什么是故障
故障追踪：支持对故障的最新进展、故障影响面（影响服务）、舆情反馈、Timeline时间线进行在线化管理、协同，基于统一视角协同处理故障，提升故障处理效率；故障复盘：基于最佳实践经验，沉淀了对故障进行深度复盘的结构化要求，形成了线上...
实例的节点故障处理机制
本文档介绍云数据库MongoDB版实例的节点故障处理机制。单节点实例 由于单节点实例架构的特殊性，单节点实例仅拥有一个节点。当节点发生故障后，系统会对故障节点进行检查与修复。节点故障期间实例的相关服务不可用。说明 单节点实例适用于...
高性能版实例
高可用 AnalyticDB PostgreSQL版 高性能版由于减少了一个副本，在高可用方面出现了一些下降，在物理机故障等极端情况下，集群恢复的时间会变长（8小时以内）。高性能版通过ESSD多副本技术，保留了完整的数据可靠性，并且阿里云团队通过更改...
应用场景
故障跟踪：支持对故障进展、故障影响面、舆情反馈、Timeline进行在线化管理、协同，提升故障处理效率。故障复盘：基于最佳实践经验，沉淀了对故障进行深度复盘的结构化要求，形成了线上检查点，以产品的方式承载流程落地。故障改进：支持对...
CLB访问日志功能简介
在使用CLB的七层负载均衡（HTTP/HTTPS监听）期间，如果您需要通过负载均衡日志进行业务开发测试、故障处理、客户端用户行为数据分析等，您可使用CLB访问日志功能分析负载均衡日志。CLB结合阿里云日志服务提供的访问日志功能，可帮助您大幅...
云盒计算资源配置最佳实践
冗余的算力配置，可以大幅提升硬件风险应对能力 云盒提供的IaaS层稳定性，依赖于云上提前预测硬件故障的算法能力，以及宕机迁移和热迁移能力。这些能力可以有效提升云盒IaaS层的故障和风险应对能力，但也需要一定的冗余资源，以便在硬件...
常见问题
无论 SOFARegistry 是否宕机，SOFARPC 框架对服务提供者调用失败的情况，做了两方面的容错处理：调用重试：您可以配置调用重试，当发生非业务错误导致的请求失败时（例如网络超时等），会尝试重试（随机调用一个服务提供者重试）。...
故障基础数据管理
在设计相应的管理方案时，需要考虑以下内容：服务组：提供服务的人员群体，服务包括故障处理，工单处理等 值班表：可以对服务组成员进行排班，让故障应急工作更有计划性、不易遗漏 升级组：服务组的一种，通过服务组和升级组，可表达组与组...
运维服务内容说明
重大故障处理，原则上只针对P1级别的故障给出《故障处理报告》，其他情况由客户和运维服务专家协商是否输出。原则上阿里云不负责非阿里云平台（如第三方软件、应用系统）的运维支持工作。因客户自身原因导致的问题故障，不属于阿里云运维...
开启热备前后性能对比
从视频中实验结果可知，在故障容灾failover场景（如主节点宕机）下，热备RO可以实现连接和事务不中断，且不出现中断报错。免费体验 阿里云提供了数据库解决方案功能体验馆。您无需购买任何资源，即可在线体验 PolarDB MySQL版 热备无感秒切...
使用云监控功能监控网站环境（部署于ECS实例）
同时，告警机制能让您在故障发生后第一时间发现问题，缩短故障处理时间，以便尽快恢复业务。前提条件 在开始设置云监控前，您需要完成以下操作：检查ECS监控插件运行情况，确保监控信息能够正常采集。如果安装失败则需要手动安装插件，具体...
强弱依赖治理概述
故障处理讲究的是争分夺秒，良好的强弱依赖，对于系统自动化诊断有非常大的助力作用。依赖容量评估：正常调用链路下的系统容量需要评估。例如当某个弱依赖挂掉时，需要注意整体的容量是否有变化。强弱依赖治理的演进 强弱依赖治理分为三...
开源对比
无法跳过有问题消息的消费处理，无法处理新生产的消息，从而会导致消息大量堆积引起内存问题，导致消息服务宕机。用户名、密码 通过阿里云访问控制（RAM）的AccessKey和AccessKey Secret生成用户名和密码，详情请参见 静态用户名密码管理。...
