归类为无法根据脚本文件或者存储模块中存储的“故障信息-故障修复模型对应关系”确定出对应的故障修复模型，即无法采用现有技术方案中的方案进行故障修复。其中，“故障信息-故障修复模型对应关系”为脚本文件或存储模块中存储的故障信息及故障信息对应的故障修复模型的对应关系。
[0052]
在本技术实施例中，在确定mysql galera集群出现的脑裂问题在预设时间段长度内未恢复时，则获取mysql galera集群出现上述不可恢复的脑裂问题时间段内对应的容器日志和故障信息。
[0053]
步骤s14、根据所述容器日志、故障信息，基于预先训练好的logme评估模型，从预设模型库中选取目标修复模型；
[0054]
在本技术实施例中，在获取到无法恢复的脑裂问题对应的容器日志、故障信息之后，首先将所述容器日志、故障信息带入脚本文件或者存储模块中存储的每个故障修复模型中，基于存储的每一个故障修复模型对脑裂问题进行修复，针对每一种故障修复模型得到一个对应的故障修复结果。然后继续采用训练好的logme评估模型对得到的故障修复结果进行评估，从上述故障修复模型中评估出一个得分最高的故障修复模型，即目标修复模型。
[0055]
步骤s16、如果所述目标修复模型满足预设要求，则采用所述目标修复模型对mysql galera集群出现的脑裂问题进行修复。
[0056]
在本技术实施例中，在确定目标修复模型后，继续判断目标修复方案是否满足预设要求，当目标修复方案满足预设要求时，则采用目标修复方案对mysql galera集群出现的脑裂问题进行修复。作为一个可实施的方式，预设要求为目标修复模型得到的方差是否满足设定的方差阈值，如果满足，则确定目标修复模型满足预设要求。
[0057]
在本技术实施例中，参见图2所示，所述方法，还包括：
[0058]
步骤s13、根据所述容器日志和故障信息生成目标数据集(targetdata)；
[0059]
在本技术中，在获取到无法恢复的脑裂问题对应的容器日志和故障信息之后，首先根据容器日志和故障信息生成目标数据集(targetdata)，然后可将目标数据集带入脚本文件或者存储模块中存储的故障修复模型，进而得到存储的每个预设故障修复模型对是所述目标数据集进行修复的修复结果。
[0060]
相应地，步骤s14中，根据所述容器日志、故障信息，基于预先训练好的logme评估模型，从预设故障修复模型库中选取目标修复模型，包括：
[0061]
步骤s141、将所述目标数据集带入存储的每个故障恢复模型，得到每个故障恢复模型对应的恢复结果文件；
[0062]
步骤s142、基于预先训练好的logme评估模型，对所述恢复结果文件进行评估，选取最佳恢复结果文件对应的目标修复模型。
[0063]
在本技术实施例中，基于预先训练好的logme评估模型从预设故障修复模型库中选取目标修复方案的过程大致分为两个步骤，第一步为：将目标数据集依次代入预设故障修复模型库中的每个故障修复模型，得到每个故障恢复模型对应的恢复结果文件，具体的，恢复结果文件可能为一个数值。具体的代入方法可为：将脑裂问题对应的目标数据集(targetdata)分别带入预先存储的每个故障修复模型，执行模型测试(测试命令如python-u
[0064]
/logme/train_example/logme-cnn_lm_v1.01/scripts/lm.py
–
model*lvgg16
–
feature20-1000
–
batch_size 256
–
data_dir＝/targetdata)得到model_check_res，即针对存储的每个故障修复模型，得到一个修复结果model_check_res。
[0065]
在得到每个故障恢复模型对应的修复结果文件之后，基于预先训练好的logme模型对每个预设故障修复模型的修复结果进行评估，将修复结果最优的故障恢复模型确定为目标修复模型，在此指出，在确定出目标修复模型之后，需要继续对目标修复模型进行判断，当其满足预设要求时，则采用目标修复模型对脑裂问题进行修复。
[0066]
在本技术实施例中，参见图3所示，步骤s142中，根据所述容器日志、故障信息，基于预先训练好的logme评估模型，从预设模型库中选取目标修复模型，包括：
[0067]
步骤s1421、对所述修复结果进行比对，确定最佳修复结果文件；
[0068]
作为一个具体实施例，在将目标数据集带入采用每个预设故障修复模型得到每个预设故障修复模型对应的修复结果，然后对得到的多个修复结果值进行比对，基于得到的修复结果值比对，将修复结果值最大的修复结果确定为最佳修复结果。
[0069]
步骤s1422、针对目标数据集选取预设数量的第一特征点，构成第一特征点集，基于最佳恢复结果对应的故障修复模型，确定第一特定点集对应的第二特征点集；
[0070]
