功能概览
跨地域容灾 容灾系统部署在阿里云的两个地域中，当生产站点发生故障（例如海啸、地震）时，业务系统切换到容灾站点。生产站点和容灾站点部署在不同的地域，提供容灾即服务，RPO低至1分钟、RTO低至15分钟的高可靠的业务持续性保障，有效避免...
步骤五：应用容灾
确保操作人员熟悉容灾恢复流程，当主站真正发生故障时，操作人员可以顺畅地进行容灾切换。按如下步骤进行容灾演练：在 受保护服务器 页签，单击要启动容灾演练服务器右侧对应的 操作 列表下的 容灾演练。在 容灾演练 页面，选择 恢复网络、...
服务发布策略
当新版本v2存在问题或者发生故障时，可以快速切回旧版本v1。蓝绿部署的优点：部署结构简单，运维方便。服务升级过程操作简单，周期短。蓝绿部署的缺点：资源冗余，需要部署两套生产环境。新版本故障影响范围大。A/B测试 A/B测试基于用户...
应用故障自动诊断
如果发现问题，则会在应用总览页面上方闪现一个红色盾牌图标，单击该图标即可弹出故障诊断报告，故障报告上的故障定界和根因分析可以帮助您更好地发现和解决问题。常见的故障自动诊断场景 RT突增 下游业务导致的本应用的RT突增，您可以联系...
GTM如何实现同城容灾
创建1个全局访问策略，解析请求流量 选择 全局，主地址池集合 选择「业务中心01」地址池和「业务中心02」地址池，负载均衡策略 选择 返回全部地址，此设置可实现两个数据中心同时提供服务和发生故障时系统自动摘除故障地址的效果。...
功能特性
此外，在数据库实例发生故障且无法定位原因时，可以利用克隆库复现故障场景，以便更好地定位故障原因。智能压测 搜索分析 查询并导出SQL语句对应的日志信息。搜索 SQL洞察 SQL洞察聚类分析，用作深度异常的排查。SQL洞察 安全审计 内置了...
读多写少型业务场景多活实践
在杭州单元发生故障的情况下，可以使用MSHA切流功能将受影响的用户流量切换到另外的单元，进行快速业务恢复（这里区别于传统的思路，不是去排查、处理和修复故障，而是立即使用切流进行恢复，将业务恢复和故障恢复解耦）。容灾切换预期：将...
使用API终止和恢复VBR来确认冗余物理专线
当一条物理专线发生故障后，健康检查辅助系统自动切换业务流量到另外一条正常的物理专线上，从而保障您的业务高可用。自动切换的时间周期受您的VPC路由条目数量的影响。通常情况下，您的业务可以在12秒内完成自动切换。下表列出本地IDC通过...
跨地域容灾
容灾系统部署在阿里云的两个地域中，当生产站点发生故障（例如海啸、地震）时，业务系统切换到容灾站点。生产站点和容灾站点部署在不同的地域，提供容灾即服务，RPO低至1分钟、RTO低至15分钟的高可靠的业务持续性保障，有效避免了地域性...
跨可用区容灾
确保操作人员熟悉容灾恢复流程，确保在主站真正发生故障时，操作人员可以顺畅地进行容灾切换。按如下步骤进行容灾演练：在 受保护服务器 页签，单击要启动容灾演练服务器右侧对应的 操作 列表下的 容灾演练。在 容灾演练 面板，选择 恢复...
主备切换
实例底层主机故障 阿里云检测到实例底层主机发生故障，例如进程异常中断、实例负载过高导致内存异常等无法正常使用时，系统会立即触发主备切换，及时恢复实例，降低故障影响时长。此类触发方式会以 短信或 站内信、邮件等形式通知到您，...
主备切换
实例底层主机故障 阿里云检测到实例底层主机发生故障，例如进程异常中断、实例负载过高导致内存异常等无法正常使用时，系统会立即触发主备切换，及时恢复实例，降低故障影响时长。此类触发方式会以 短信或 站内信、邮件等形式通知到您，...
多可用区部署
当主实例1发生故障或者可用区A不可用时，用户将访问的连接切换至备实例2或者可用区B，从而实现高可用，主备容灾的高可用架构图如下所示。主备容灾的方案虽然能够满足大部分用户的高可用需求，但是这种主备容灾方案并不适用所有的业务，存在...