功能发布记录
故障处理联动能力补全。9.新增故障协同处理、故障应急场景群创建和使用。10.新增事件协同处理-相似事件模块。11.事件和故障的消息卡片支持@关联人员。12.PC端移动应用开通模块支持展示钉应用（维蜜）的开通状态。13.PC端主RAM和子RAM账号...
VMware虚拟机无代理迁移
7.0 待迁移虚拟机所在的ESXi版本：7.0 待迁移虚拟机的硬件版本：13/14/15/16/17/18/19 ESXi版本：7.0 待迁移虚拟机的硬件版本：13/14/15/16/17/18/19 角色权限要求 若使用vCenter用户，其在ESXi和VM上的角色需要分配以下权限：Datastore>...
为什么选择安全沙箱？
当节点上某一应用异常和故障，如内存泄露、频繁CoreDump等等导致节点整体负载升高，单容器触发Host Kernel Bug导致系统宕机，单应用的故障延展到了整个节点，甚至进一步导致整个集群的不响应。安全沙箱（runV）容器通过独立的GuestOS ...
故障复盘
故障复盘规范 故障复盘作为故障体系中的重要一环，整体复盘流程包括故障处理过程、改进分析、故障定责，基于包含标准化的复盘SOP、对应预防action推荐、问责管理机制，全面地回溯线上故障的发生，产出故障复盘报告和改进措施，避免故障重复...
搭建高可用架构
MySQL：RDS MySQL集群版实例采用计算与存储分离、一主多备的架构，支持自动故障切换、任意备节点可切换为主节点、备节点可读、按需增删节点、多可用区容灾、节点粒度的监控、集群节点拓扑管理等功能，同时还可启用MGR保障RPO=0，相比自建...
阿里云文件存储NAS挂载使用
VMware服务的主机不但可以提供计算、网络资源，还提供存储资源。通过VMware vSAN统一管理主机的NVME SSD，提供全闪的分布式存储。...登录vSphere Client，ESXi主机已经挂载阿里云文件存储NAS，数据存储名称格式为NFSDatastore-{文件系统ID}。
设计方案
在故障应急响应中，风险预测可以作为重要参考，帮助快速识别问题的根本原因，提高故障处理效率和精度。故障响应 在发现故障后，需要快速定位问题，通常有以下做法：组织协调：故障发生后，需要迅速组织相关人员进行应急响应。组织协调包括...
产品优势
与共享宿主机（多租户环境）相比，DDH为您...高可用 DDH提供自动宕机迁移能力，在物理机故障时自动迁移，您无需准备备机，故障迁移自动完成。同时支持在不停机的情况下将ECS实例在不同宿主机间迁移，在需要时进行负载均衡，保障业务的高可用。
配置CLB访问日志
在使用CLB的七层负载均衡（HTTP/HTTPS监听）期间，如果您需要通过负载均衡日志进行业务开发测试、故障处理、客户端用户行为数据分析等，您可使用CLB访问日志功能分析负载均衡日志。CLB结合阿里云日志服务提供的访问日志功能，可帮助您大幅...
支持计划
业务不可用分钟（包含专项应急小组会诊）一般问题小时一般咨询小时 7×24小时专属企业钉钉群快速响应，提供业务咨询、自动预警、故障处理等服务，并可由多位专家进行疑难应急会诊案例严重性的响应时间：业务不可用分钟（包含专项应急小组...
服务等级目标SLO概述
设置短时间窗口可以保障故障处理后，及时解除告警。以设置30天的SLO为例：当1小时内错误预算消耗2%（即该小时内错误率高于阈值的14.4倍）或6小时内消耗5%（阈值的6倍）时，会触发一个Page级别的告警；1天内错误预算消耗10%（阈值的3倍）或3...
服务等级目标SLO概述
设置短时间窗口可以保障故障处理后，及时解除告警。以设置30天的SLO为例：当1小时内错误预算消耗2%（即该小时内错误率高于阈值的14.4倍）或6小时内消耗5%（阈值的6倍）时，会触发一个Page级别的告警；1天内错误预算消耗10%（阈值的3倍）或3...
访问控制常见问题
配置限制访问CDN资源的用户时，如果遇到疑问请参考以下常见问题及处理建议。...远程鉴权服务器发生故障或宕机时，CDN与鉴权服务器之间的数据交互超时后，按照设置的 鉴权超时之后的动作 参数，选择是否放行鉴权超时的用户请求。
专家成长计划技术培训课程
现场面授（特殊情况可调整为线上钉钉群直播）深入运维故障处理技术 弹性计算方向 弹性计算通用技术 1天 30人 该课程的创新点在于全面深入的理解和云计算相关的基础技术，并通过相关产品演示，能够让学员全面理解云计算相关技术，如虚拟化、...