在本技术实施例中，在确定出最佳修复模型之后，从根据出现不可自动修复的脑裂问题阶段出现的容器日志和故障信息生成目标数据集(targetdata)中选取预设数量的第一特征点，构成第一特征点集，然后逐一将每个第一特征点带入最佳恢复结果对应的故障修复模型能，得倒第一特征点对应的第二特征点，所有的第二特征点集合在一起，构成第二特征点集。
[0071]
在本技术实施例中，步骤s16中，若所述目标修复模型满足预设条件，则采用目标修复模型，对mysql galera集群出现的脑裂问题进行修复，包括：
[0072]
步骤s161、针对目标数据集选取预设数量的第一特征点，构成第一特征点集，基于最佳恢复结果对应的故障修复模型，确定第一特定点集对应的第二特征点集；
[0073]
步骤s162、采用方差计算模型，确定第一特征点集与第二特征点集的方差；
[0074]
在确定出第一特征点集对应的第二特征点集之后，采用方差计算模型，计算第一特征点集与第二特征点集的方差。
[0075]
步骤s163、当第一特征点集的方差与第二特征点集的方差满足预设方差阈值时，则采用该目标修复模型对脑裂问题进行修复。
[0076]
在本技术实施例中，在计算出第一特征点集与第二特征点集的方差之后，再次通过判断计算出的方差是否满足预设方差阈值，如果满足，则将最佳修复结果对应的故障修改模型为目标修复方案，否则，即使根据评分确定为最佳修复结果对应的故障修复模型，也无法确定为目标修复方案。
[0077]
进一步地，所述第一特征点集与第二特征点集的方差的计算模型，为：
[0078][0079]
其中，μi为从目标数据集中的第i个第一特征点，xi为目标数据集中的第i个第一特征点对应的最佳修复方案得出的第i个第二特征点，n为从目标数据集中选取的特征点的数量，s2为第一特征点集与第二特征点集的方差。
[0080]
在本技术实施例中，参见图4所示，所述方法，还包括：
[0081]
步骤s181、如果所述目标修复模型不满足预设要求，则上报目标数据集，接收针对该目标数据集的修复方案；
[0082]
步骤s182、根据接收到的针对目标数据集的修复方案训练出修复方案模型信息，将所述目标数据集及训练出的修复方案模型信息存储至模型库。
[0083]
在本技术实施例中，采用logme模型对测试结果文件进行评估，如果存储的预设故障修复模型中没有满足要求的故障修复方案，则上报目标数据集，一般情况下，上报至管理端或者服务器，管理端或者服务器的工作人员在接收到上报的目标数据集之后，对其进行解析，并根据解析结果手动选择或输入目标数据集对应的修复方案。
[0084]
在接收到管理端或者服务器的工作人员选择或手动输入的修复方案之后，便针对该修复方案对应的模型进行训练，进而训练出该目标数据集对应的故障修复模型，并将该故障修复模型存储至模型库。
[0085]
当该脑裂问题再次出现时，便可根据目标数据集从预先存储的故障修复模型中选取到该故障修复模型，从而便可实现自动修复的效果。
[0086]
综上所述，
[0087]
本技术实施例提供的mysql galera集群脑裂自动修复方法、系统、装置及存储介质，当检测到mysql galera集群出现的脑裂问题在预设时间段长度内未恢复时，获取mysql galera集群出现脑裂问题阶段对应的容器日志和故障信息；根据所述容器日志、故障信息，基于预先训练好的logme评估模型，从预设故障修复模型库中选取目标修复方案；采用目标修复方案，对mysql galera集群出现的脑裂问题进行修复。本方案，当模型库中无脑裂问题对应的容器日志和故障信息无对应的修复模型时，则基于预先训练好的logme评估模型，从模型库中选取目标修复方案，从而可以实现自动为脑裂问题选取修复模型的目的。
[0088]
除此之外，本技术实施例中，当基于预先训练好的logme评估模型，从预设故障修复模型库中选取的目标修复模型不出满足预设要求时，则上报当前脑裂问题对应的目标数据集，相关人员可以根据目标数据集设定故障修复方案，当接收到相关人员设定对的故障修复方案之后，根据目标数据集训练出修复方案模型信息，并将目标数据集及训练出的修复方案模型信息存储至模型库。当下次再出现此类型脑裂问题时，则可基于根据目标数据集训练出修复方案模型信息对脑裂问题进行自动修复。
[0089]
因此，本方案，针对无法修复的脑裂问题，仅需从管理端或者服务器接收一次故障修复方案，当再次出现该脑裂问题时，便可根据接收到的故障修复方案训练出的故障修复模型对其进行修复。本方案中，随着时间的增长，根据接收到的故障修复方案训练出的故障修复模型不断增多，即预先存储的故障修复方案越来越多，即具有较强的自学习能力，从而可以对更多的脑裂问题进行修复。
[0090]
