故障应急协同
故障应急协同群 故障发生后，可以基于钉钉的沟通协同能力和API，自动创建故障处理应急协同场景群。将故障相关成员直接拉进处理群，相关成员包括故障受影响业务的“应急接口人”、可疑原因业务的“应急接口人”，并且系统自动电话通知。进群...
基本概念
RPO Recovery Point Objective（数据恢复点目标），指应用发生故障时预期的数据丢失量。例如，RPO=15 分钟，表示在应用发生故障时，最近 15 分钟的数据无法在云上恢复。RTO Recovery Time Objective（恢复时间目标），指故障发生时，在云...
如何通过 mPaaS 框架解决 App 线上问题
如果真的在线上发生故障，开发者就可以通过服务器推送开关，及时将故障代码关闭。这种推拉结合的方式，即时到达率 100%。发布 H5 离线包更新如果某些故障是发生在离线包内，在定位到问题后，可以直接通过实时发布控制台发布新的版本即可。...
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...
趋势分析
通过延时、丢包率、探测次数三个指标在不同维度、不同汇聚粒度的表现来判断网络趋势，可以用来定位网络故障发生的时间点以及业务的网络质量趋势。首页点击 详情分析 按钮，进入“趋势分析”页面。筛选条件：说明 筛选条件“统计时间段”，...
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...
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...
故障演练
但这些措施在故障发生时的有效性、故障恢复工具的真实容灾能力、处理问题人员的熟练度，沟通机制、容灾措施对上层的影响等问题，平时并没有太多的机会验证，往往都是在真实故障中暴露。故障演练就是这个背景下诞生的，沉淀通用的故障场景，...
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 ...
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...
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...
如何管理故障
故障发生条件 当事件重要程度上升、整体影响面恶化、持续长时间未解决，综合评估已达到故障时（P1-P4），处理人可手动将事件升级为故障。当报警来源的指标持续恶化，触发故障产生规则，系统自动产生故障。故障过程 故障过程用于记录管理...
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。
源为PolarDB-X的功能规范和约束说明
源端执行大量DDL操作、网络、目的库性能等问题，可能会导致DTS任务存在延迟，此时如刚好遇到机房故障，且同步或迁移至目标库的最后一条数据的时间戳与故障发生时的时间戳之差大于RPO（如5分钟），那么切流需要非常谨慎，建议您暂时不要执行...
源为PolarDB-X的功能规范和约束说明
源端执行大量DDL操作、网络、目的库性能等问题，可能会导致DTS任务存在延迟，此时如刚好遇到机房故障，且同步或迁移至目标库的最后一条数据的时间戳与故障发生时的时间戳之差大于RPO（如5分钟），那么切流需要非常谨慎，建议您暂时不要执行...
故障协同处理（基于钉钉）
时间线：展示故障的时间线记录，其中有7个节点必须完善详细内容，节点已用红星标注，包含：故障发生、故障发现、故障通告、业务响应、初因定位、恢复执行和故障恢复。节点记录和PC端故障时间线保持一致。复盘 按钮：故障恢复后，需进行故障...
什么是混合云容灾服务
RTO Recovery Time Objective（恢复时间目标），指故障发生时，在云上将应用恢复运行所需要的时间。混合云灾备一体机 阿里云推出的具有容灾备份功能的一体机。混合云容灾定价 HDR支持按量付费和包年包月资源包。关于混合云容灾HDR的计量项...
发现和排查实例问题
合理使用监控相关的功能可以帮助您及时发现和排查实例问题，在故障发生前处理掉潜在风险，避免影响业务。诊断实例的健康状态 实例健康诊断功能可以全方位诊断实例的操作系统配置、网络状态、磁盘状态等。诊断报告中针对异常诊断项目的影响...
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...
产品架构介绍
多活流量必须经过接入层，以便在故障发生时，通过接入层切换入口流量。比例分流：接入层支持按比例将流量分流到机房。特殊场景下，可以将机房流量切零，从而实现故障情况下的流量切换。精准路由：接入层支持根据HTTP请求Header/Cookie/...
代码逻辑场景
受影响的请求数 否 0 限制最多发生故障的请求总数，每生效一次故障计数加1，累计发生故障请求数超出设定值后，请求则不再发生故障。填写数值小于等于0时，则表示不限制。受影响的请求占比（%）否 0 限制发生故障的请求数占所有应该发生故障...
服务等级目标SLO概述
告警规则 告警规则能够根据故障的严重程度，在故障发生时及时发出不同等级的提醒，帮助您在错误预算被过多消耗之前及时响应。ASM基于“多窗口多燃烧率告警策略”生成告警规则，适用于大多数场景。多燃烧率策略下，短时间内的高故障率或持续...