本地盘最佳实践
如果本地盘发生故障、物理服务器发生宕机，或者人为误操作，本地盘会丢失数据。请勿在本地盘上存储需要长期保存的业务数据。但云盘采用分布式三副本机制，能防止意外硬件故障导致的数据不可用。如果应用没有多节点数据冗余架构，强烈建议您...
轻量应用负载均衡概述
当其中一部分轻量应用服务器发生故障后，负载均衡会自动屏蔽故障的轻量应用服务器，将请求分发给正常运行的轻量应用服务器，保证应用程序仍能正常工作。弹性管理应用程序的服务能力。您可以根据业务发展的需要，自行添加或移除轻量应用负载...
EasyCkpt：AI大模型高性能状态保存恢复
因此，在发生故障时，迫切需要一种以低成本的方法来保存最新的Checkpoint。这样在重新启动训练时就无需重复计算，从而减少时间和成本的浪费。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...
跨资源组转移资源
但是，如果您有基于资源组范围的授权策略，则资源所属资源组发生变更，可能会导致RAM身份对资源访问权限的变更。例如：您给项目A的成员授予资源组A范围的操作权限，此时成员可以访问资源组A内的资源。当资源从资源组A调整到资源组B时，由于...
自动或手动主备切换
当主实例发生故障或不可用时（例如操作系统错误、硬件故障等），系统会自动触发主备切换，主实例和备实例将进行互换，切换后实例地址保持不变，应用程序会自动连接到新的主实例（原备实例），从而保障业务的连续性和高可用性。此外，您还...
围绕混沌工程的平台实践
因此混沌工程是一门学科，它提供了基本的理论指导，而故障演练是混沌工程的具体实践，通过向目标系统注入真实可能发生的故障来考量系统的稳定性。混沌工程和AHAS Chaos AHAS Chaos是以混沌工程为理论指导的故障演练平台，目标是成为混沌...
跨可用区容灾
确保操作人员熟悉容灾恢复流程，确保在主站真正发生故障时，操作人员可以顺畅地进行容灾切换。容灾演练操作步骤如下：在左侧导航栏，选择 连续复制型容灾>云上容灾。在页面右上角，选择容灾站点对。单击容灾中心的 受保护服务器 页签。单击...
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...
故障演练
故障演练就是这个背景下诞生的，沉淀通用的故障场景，以可控成本在线上故障重放，以持续性的演练和回归方式的运营来暴露问题，不断验证和推动系统、工具、流程、人员能力的提升，从而提前发现并修复可避免的重大问题，或通过验证故障发现...
应用场景
以此，降低产品使用过程中故障发生概率，提高故障恢复效率，进而实现产品高可用性的有效提升。机房级容灾 同城双活 同一个城市，建设两个机房环境，两地距离 50 km 以内，万兆光纤专线互连，业务应用层面可以两个机房同时提供业务服务，当...
API概览
FailoverDiskReplicaGroup 启用异步复制组故障切换 启用一致性复制组中复制对的故障切换功能。当一致性复制组中某些复制对的主盘出现故障时，可以调用该接口恢复从盘的读写权限。ReprotectDiskReplicaGroup 启用异步复制组反向复制 启用...
诊断决策树
对于已知的明确故障，可以根据诊断现象，编排诊断决策树，进而故障发生时执行，完成故障定位。对于未知的故障，您可以依据运维经验，编排出常见的排查路径，辅助快速故障定位。新建诊断决策树 登录高可用管理控制台。在左侧导航栏上，单击 ...
诊断规则
而后，在实际故障发生时，即可执行自动化、标准化的故障排查，并直接输出诊断报告，反馈诊断结果。故障诊断功能有效提升了故障排查效率，实现故障的快速定位与处理。本节将向您介绍诊断规则的相关操作。诊断规则是诊断节点的构成，诊断规则...
手动调整实例状态
当伸缩组发生收缩的伸缩活动时，弹性伸缩可以从伸缩组移出该ECS实例或ECI实例。说明 如果伸缩组负责移出备用状态的ECS实例或ECI实例的全部生命周期，弹性伸缩会释放该ECS实例或ECI实例。反之，ECS实例或ECI实例仍可以正常运行。关于ECS实例...