图5是本技术一个实施例提供的mysql galera集群脑裂自动修复系统的框图，本实施例以该系统采用图1所示的mysql galera集群脑裂自动修复方法。该系统至少包括以下几个模块：
[0091]
获取模块51，当检测到mysql galera集群出现的脑裂问题在预设时间段长度内未恢复时，获取mysql galera集群出现脑裂问题阶段对应的容器日志和故障信息；
[0092]
目标修复方案选取模块52，用于用于根据所述容器日志、故障信息，基于预先训练好的logme评估模型，从预设模型库中选取目标修复模型；
[0093]
自动修复模块53，用于如果所述目标修复模型满足预设要求，则采用目标修复模型对mysql galera集群出现的脑裂问题进行修复。
[0094]
在本技术实施例中，所述系统，还包括：
[0095]
目标数据集生成模块，用于根据所述容器日志和故障信息生成目标数据集；
[0096]
所述目标修复方案选取模块，包括：
[0097]
恢复结果生成单元，将所述目标数据集带入存储的每个故障恢复模型，得到每个故障恢复模型对应的恢复结果文件；
[0098]
目标修复模型确定单元，用于基于预先训练好的logme评估模型，对所述恢复结果文件进行评估，选取最佳恢复结果文件对应的目标修复模型。
[0099]
进一步地，所述自动修复模块，包括：
[0100]
特征点提取子单元，用于针对目标数据集选取预设数量的第一特征点，构成第一特征点集，基于最佳恢复结果对应的故障修复模型，确定第一特定点集对应的第二特征点集；
[0101]
方差计算子单元，用于采用方差计算模型，确定第一特征点集与第二特征点集的方差；
[0102]
目标修复方案确定子单元，用于当第一特征点集的方差与第二特征点集的方差满足预设方差阈值时，则采用该目标修复模型对脑裂问题进行修复。
[0103]
进一步的，所述方差计算子单元采用方差计算模型，为：
[0104][0105]
其中，μi为从目标数据集中的第i个特征点，xi为目标数据集中的第i个特征点对应
的目标修复模型修复后对应得出的特征点，n为从目标数据集中选取的特征点的数量，s2为特征点方差。
[0106]
更进一步地，所述系统，还包括：
[0107]
上报单元，用于如果所述目标修复模型不满足预设要求，则上报目标数据集，接收针对该目标数据集的修复方案；
[0108]
修复方案模型训练单元，用于根据接收到的针对目标数据集的修复方案训练出修复方案模型信息，将所述目标数据集及训练出的修复方案模型信息存储至模型库。
[0109]
本技术实施例提供的mysql galera集群脑裂自动修复方法、系统、装置及存储介质，
[0110]
本技术实施例提供的mysql galera集群脑裂自动修复方法、系统、装置及存储介质，当检测到mysql galera集群出现的脑裂问题在预设时间段长度内未恢复时，获取mysql galera集群出现脑裂问题阶段对应的容器日志和故障信息；根据所述容器日志、故障信息，基于预先训练好的logme评估模型，从预设故障修复模型库中选取目标修复方案；采用目标修复方案，对mysql galera集群出现的脑裂问题进行修复。本方案，当模型库中无脑裂问题对应的容器日志和故障信息无对应的修复模型时，则基于预先训练好的logme评估模型，从模型库中选取目标修复方案，从而可以实现自动为脑裂问题选取修复模型的目的。
[0111]
除此之外，本技术实施例中，当基于预先训练好的logme评估模型，从预设故障修复模型库中选取的目标修复模型不出满足预设要求时，则上报当前脑裂问题对应的目标数据集，相关人员可以根据目标数据集设定故障修复方案，当接收到相关人员设定对的故障修复方案之后，根据目标数据集训练出修复方案模型信息，并将目标数据集及训练出的修复方案模型信息存储至模型库。当下次再出现此类型脑裂问题时，则可基于根据目标数据集训练出修复方案模型信息对脑裂问题进行自动修复。因此，本方案，针对无法修复的脑裂问题，仅需从管理端或者服务器接收一次故障修复方案，当再次出现该脑裂问题时，便可根据接收到的故障修复方案训练出的故障修复模型对其进行修复。本方案中，随着时间的增长，根据接收到的故障修复方案训练出的故障修复模型不断增多，即预先存储的故障修复方案越来越多，即具有较强的自学习能力，从而可以对更多的脑裂问题进行修复。
[0112]
需要说明的是：上述实施例提供的mysql galera集群脑裂自动修复方法与mysql galera集群脑裂自动修复系统实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
[0113]
