腾讯云可观测平台 云服务器故障自愈

这篇说说腾讯云故障自愈机制,通过云函数与事件规则自动检测CVM异常(如ping不可达、重启)并执行恢复脚本,将故障恢复时间从20-30分钟降至5分钟,效率提升约75%。 自动配置:提供Python脚本一键创建云函数、事件规则及目标,简化部署。 手动配置:分步说明云函数创建、事件规则设置及账号权限配置。 演练验证:通过混沌演练模拟宕机,验证告警触发、云函数执行及进程自动恢复全流程。

相关产品
腾讯云可观测平台 产品页,含版本规格、价格与购买入口。

一、背景

自愈机制目的:帮助业务提升稳定性,实现异常的快速恢复。

二、故障自愈场景

自愈场景 自愈的 checklist
ping 不可达快速恢复 检测机器 ping 不可达告警/服务器重启等检测机器恢复正常调用脚本检查机器状态,恢复机器业务进程
其他事件相关场景连接数超限导致丢包外网出带宽超限导致丢包磁盘只读内核故障内存 oom实例已重启ping 不可达机器重启 

三、步骤1:自愈配置参数

文件名:config.json

{ "//": "云函数和事件规则的name可保持默认值得不修改", "scf_Name": "game_auto_recovery", "RuleName": "game_auto_recovery", "//": "云上自愈配置主账户uin", "uin": 2159973417, "//": "执行脚本的密钥id和key", "secretID": "xxxxxxxx", "secretKey": "xxxxxxxxx", "//": "自愈命令工作的目录", "work_Directory": "/data/home/user00", "//": "自愈命令执行用户名", "work_User": "user00", "//": "要执行的自愈命令", "run_Command": "nohup /home/user00/my_program.sh >/home/user00/my_test.log 2>&1 &", "//": "自愈的服务器", "cvm_List": "ins-k2xxx,ins-4q9xxx"}

