EasyCkpt：AI大模型高性能状态保存恢复
功能介绍 针对频繁故障的情况，PAI通过之前的故障失败场景总结出以下GPU和深度学习场景故障的功能特点：特点1：任务的故障是部分的。通常，故障的根因是一到两台机器的故障，这只会影响部分Worker。对于大规模分布式训练任务而言，不会所有...
业务流量隔离功能实践
案例实践二：安全生产环境 业务需求 从历史故障分析，大部分故障是因为没有经过灰度直接全量发布到生产环境所造成的。因此当前的需求是建设安全生产环境，通过安全生产环境的小流量灰度验证和观测，提前暴露问题和风险。具体需求内容包括：...
主从实例读写分离部署（共享存储）
Hologres 从V1.1版本开始，针对线上生产环境高可用的场景，提供了共享存储的主从多实例部署方式，在该模式下支持故障隔离，负载隔离，有效支撑了高可用场景。本文介绍高可用方案的一些基本原理以及如何配置共享存储的主从多实例。单实例...
IO加速
技术原理 Cache Disk表示高速缓存介质，是一种读写性能介于内存和通用云盘之间的存储介质，其读写性能要优于通用云盘，因此非常适合作为数据库中临时数据的缓存盘。RDS PostgreSQL数据库服务端收到用户的SQL查询后，由查询执行器对查询进行...
EDAS直播公告
企业级分布式应用服务EDAS 3.0重磅发布 安利的企业微服务架构转型之路 云途时代数字化转型实践 EDAS 3.0核心功能演示 2020-05-15 微服务治理实践之金丝雀发布 应用的有些故障是因为发布直接或间接引起的，因此提升发布的质量，减少错误的...
如何设置分辨率
通常显示比例dar=介质比例sar，但也允许存在dar与sar不一致的情况。效果示例：设置方法：使用控制台：创建转码模板 时，设置比例适配方法。使用API：提交转码作业 或 创建转码模板 时，设置 AdjDarMethod 参数。详细说明请参见 TransConfig...
汇联易实战：RDS通用云盘助力突破性能瓶颈
本案例将介绍上海甄汇信息科技有限公司在面临多个业务挑战时，通过选择阿里云瑶池数据库RDS MySQL，并升级存储介质为通用云盘，同时启用IO突发功能，成功应对并解决了业务高峰期数据库查询速度慢的性能瓶颈问题，使SaaS服务能够在关键时刻...
日志说明
SOFATracer 支持 Spring MVC、标准 JDBC 接口实现的数据库连接池（DBCP、Druid、c3p0、tomcat、HikariCP、BoneCP）、HttpClient、Dubbo、Spring Cloud OpenFeign 等开源组件。组件埋点接入后，即可查看相关 Tracer 日志。...
演练场景说明
网络故障是系统运行过程中时常遇到的问题，所以需要提升系统在网络异常情况下的容错能力。Java 场景名称 特性 虚拟机场景 故障演练支持的虚拟机场景。代码逻辑场景 故障演练支持的代码逻辑场景。JVM注入动态脚本 向指定的Java方法注入一段...
开源ChaosBlade与商业化AHAS CHAOS故障演练对比
ChaosBlade是一款简单易用且功能强大的混沌实验实施工具，AHAS CHAOS故障演练是ChaosBlade的商业化产品。本文介绍AHAS CHAOS故障演练与开源ChaosBlade的能力对比。产品简介 开源ChaosBlade与商业化AHAS CHAOS故障演练的特点如下：开源...
功能优势
本文向您介绍故障演练产品的功能优势，故障演练以下简称 AHAS Chaos。灵活的流程编排 AHAS Chaos 将故障演练的环节分为了准备、注入、检查以及恢复四个阶段，每个阶段除了系统初始化完成的必要节点之外，您也可以根据需要添加所需的流程...
