大规模机器集群-故障自动处理(二)

本篇开始介绍具体的实现过程，为表述方便，先定义一些名词， AutoRepairSystem: 故障自动维修系统, 缩写为ARS 原子操作：任务的最小操作，机器任务通常是指重启、重装 运维人员：运维工程师= SRE = OP，系统工程师 = sys 远程管理工具： 远程控制操作物理机器的工具，如ipmi、ilo   先来看ARS的整体视图和流程图，         ARS的工作流程， 故障检测: 每

>>阅读原文<<