故障管理
故障管理概述 故障管理是源于ITIL的一个概念，在IT企业或者互联网企业进行故障管理的目的是当生产环境出现重大宕机时尽快恢复正常的服务运营，将组件失败对业务所造成的负面影响降到最低，从而确保满足事先与业务客户之间所约定的服务级别...
ECS系统事件概述
如果用户未提前响应计划类运维事件，故障风险发生时会导致ECS实例出现宕机或重启。是 说明 当发生计划内运维事件的实例为大数据型或本地SSD型（不包含i4p、d3c），该事件将在 本地盘实例事件 下展示。关于更多本地盘事件信息，请参见 本地...
什么是读写分离
读写分离模块将自动对主实例和只读实例进行健康检查，当发现某个实例出现宕机或者延迟超过阈值时，将不再分配读请求给该实例，读写请求在剩余的健康实例间进行分配。以此确保单个只读实例发生故障时，不会影响应用的正常访问。当实例被修复...
什么是事件
流转灵活：触发的事件支持处理人灵活的响应、转交、升级故障并完结处理故障；事件分级：事件支持根据其影响面和重要程度可以设置为P1～P4层级的优先级和高低的事件影响程度，最终实现事件分级处理，关键事件优先响应、完结；全生命周期动态...
EMR Kafka磁盘故障运维
此方案的优点在于不需要等待故障磁盘下线、维修、上线周期，故障处理周期短。适用场景 适合单个Broker只有一块数据盘的场景。如果Broker上数据较少、恢复速度较快、集群负载较低，您也可以选择此方式来进行故障节点的运维。说明 如果坏盘为...
什么是VMware服务
稳定可靠 借助阿里云强大的基础设施运维能力，提供稳定可靠的云上VMware运行环境，专属VMware环境开通即具备同可用区高可用特性，支持宕机迁移，即便发生硬件异常，也能保证VMware虚拟机和工作负载的平稳运行。地域和可用区 表2-提供VMware...
读写分离简介
读写分离模块会自动对只读实例进行健康检查，当发现某个实例发生宕机或延迟超过阈值时，系统将不再向该实例分配读请求，而是在剩余的健康实例间进行分配，以此确保单个只读实例发生故障时，不会影响应用的正常访问。当实例被修复后，RDS会...
什么是弹性云手机
优异性能 云手机采用企业级GPU硬件加速以及自研的音视频串流编解码技术，具备接近真机的端到端时延，可有效应用于云游戏以及直播互动等场景。更多选择理由，请参见 产品优势。产品架构 阿里云弹性云手机基于ARM服务器实现，并集成高性能...
高可用系列
升级为高可用系列 基础系列实例没有备节点作为热备份，因此当实例意外宕机或者执行变更配置、版本升级等任务时，会出现较长时间的不可用。如果业务对数据库的可用性要求较高，建议使用高可用系列。除了新购实例时选择高可用系列，您也可以...
ZooKeeper的使用场景和MSE ZooKeeper的优势
场景二：自研系统的分布式协调 Master的选举：抢占主节点的方式：系统需要选举出1个Master来执行任务，如下图所示，Node1为Master，它会创建临时主节点，并将自己的信息写入Master，当Node1宕机，临时主节点被释放，此时Node2和Node3会争抢...
什么是读写分离
读写分离模块将自动对主实例和只读实例进行健康检查，当发现某个实例出现宕机或者延迟超过阈值时，将不再分配读请求给该实例，读写请求在剩余的健康实例间进行分配。以此确保单个只读实例发生故障时，不会影响应用的正常访问。当实例被修复...
查看应用分组
通过应用分组集中管理资源，便于您及时接收故障资源的报警通知，并及时处理故障。操作步骤 登录 云监控控制台。在左侧导航栏，选择 云资源监控>应用分组。在 应用分组 页签，单击目标应用分组名称链接。在 组概览 页面，您可以查看目标应用...
概览
自定义监控为您提供了自定义监控项和报警规则的功能，您可以通过上报监控数据接口，将自己关心的业务指标上报至云监控，并在云监控上添加监控图表和设置报警规则，对于故障指标发送报警通知，便于您及时处理故障，保障业务的正常运行。...
- 产品推荐
- 这些文档可能帮助您