图6是本技术一个实施例提供的mysql galera集群脑裂自动修复装置的框图，本实施例所述mysql galera集群脑裂自动修复装置可以是桌上型计算机、笔记本电脑、掌上电脑以及云端服务器等计算设备，该装置可以包括，但不限于，处理器、存储器。本实施例所述mysql galera集群脑裂自动修复装置至少包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序可在所述处理器上运行，所述处理器执行所述计算机程序时，实现上述mysql galera集群脑裂自动修复方法实施例中的步骤，例如图1-图2任一图所示的mysql galera集群脑裂自动修复方法的步骤。或者，所述处理器执行所述计算机程序时，实现上述mysql galera集群脑裂自动修复装置实施例中各模块的功能。
[0114]
示例性的，所述计算机程序可以被分割成一个或多个模块，所述一个或多个模块被存储在所述存储器中，并由处理器执行，以完成本发明。所述一个或多个模块可以是能够
完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述mysql galera集群脑裂自动修复装置中的执行过程。例如，所述计算机程序可以被分割成获取模块、目标修复方案选取模块和自动修复模块，各模块的具体功能如下：
[0115]
获取模块，当检测到mysql galera集群出现的脑裂问题在预设时间段长度内未恢复时，获取mysql galera集群出现脑裂问题阶段对应的容器日志和故障信息；
[0116]
目标修复方案选取模块，用于根据所述容器日志、故障信息，基于预先训练好的logme评估模型，从预设故障修复模型库中选取目标修复方案；
[0117]
自动修复模块，用于采用目标修复方案，对mysql galera集群出现的脑裂问题进行修复。
[0118]
处理器可以包括一个或多个处理核心，比如：4核心处理器、6核心处理器等。处理器可以采用dsp(digital signal processing，数字信号处理)、fpga(field－programmable gate array，现场可编程门阵列)、pla(programmable logic array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称cpu(central processing unit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。一些实施例中，处理器还可以包括ai(artificial intelligence，人工智能)处理器，该ai处理器用于处理有关机器学习的计算操作。所述处理器是所述报文优传输优先级控制系统的控制中心，利用各种接口和线路连接整个mysql galera集群脑裂自动修复系统的各个部分。
[0119]
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述mysql galera集群脑裂自动修复系统的各种功能。所述存储器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手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡、闪存卡(flash card)、至少一个磁盘存储器件、内存器件、或其他易失性固态存储器件。
[0120]
本领域技术人员可以理解，本实施例所述的装置仅仅是报文优传输优先级控制装置的示例，并不构成对报文优传输优先级控制系统的限定，其他实施方式中，还可以包括更多或更少的部件，或者组合某些部件，或者不同部件，例如报文优传输优先级控制装置还可以包括输入输出设备、网络接入设备、总线等。处理器、存储器和外围设备接口之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口相连。示意性地，外围设备包括但不限于：射频电路、触摸显示屏、音频电路、和电源等。
[0121]
当然，mysql galera集群脑裂自动修复装置还可以包括更少或更多的组件，本实施例对此不作限定。
[0122]
可选地，本技术还提供有一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时用于实现上述mysql galera集群脑裂自动修复方法的步骤。
[0123]
可选地，本技术还提供有一种计算机产品，该计算机产品包括计算机可读存储介质，所述计算机可读存储介质中存储有程序，所述程序由处理器加载并执行以实现上述
mysql galera集群脑裂自动修复方法实施例的步骤。
[0124]
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0125]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。