四、步骤2:执行故障自愈配置脚本

在 config.json 同目录下,插入如下脚本内容,可以命名为 create_auto_recovery.py。

# -*- coding: utf8 -*-import hashlib, hmac, json, os, sys, time, base64from datetime import datetime, timedeltaif sys.version_info[0] <= 2: from httplib import HTTPSConnectionelse: from http.client import HTTPSConnection# 计算签名摘要函数def sign(key, msg): return hmac.new(key, msg.encode("utf-8"), hashlib.sha256).digest()# 计算签名信息def authen_content(timestamp, date, secret_id, secret_key, payload, service, host, algorithm, action, params): # ************* 步骤 1:拼接规范请求串 ************* http_request_method = "POST" canonical_uri = "/" canonical_querystring = "" ct = "application/json; charset=utf-8" canonical_headers = "content-type:%s\\nhost:%s\\nx-tc-action:%s\\n" % (ct, host, action.lower()) signed_headers = "content-type;host;x-tc-action" hashed_request_payload = hashlib.sha256(payload.encode("utf-8")).hexdigest() canonical_request = (http_request_method + "\\n" + canonical_uri + "\\n" + canonical_querystring + "\\n" + canonical_headers + "\\n" + signed_headers + "\\n" + hashed_request_payload) # ************* 步骤 2:拼接待签名字符串 ************* credential_scope = date + "/" + service + "/" + "tc3_request" hashed_canonical_request = hashlib.sha256(canonical_request.encode("utf-8")).hexdigest() string_to_sign = (algorithm + "\\n" + str(timestamp) + "\\n" + credential_scope + "\\n" + hashed_canonical_request) # ************* 步骤 3:计算签名 ************* secret_date = sign(("TC3" + secret_key).encode("utf-8"), date) secret_service = sign(secret_date, service) secret_signing = sign(secret_service, "tc3_request") signature = hmac.new(secret_signing, string_to_sign.encode("utf-8"), hashlib.sha256).hexdigest() # ************* 步骤 4:拼接 Authorization ************* authorization = (algorithm + " " + "Credential=" + secret_id + "/" + credential_scope + ", " + "SignedHeaders=" + signed_headers + ", " + "Signature=" + signature) return(authorization)# 创建云函数def CreateFunction(timestamp, date, secretID, secretKey, scf_Name, work_Directory, work_User, run_Command): token = "" service = "scf" host = "%s.tencentcloudapi.com" % service endpoint = "https://" + host region = "ap-guangzhou" version = "2018-04-16" action = "CreateFunction" payload = "{\\"FunctionName\\":\\"%s\\",\\"Code\\":{\\"DemoId\\":\\"demo-951rub7u\\"},\\"Handler\\":\\"index.main_handler\\",\\"Description\\":\\"故障自愈\\",\\"MemorySize\\":256,\\"Timeout\\":100,\\"Environment\\":{\\"Variables\\":[{\\"Key\\":\\"secretID\\",\\"Value\\":\\"%s\\"},{\\"Key\\":\\"secretKey\\",\\"Value\\":\\"%s\\"},{\\"Key\\":\\"work_Directory\\",\\"Value\\":\\"%s\\"},{\\"Key\\":\\"work_User\\",\\"Value\\":\\"%s\\"},{\\"Key\\":\\"run_Command\\",\\"Value\\":\\"%s\\"}]},\\"Runtime\\":\\"Python3.6\\",\\"Namespace\\":\\"default\\"}" % (scf_Name, secretID, secretKey,work_Directory, work_User, run_Command) params = json.loads(payload) algorithm = "TC3-HMAC-SHA256" authorization = authen_content(timestamp, date, secretID, secretKey, payload, service, host, algorithm, action, params) headers = { "Authorization": authorization, "Content-Type": "application/json; charset=utf-8", "Host": host, "X-TC-Action": action, "X-TC-Timestamp": timestamp, "X-TC-Version": version } if region: headers["X-TC-Region"] = region if token: headers["X-TC-Token"] = token try: req = HTTPSConnection(host) req.request("POST", "/", headers=headers, body=payload.encode("utf-8")) resp = req.getresponse() return(resp.read()) except Exception as err: print(err)# 创建规则def CreateRule(timestamp, date, secretID, secretKey, RuleName, cvm_List): token = "" service = "eb" host = "%s.tencentcloudapi.com" % service endpoint = "https://" + host region = "ap-guangzhou" version = "2021-04-16" action = "CreateRule" cvmlist = '' cvmlists = cvm_List.split(',') params = {"Enable": True, "Description": "故障自愈", "EventPattern": "{\\n \\"source\\": \\"cvm.cloud.tencent\\",\\n \\"type\\": [\\n \\"cvm:ErrorEvent:GuestReboot\\",\\n \\"cvm:ErrorEvent:PingUnreachable\\"\\n ]\\n}", "EventBusId": "eb-df1713l8", "RuleName": "%s" % RuleName} if cvm_List != "": for i in range(len(cvmlists)): if i < len(cvmlists)-1: cvmlist = cvmlist + "\\n \\"%s\\"" % cvmlists[i] + "," else: cvmlist = cvmlist + "\\n \\"%s\\"" % cvmlists[i] params = {"Enable": True, "Description": "故障自愈", "EventPattern": "{\\n \\"source\\": \\"cvm.cloud.tencent\\",\\n \\"type\\": [\\n \\"cvm:ErrorEvent:GuestReboot\\",\\n \\"cvm:ErrorEvent:PingUnreachable\\"\\n ],\\n \\"subject\\": [%s\\n ]\\n}" % cvmlist, "EventBusId": "eb-df1713l8", "RuleName": "%s" % RuleName} payload = json.dumps(params) algorithm = "TC3-HMAC-SHA256" authorization = authen_content(timestamp, date, secretID, secretKey, payload, service, host, algorithm, action, params) headers = { "Authorization": authorization, "Content-Type": "application/json; charset=utf-8", "Host": host, "X-TC-Action": action, "X-TC-Timestamp": timestamp, "X-TC-Version": version } if region: headers["X-TC-Region"] = region if token: headers["X-TC-Token"] = token try: req = HTTPSConnection(host) req.request("POST", "/", headers=headers, body=payload.encode("utf-8")) resp = req.getresponse() return(resp.read()) except Exception as err: print(err)# 创建规则目标def CreateTarget(timestamp, date, secretID, secretKey, uin, scf_Name, RuleId): token = "" service = "eb" host = "%s.tencentcloudapi.com" % service endpoint = "https://" + host region = "ap-guangzhou" version = "2021-04-16" action = "CreateTarget" payload = "{\\"EventBusId\\":\\"eb-df1713l8\\",\\"Type\\":\\"scf\\",\\"TargetDescription\\":{\\"ResourceDescription\\":\\"qcs::scf:ap-guangzhou:uin/%s:namespace/default/function/%s/$LATEST\\"},\\"RuleId\\":\\"%s\\"}" % ( uin, scf_Name, RuleId) params = json.loads(payload) algorithm = "TC3-HMAC-SHA256" authorization = authen_content(timestamp, date, secretID, secretKey, payload, service, host, algorithm, action, params) headers = { "Authorization": authorization, "Content-Type": "application/json; charset=utf-8", "Host": host, "X-TC-Action": action, "X-TC-Timestamp": timestamp, "X-TC-Version": version } if region: headers["X-TC-Region"] = region if token: headers["X-TC-Token"] = token try: req = HTTPSConnection(host) req.request("POST", "/", headers=headers, body=payload.encode("utf-8")) resp = req.getresponse() return(resp.read()) except Exception as err: print(err)if __name__ == '__main__': print("开始为你配置故障自愈…….") timestamp = int(time.time()) date = datetime.utcfromtimestamp(timestamp).strftime("%Y-%m-%d") # load config with open('config.json') as file: config = json.load(file) uin = config['uin'] secretID = config['secretID'] secretKey = config['secretKey'] work_Directory = config['work_Directory'] work_User = config['work_User'] run_Command = config['run_Command'] scf_Name = config['scf_Name'] RuleName = config['RuleName'] cvm_List = config['cvm_List'] # 创建云函数 result_func = CreateFunction(timestamp, date, secretID, secretKey, scf_Name, work_Directory, work_User, run_Command) if 'Error' not in result_func.decode('utf-8'): print("故障自愈云函数初始化中,预计需要60s.") time.sleep(60) # 创建事件规则 RuleNameGet = CreateRule(timestamp, date, secretID, secretKey, RuleName, cvm_List) RuleNameGet_dec = RuleNameGet.decode('utf-8') if 'Error' not in RuleNameGet_dec: RuleId = json.loads(RuleNameGet_dec)['Response']['RuleId'] print("服务器事件规则配置中,预计需要10s.") # 创建事件规则目标 result_target = CreateTarget(timestamp, date, secretID, secretKey, uin, scf_Name, RuleId) if 'Error' not in result_target.decode('utf-8'): print("你的故障自愈已配置完成,自定义配置请参考文档https://cloud.tencent.com/document/product/248/109573。")

