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...
MNS相对于自主研发、商用或开源的消息队列系统有什么...
本文介绍与自行构建系统来管理消息队列或使用商用、开源...缺省提供消息冗余存储，以便在硬件发生故障时不会丢失消息，相应的系统投入、开发、配置和部署将更为简单。无需为消息服务后期投入部署和维护的资源，只需简单配置即可用于生产环境。
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 ...
功能概览
当主系统发生故障时，业务系统切换到容灾系统，有效避免了地域性灾害导致的系统故障，保障业务的可用性，满足业务的RTO、RPO核心指标。云盘异步复制是一种基于块存储数据复制能力实现跨地域或者跨可用区数据保护的功能。更多信息，请参见 ...
功能概览
当主系统发生故障时，业务系统切换到容灾系统，有效避免了地域性灾害导致的系统故障，保障业务的可用性，满足业务的RTO/RPO核心指标。云盘异步复制是一种基于块存储数据复制能力实现跨地域或者跨可用区数据保护的功能。更多信息，请参见 云...
故障复盘
复盘文档一般包含以下内容：故障简述：故障概述、影响面、处理人等 故障背景：故障发生时的业务链路 故障时间线：着重强调故障引入、故障发生、故障发现、业务响应、恢复执行、故障恢复几个时间点 故障原因分析：建议先一句话总结，再进行...
同城多活架构实践
在杭州单元格B的商品应用发生故障的情况下，可使用MSHA切流功能将流量全部切换到另外的单元格，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...
常见问题-FAQ
答：经过测试团队对GTM多次测试验证，当应用服务发生故障时，GTM最快可在1分钟左右准确发现故障并切换。全网故障恢复时间=故障发现时间+全网生效时间。说明 受限于拨测平台探点发生变化和全国各地运营商TTL缓存原因，如使用不同的拨测平台...
故障管理
通过建立一个规范可遵循、全流程闭环的故障管理体系，配合技术手段的提升，可以有效降低故障发生的几率，缩短故障的MTTR，最终使故障造成的破坏性趋近于0。在日常运营中，无论什么原因导致业务服务中断、服务品质下降或用户服务体验下降的...
步骤七：故障切换
该模式适用于生产站点确实发生短时无法恢复的故障，需立即切换至容灾站点的场景。故障恢复类型 数据同步后切换 该故障恢复会停止保护组中被保护的实例，并且一直等到所有被保护的实例停止，再进行最后一轮数据同步，并等待数据同步完成后再...
步骤七：故障切换
该模式适用于生产站点确实发生短时无法恢复的故障，需立即切换至容灾站点的场景。故障恢复类型 数据同步后切换 该故障恢复会停止保护组中被保护的实例，并且一直等到所有被保护的实例停止，再进行最后一轮数据同步，并等待数据同步完成后再...
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...
降低实例配置
服务不会中断，可能会导致消费的分区消息发生乱序，请谨慎评估业务影响，建议您在业务低峰期降低实例配置。限速风险：目标降低流量规格评估不当，可能会出现如下风险：目标流量规格低于已使用流量的1.3倍，高峰可能被限速。目标流量规格...
步骤七：故障切换
该模式适用于生产站点确实发生短时无法恢复的故障，需立即切换至容灾站点的场景。故障恢复类型 数据同步后切换 该故障恢复会停止保护组中被保护的实例，并且一直等到所有被保护的实例停止，再进行最后一轮数据同步，并等待数据同步完成后再...
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...
升级实例配置
服务不会中断，可能会导致消费的分区消息发生乱序，请谨慎评估业务影响，建议您在业务低峰期升级实例配置。Serverless实例升降配期间会额外增加暂停弹性伸缩风险，请确保在业务用量平稳期间操作。升级 云消息队列 Kafka 版 实例的流量规格...
发布者最佳实践
默认情况下，云消息队列 Kafka 版 为了提升可用性，并不保证单个分区内绝对有序，在升级或者宕机时，会发生少量消息乱序（某个分区挂掉后把消息Failover到其它分区）。如果业务要求分区保证严格有序，请在创建Topic时选择使用Local存储。
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，...
现代IM系统中的消息系统—模型
Message Index：消息数据索引，可对消息实体内任意列做索引，支持多字段条件组合查询和检索。IM消息系统建模 以一个简易版IM系统为例，来看如何基于Tablestore Timeline模型建模。按照上图中的例子，存在A、B、C三个用户，A与B发生单聊，A...
消息队列Kafka版删除Group后仍然收到消息堆积的告警...