演练概述
基于阿里巴巴多年业务的真实线上故障库的积累，AHAS故障演练模块为您预定义了丰富的测试任务，检验应用的高可用能力。故障演练支持对部署在阿里云ECS实例、容器服务Kubernetes集群、K8s架构类应用、Java类应用进行故障演练。完整的故障演练...
安装故障演练探针
对指定机器进行演练时，需要在机器上面安装故障演练探针，探针的作用是下发故障演练执行命令。背景信息 一次完整的故障演练包括以下四个阶段：安装探针>创建演练>执行演练>停止演练 操作步骤 登录 AHAS控制台。在左侧导航栏选择 探针管理，...
强弱依赖治理概述
强弱依赖治理就是通过科学的手段持续稳定地得到应用间依赖关系、流量、强弱等数据，提前发现因为依赖问题可能导致的故障，避免依赖故障影响用户体验，积累数据持续推进系统稳定性提升。什么是强弱依赖？异常发生时，不影响核心业务流程，不...
配置冷存储
云原生多模数据库 Lindorm 搜索引擎支持配置表级别的冷存储功能，可以将表数据存储至冷存储介质中，从而降低存储成本。本文介绍搜索引擎配置冷存储的具体操作。前提条件 已下载并安装Search Shell，具体操作请参见 通过Search Shell连接并...
设计原则
数据容灾是指在数据中心或服务器发生故障、灾难或意外情况时，能够保证数据的安全性和可用性的一系列措施和策略。数据容灾的目标是确保在不可避免的情况下，数据的完整性、可恢复性和可用性不受到严重影响，以保障业务的持续运行和数据的...
实时分析链路数据
如果您的应用遇到流量不均、单机故障、慢接口治理、业务流量统计、灰度发布监控等问题，可以通过应用监控的调用链分析快速定位问题代码。本文介绍如何通过调用链分析快速定位五种经典线上问题，更直观地了解调用链分析的用法与价值。背景...
故障演练
所以可以对故障模型再做一次升级，并得到一些推论：故障是来自于硬件（如IaaS层），软件（如PaaS或SaaS）的故障。并且有个规律，硬件故障的现象，会在软件故障现象上有所体现。故障隶属于单机或是分布式系统之一，分布式故障包含单机故障。...
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...
如何排查Java场景下故障注入不生效的问题
在对Java进程注入故障时，可能会出现故障注入失败的情况。为解决此类问题，在创建或编辑演练时，您可以在故障执行阶段选择开启Debug模式，并通过相关的日志信息来了解故障注入失败的原因。开启Debug模式 在查看目标演练的故障注入日志前，...
如何管理故障
更新故障通知：在故障处理的过程中，当故障进展发生变化，包括进度更新、影响恶化、故障等级变化、原因明确、根因定位等场景下，可更新故障过程中的内容，并在 故障详情 页点击更新故障通知，选择需要的故障通告类型，并最终确认发出故障...
功能特性
产品主要功能包括风险管理、日常巡检、故障诊断、应急预案、故障演练等。风险管理 风险管理 是高可用管理平台核心，是风险事件汇集、处置的中枢平台，具体如下。风险事件 风险事件汇集：负责将监控、巡检、诊断产生的风险或告警信息进行...
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...
围绕混沌工程的平台实践
本文主要介绍AHAS Chaos是如何围绕混沌工程来打造故障演练服务，您可以了解到混沌工程的基本知识和AHAS Chaos的优势。混沌工程和故障演练 首先您需要了解混沌工程和故障演练的关系。以下是混沌工程官方定义：混沌工程是在分布式系统上进行...
故障协同处理（基于钉钉）
2.故障应急场景群：事件升级故障后，群内推出 故障处理中 消息卡片，如果满足自动生成故障场景群的需求（下文详细介绍创建故障场景群逻辑），故障场景群内同时推出 故障处理中 消息卡片。本群故障消息卡片包含按钮：签到、签到记录、应急...