服务等级目标SLO概述
告警规则 告警规则能够根据故障的严重程度，在故障发生时及时发出不同等级的提醒，帮助您在错误预算被过多消耗之前及时响应。ASM基于“多窗口多燃烧率告警策略”生成告警规则，适用于大多数场景。多燃烧率策略下，短时间内的高故障率或持续...
灾备规划
RTO和RPO要求 应用容灾有两个核心的指标：RPO：指应用发生故障时可以容忍的数据丢失量。数据越重要，RPO就要求越小。RPO越小，往往要求数据备份、复制频率更高，对生产环境、网络的压力也会越大，成本通常也越高。RTO：指故障发生后，期望...
DeviceLinkDown
DeviceLinkDown事件提示您线下机构侧动态路由邻居发生故障或者静态接入链路发生故障。告警信息 事件名称 事件级别 状态码 状态描述 DeviceLinkDown CRITICAL linkdown Device Link State Change 可能原因 用户侧交换机设备故障。用户侧交换...
实例的节点故障处理机制
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 单节点实例适用于测试、培训、非核心业务等场景，生产环境建议使用副本集实例或分片集群实例以保障服务的高可用性。副本集 图 1.副本集架构 ...
集群系列
基于EBS（Elastic Block Storage）提供的秒级快照能力，将数据恢复耗时从几十分钟缩短到1分钟，从而实现了99%的场景下，备节点从故障发生到节点恢复不超过10分钟。应用场景 适用于有大量流量高峰读请求和数据智能分析需求的大中型企业的...
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...
JVM注入动态脚本
受影响的请求数 否 0 限制最多发生故障的请求总数，每生效一次故障计数加1，累计发生故障请求数超出设定值后，请求则不再发生故障。填写数值小于等于0时，则表示不限制。受影响的请求占比（%）否 0 限制发生故障的请求数占所有应该发生故障...
日志管理
如果发生故障，您可以下载日志或提供日志上传路径给阿里云工程师定位问题。下载日志 在浏览器中，输入 https://<块网关IP地址>访问本地块网关控制台。输入用户名和密码，单击 确认。单击 关于，进入 关于系统 页面。找到 日志信息 区域，...
日志管理
如果发生故障，您可以下载日志或提供日志上传路径给阿里云工程师定位问题。下载日志 在浏览器中，输入 https://<文件网关IP地址>访问本地文件网关控制台。输入用户名和密码，单击 确认。单击 关于，进入 关于系统 页面。找到 日志信息 区域...
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...
AIOps 解决方案专家服务内容说明
根据智能AI算法和阿里多年积累的AIOps经验，在故障发生后，提供自动化解决方案。在方案设计中我们提供包括时序预测和根因分析、历史数据预测的3大类算法场景的设计，更多具体算法详见《10.1算法列表》《智能故障发现设计方案》3 定制化业务...
网络架构容灾
当地址池中地址发生故障时，HealthCheck模块会准确的检测到异常情况并与DNS交互（如下图中序号3所示），摘除故障地址（如下图中序号4所示），这样用户端会自动解析到可用的地址池（如下图中序号5所示）。并当故障地址恢复时，自动恢复至...
功能概述
数据库发生故障后，无法在发生故障时定位到原因，可以通过智能压测功能，在克隆库上复现故障场景，定位故障原因。功能架构 智能压测的功能架构如下图所示：源数据库：将要进行大促、将要业务变更或者已经发生故障，需要进行流量捕获的数据...
RDS与自建数据库对比优势
备节点的故障发现时长为秒级，在99%的场景下，备节点从故障发生到节点恢复不超过10分钟。在好的架构下才能实现高可靠性。实现RPO=0的成本极高，需要单独购买研发服务。数据可靠性一般，取决于单块磁盘的损害概率。实现RPO=0的成本极高，...
集群高可用架构推荐配置
多可用区的地域：所有托管组件均严格采用多副本、多AZ均衡打散部署策略，确保在单个可用区或节点发生故障时，集群仍然能够正常提供服务。单可用区地域：所有托管组件均严格采用多副本、多节点打散部署策略，确保在单个节点发生故障时，集群...
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。...
光模块故障
本文介绍光模块发生故障的原因和处理方法。问题现象 光模块连接后，接口指示灯没有变为绿色。可能原因 光模块不兼容或损坏。智能接入网关设备支持的光模块型号请参见 光模块型号。说明 目前仅SAG-1000设备支持光模块插入。解决方案 通用多...
- 产品推荐
- 这些文档可能帮助您