问题原因 发生消息堆积告警信息的原因如下：2.2.0以前的Kafka服务端版本，开源Kafka未提供删除Group和消费位点的OpenAPI，因此删除Group，只是从控制台逻辑删除，并不会实际删除服务端消费位点等信息。堆积告警是根据消息位点判断处理的，...
删除Group后仍然收到消息堆积的告警信息
可能原因 发生消息堆积告警信息的原因如下：2.0.0以前的Kafka服务端版本，开源Kafka未提供删除 Group 和消费位点的OpenAPI，因此删除 Group，只是从控制台逻辑删除，并不会实际删除服务端消费位点等信息。堆积告警是根据消息位点判断处理的...
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...
生产者（Producer）
预绑定主题列表 定义：云消息队列 RocketMQ 版 的生产者需要将消息发送到的目标主题列表，主要作用如下：事务消息（必须设置）：事务消息场景下，生产者在故障、重启恢复时，需要检查事务消息的主题中是否有未提交的事务消息。避免生产者...
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。
附录：消息格式
事件类型 事件描述 对应的消息实体格式（data）应用范围 dataworks:InstanceStatusChanges:InstanceStatusChanges 调度任务状态变更 消息实体格式：调度任务状态变更事件 空间级 dataworks:InstanceChange:UnfreezeInstance 解冻实例 消息...
QueueMessage
消息临时句柄只能使用一次，如果该句柄标识的消息状态发生改变，该句柄就会失效。MessageBody 消息正文。（batch）receive message和peek message操作返回该属性。MessageBodyMD5 消息正文的MD5值。（batch）send message、receive message...
故障处理流程
当智能接入网关设备发生网络故障后，您可以先观察现象、收集信息，然后对现象和信息进行分析诊断，尝试修复问题。本文为您介绍智能接入网关设备故障处理流程。SAG-100WM故障处理流程说明 通过SAG-100WM访问阿里云，发现故障，请参见以下...
全球消息路由
全球消息路由功能可用于跨地域间的消息同步，通过路由规则将消息从源实例的Topic中同步到目标实例的Topic，并支持过滤规则，按照指定的Tag将消息过滤后再进行同步。在容灾备份或异地多活场景下，您可以创建全球消息路由任务，确保跨地域间...
【已恢复】WhatsApp 消息发送异常公告
2024 年 4 月 4 日【更新】针对影响消息发送的故障的修复程序已部署完毕，截至新加坡标准时间 2024 年 4 月 4 日上午 4:45此问题已得到缓解。感谢您的耐心等待。WhatsApp Message Delivery Disruption Notice Due to an unexpected ...
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...
设计原则
面向风险的应急快恢原则 在一些场景下，即使设计了各种技术手段去提高系统的冗余、保持业务的高可用，但还是避免不了生产系统故障的发生，所以需要面对故障建立一个高效的故障应急流程机制和稳定的技术平台，实现故障风险实时发现、应急...
消费重试
消费者出现异常，云消息队列 RocketMQ 版 会根据消费重试策略重新投递该消息进行故障恢复。本文介绍消费重试的应用场景、原理机制、版本兼容性和使用建议。应用场景 云消息队列 RocketMQ 版 的消费重试主要解决的是业务处理逻辑失败导致的...
消息处理时长自适应
一个Worker接收到了消息M1，但是Worker在处理完消息之后，进程发生了Crash或者机器发生了重启。那么M1这条消息至少在6个小时之后才会被另一个Worker接收到并处理。而自己写代码处理Failover的情况的话，程序又会变得比较复杂。目标 在一些...
什么是故障
本文主要介绍什么是故障。定义 在日常运营中，无论什么原因导致业务服务中断、服务品质...故障改进：支持对故障制定明确的改进及验收措施、责任人及完成时间，确保每个深度复盘后的故障都能对业务连续性形成改进，避免历史同类故障重复发生。
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...
设计方案
从提前发现系统风险、提升测试质量、完善风险预案、加强监控告警、提升故障应急效率等方面做到故障发生前有效预防，故障发生时及时应对，故障恢复后回归验证。基于故障本身打造分布式系统韧性，持续提升软件质量，增强团队对软件生产运行的...
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...
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...
消息存储和清理机制
本文为您介绍 云消息队列 RocketMQ 版 中消息的存储机制，包括消息的存储粒度、判断依据及后续处理策略等。背景信息 参考 云消息队列 RocketMQ 版 中 队列 的定义，消息按照达到服务器的先后顺序被存储到队列中，理论上每个队列都支持无限...
- 产品推荐
- 这些文档可能帮助您