替换主机
当主机发生故障后，如果您创建 专属集群MyBase 时 主机故障处理策略 选择的是 手动替换主机，则您可以通过手动替换主机来解除故障。前提条件 专属集群MyBase 引擎的为MySQL，且主机存储类型为本地SSD盘。背景信息 当主机发生故障时，系统会...
替换主机
当主机发生故障后，如果您创建 专属集群MyBase 时 主机故障处理策略 选择的是 手动替换主机，则您可以通过手动替换主机来解除故障。前提条件 专属集群MyBase 引擎的为MySQL，且主机存储类型为本地SSD盘。背景信息 当主机发生故障时，系统会...
StopFailoverTestJob-结束高速通道故障演练任务
调用StopFailoverTestJob接口结束高速通道故障演练任务。接口说明 只支持结束处于 演练中状态的故障演练任务。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码...
StopFailoverTestJob-结束高速通道故障演练任务
调用StopFailoverTestJob接口结束高速通道故障演练任务。接口说明 只支持结束处于 演练中状态的故障演练任务。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码...
DeleteFailoverTestJob-删除高速通道故障演练任务
调用DeleteFailoverTestJob接口删除高速通道故障演练任务。接口说明 只支持删除处于 待演练和 已完成状态的故障演练任务。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动...
DeleteFailoverTestJob-删除高速通道故障演练任务
调用DeleteFailoverTestJob接口删除高速通道故障演练任务。接口说明 只支持删除处于 待演练和 已完成状态的故障演练任务。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动...
故障演练常见问题
欢迎您反馈在使用故障演练过程中遇到的问题，目前提供以下常见问题供您参考。单个演练活动成功状态怎么判断？因为一个活动可能会有很多目标机器，当所有机器执行完毕之后，如果有机器没有执行成功，那么这个演练活动就会被系统判断为失败。...
UpdateFailoverTestJob-更新高速通道故障演练任务
调用UpdateFailoverTestJob接口更新高速通道故障演练任务。接口说明 只支持更新处于 待演练状态的故障演练任务。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码...
UpdateFailoverTestJob-更新高速通道故障演练任务
调用UpdateFailoverTestJob接口更新高速通道故障演练任务。接口说明 只支持更新处于 待演练状态的故障演练任务。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码...
基本概念
低频介质 低频介质是通用型NAS的一个低成本数据存储池，适合存储每个月访问不到3次的数据。通用型NAS（包括：容量型和性能型）可以通过生命周期功能将不常访问的数据迁移至低频介质中，迁移后的数据会保持与迁移前一致的命名空间，可以随时...
CreateFailoverTestJob-创建高速通道故障演练任务
调用CreateFailoverTestJob接口创建高速通道故障演练任务。接口说明 以下场景不支持创建故障演练任务：当前地域您已经有正在演练的故障演练任务，且本次创建故障演练任务的任务类型为立即开始。物理专线实例或者共享物理专线实例没有支付...
CreateFailoverTestJob-创建高速通道故障演练任务
调用CreateFailoverTestJob接口创建高速通道故障演练任务。接口说明 以下场景不支持创建故障演练任务：当前地域您已经有正在演练的故障演练任务，且本次创建故障演练任务的任务类型为立即开始。物理专线实例或者共享物理专线实例没有支付...
DescribeFailoverTestJob-查询高速通道故障演练任务...
调用DescribeFailoverTestJob接口查询高速通道故障演练任务详情。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码示例。调试 授权信息 当前API暂无授权信息透出。...
DescribeFailoverTestJob-查询高速通道故障演练任务...
调用DescribeFailoverTestJob接口查询高速通道故障演练任务详情。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码示例。调试 授权信息 当前API暂无授权信息透出。...
StartFailoverTestJob-开始高速通道故障演练任务
调用StartFailoverTestJob接口开始高速通道故障演练任务。接口说明 只支持开始处于 待演练状态的故障演练任务。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码...
- 产品推荐
- 这些文档可能帮助您