五、步骤3:执行脚本创建自愈配置

找一台 CVM 服务器,将 config.json 和自愈脚本(命名为 create_auto_recovery.py)放在相同目录下,执行 create_auto_recovery.py 自动创建自愈配置。

六、步骤1:云函数配置

1. 登录 云函数 > 函数服务。

2. 选择函数服务的区域以及命名空间,例如选择广州区域,命名空间 default,然后单击新建。

3. 新建函数。选择模板创建,搜索“故障”即可找到云函数模板,详情可参见 创建函数。具体参数参考下图:

4. 设置云函数超时时间。进入函数管理 > 函数配置页面,单击编辑,在环境配置中设置云函数超时时间。

5. 云函数有4个环境变量,请设置为你需要传递的值。

七、步骤2:配置告警事件规则

1. 进入 腾讯云可观测平台 > 事件总线 > 事件规则 页面。

2. 选择事件集归属与地域,例如地域广州,事件集 default。

3. 单击新建,根据页面提示填写相关信息。操作步骤可参见 创建事件规则。

·事件匹配:云服务类型选择云服务器,事件类型选择 ping 不可达。

·事件目标:触发方式选择云函数,然后选择自己配置的目标云函数。

·触发方式:选择云函数(SCF)。

·命名空间:选择云函数创建的空间,默认为 default。

·版本及别名:选择你命名的云函数版本,默认为“$LATEST”。

·批量投递:选择关闭。

八、步骤3:账号权限配置

如果账号提示如下报错信息,则表示当前账号没有权限,需要添加权限。

"Error": {"Code": "ResourceNotFound.RoleNotFound", "Message": "The specified role `TAT_QCSLinkedRoleInCommand` is not found, please add the role for your account."}

添加权限的方式: 用户进入 访问管理控制台 > 角色,对应产品会检测是否有授权角色,如果没有,会引导创建角色。例如下:

注意:说明:

注意:如果没有上图提示,则点击 此处 添加相应的权限。

九、故障自愈演练的过程

1. 进入 云顾问 > 混沌演练 > 演练管理 页面,新增服务器关机故障动作,创建步骤可参见 控制台快速上手。

2. 执行服务器故障演练,模拟服务群宕机和重启的过程。

3. 故障演练告警和事件触发。

在 腾讯云可观测平台 > 告警治理 > 告警历史 页面查看告警信息。服务器重启后,有 2 次告警事件,1 次是宕机时触发的告警事件,1 次是宕机恢复正常后触发的告警事件。

4. 云函数部署效果。登录 Serverless > 函数服务 页面,进入 步骤一新建的函数 中,在函数代码中查看效果。

5. 云函数定时执行故障效果。在日志查询中查看函数运行日志。

6. 服务器实际自愈的效果。服务器启动后,脚本被自动拉起。

十、预期收益

操作内容 预计时间 提升效率
服务器异常事件 > 使用运维工具/手动启动游戏进程 > 检查进程状态 20 ~ 30 分钟 节省时间 75%左右
服务器异常事件 > 自动拉起进程和检查 5 分钟 

十一、费用计算

·云函数按量计费标准可参见 云函数基本能力产品定价。

·实际费用计算。你可根据自身业务需求预估计费项的用量,通过 价格计算器 进行计算。

赞 (0)
上一篇 4天前
下一篇 4天前