为伸缩组添加和移除负载均衡实例
伸缩组支持关联负载均衡实例，通过负载均衡实例将访问流量分发到伸缩组内的多个实例中，可以有效增强伸缩组的服务能力。您可以通过在弹性伸缩控制台操作或者调用API参数（例如AttachLoadBalancers和DetachLoadBalancers）来实现为伸缩组...
什么是消息演练
单个或多个模块都可能会有不同类型的故障发生，导致模块不能正常运行，例如Producer无法发送消息，这种场景叫做消息的演练场景。需要注意的是演练场景仅是组件表象，其内部故障原因可能是多种多样的，需要进一步进行分析。
配置伸缩组
默认冷却时间（秒）单位为秒，伸缩组发生伸缩活动后的默认冷却时间。在冷却时间内，伸缩组会拒绝由报警任务触发的伸缩活动请求，其他类型任务触发的伸缩活动可以绕过冷却时间立即执行，例如手动执行任务、定时任务。网络类型 仅专有网络...
混合云应用双活容灾最佳实践
说明 演练前，基于MSHA流量监控或其他监控产品，确定业务稳态的监控指标（如日常情况RT≤200ms，错误率），以便在故障发生时判断故障影响面以及在故障恢复后判断业务的实际恢复情况。步骤二：应用故障注入 这里使用阿里云故障演练产品，对...
变更管理简介
有计划、受管控的变更操作降低故障发生率、业务连续性异常。规范变更准备及变更方案，提高变更成功率与可靠性。变更有记录，所有变更可回溯。核心功能 针对变更操作的审批管控以及所有变更记录 基础配置：支持自定义配置变更系统、变更类型...
修改DNS服务器
重要 阿里云注册域名不支持同时配置多家厂商DNS服务器，因为NS记录缓存时间一般为48小时，部分场景下的故障发生时，NS缓存短时间无法消除，依然会有解析请求到故障DNS。同时不同厂商之间的解析数据不一致问题也容易引发故障。阿里云注册...
CreateScalingGroup-创建一个伸缩组
当伸缩组发生弹性收缩活动（SCALE_IN）并触发多个生命周期挂钩时，DefaultResult 取值为 ABANDON 的生命周期挂钩触发的等待状态结束时，会提前结束其它对应的等待状态。其他情况下，下一步动作均以最后一个结束等待状态的下一步动作为准。...
查看规则详情
PHONE]通知渠道 notifyChannelNames Array of String[短信,电话]通知渠道名称 assignObjectName String 刘德华 通知对象名称 relServiceDeleteType Integer 1 服务删除字段 problemLevelGroup Map 故障等级组 Object 服务组 ...
应用场景
平时，您还可以方便地进行容灾演练，确保真实故障发生时恢复流程顺畅，保证容灾计划的准确性。混合云容灾服务让您无需承担自建灾备中心的巨大投入，也无需担心传统容灾方案复杂的软硬件部署运维，极大减少了异地容灾的成本，提高容灾的有效...
通过一致性复制组实现容灾恢复
当您创建并启动一致性复制组后，如果生产站点中的云盘发生严重故障，您可以通过一致性复制组批量对生产站点的云盘数据进行容灾恢复。本文主要介绍如何通过一致性复制组进行容灾恢复。背景信息 一致性复制组支持故障切换和反向复制功能，当...
一致性复制组概述
容灾站点 除了生产站点以外另外建立容灾站点，当生产站点发生故障时，容灾站点可以接管业务，实现业务不间断。恢复点目标（RPO）由于云盘异常可能丢失的数据量，以时间为单位，是异步复制功能的数据指标之一（一致性复制组功能的RPO默认为...
EMR Kafka磁盘故障运维
当磁盘发生故障时，应及时完成相关故障的处理，及时恢复集群的容错能力。磁盘运维概述 本文从磁盘监控和磁盘故障恢复角度来介绍磁盘运维策略。磁盘监控 以下内容从Kafka服务层面以及ECS系统层面来简单了解一下磁盘的监控策略。Kafka服务...
基于Kubernetes容器集群的容灾架构与方案
在进行系统架构设计时，您必须考虑到信息系统和基础设施可能遇到的各种潜在威胁，例如：硬件故障、软件系统崩溃、人为操作失误、安全攻击、自然灾害等。为了确保系统能够在各种异常故障场景下快速恢复并保持业务连续性，您必须为系统设计...
- 产品推荐
- 这些文档可能帮助您