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...
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。...
集群系列
且单个只读实例没有灾备，因此为了保障业务的可用性和连续性，建议至少创建两个只读实例，以确保某一个只读实例发生故障时，另一个只读实例可以继续提供服务。购买集群系列实例时，建议您选择多可用区部署，以实现跨可用区的容灾能力。架构...
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...
故障演练
确保操作人员熟悉容灾恢复流程，确保在生成站点真正发生故障时，操作人员可以顺畅地进行容灾切换。前提条件 保护组处于 增量复制中 或者已有恢复点之后，您就可以进行故障演练。如何创建跨可用区和跨地域容灾的保护组，请参见 跨可用区容灾...
故障演练
确保操作人员熟悉容灾恢复流程，确保在生成站点真正发生故障时，操作人员可以顺畅地进行容灾切换。前提条件 保护组处于 增量复制中 或者已有恢复点之后，您就可以进行故障演练。如何创建跨可用区和跨地域容灾的保护组，请参见 跨可用区容灾...
主从实例读写分离部署（共享存储）
该方案为当前每个实例内部默认启用，当系统发生故障时，无需手工运维介入，系统可以自动恢复。在恢复期间，如果查询算子需要访问恢复中的节点，则查询会立即失败。Hologres从V1.1版本开始，采用全新恢复机制，节点恢复速度在一分钟左右，比...
查看事件与监控信息
故障列表 故障列表显示当前应用分组正在报警的全部资源，如果正在报警的规则被禁用，则故障列表中不再显示被禁用规则的故障信息。可用性监控 查看服务实例可用性的监控信息。组进程监控 查看组进行监控的进程ID、动态规则匹配和状态等信息...
源为PolarDB-X的功能规范和约束说明
警告 异常切流是指源实例或者源实例所在的数据中心发生故障时进行的切流操作。这类操作都是有损操作。在出现故障（如网络中断、机房批量设备故障或互联网数据中心IDC故障），且DTS任务存在延迟的情况下，此时如更新至目标库的最后一条数据...
源为PolarDB-X的功能规范和约束说明
警告 异常切流是指源实例或者源实例所在的数据中心发生故障时进行的切流操作。这类操作都是有损操作，例如导致数据不一致或任务失败。在出现故障（如网络中断、机房批量设备故障或互联网数据中心IDC故障），且DTS任务存在延迟的情况下，...
功能特性
创建实例 自动切换 在实例主节点发生故障时将自动切换，实现实例的故障自愈，切换通常需要30秒左右完成。主备切换 全量备份与全量恢复 对当前实例通过内存快照方式对全量数据进行备份并保存在云存储中，可通过全量恢复将数据恢复至备份时。...
容灾管理服务介绍
针对有高可用需求的用户，CADT容灾管理服务提供规划、优化、部署、演练高可用业务的能力，在业务上线前及业务上线后定期进行容灾演练，验证系统是否能够抵御资源故障或者AZ故障，保障系统健壮性。主要功能 容灾规划 在用户部署资源前，通过...
备份和恢复数据
恢复数据 发生系统故障或者操作错误，导致数据丢失时，您可以使用快照来恢复数据，将磁盘数据恢复到快照对应的时间点。以下为您介绍如何通过恢复快照来恢复数据。警告 备份恢复是不可逆操作。执行快照恢复后，磁盘将恢复到快照创建时间点...
监控报警概述
故障预警 云电脑的故障信息、故障原因及故障时间等信息。使用场景 在日常业务运行的过程中，监控大盘帮助您及时了解账号下全部云电脑资源的全局情况，实时监控提供更详细的数据指标和故障预警信息，帮助您了解终端用户使用云电脑的情况，...
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...
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...
发现并处理大Key和热Key
通过此类监控手段，可以提前规避许多问题，例如LIST数据类型的消费程序故障造成对应Key的列表数量持续增长，将告警转变为预警从而避免故障的发生，更多信息，请参见 报警设置。对过期数据进行定期清理 堆积大量过期数据会造成大Key的产生，...
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...
发现并处理Redis的大Key和热Key
通过此类监控手段，可以提前规避许多问题，例如LIST数据类型的消费程序故障造成对应Key的列表数量持续增长，将告警转变为预警从而避免故障的发生，更多信息，请参见 报警设置。对过期数据进行定期清理 堆积大量过期数据会造成大Key的产生，...
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...
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。
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...
云监控告警
连接数告警 QPS告警 状态码告警 DDoS黑洞事件告警 事件监控告警 您可以设置事件监控报警通知，及时获知DDoS高防（中国内地）和DDoS高防（非中国内地）上发生的黑洞、清洗、四层CC攻击、七层CC攻击事件，并在发生故障时及时发现问题，缩短...
故障排查
背景信息 故障排查步骤如下：排查路由问题。排查第3/4层（网络/传输）问题。排查第2层（数据链路）问题。排查第1层（物理）问题。排查路由问题 本地接入设备能ping通云上边界路由器网关VBR的IP，并且已建立了BGP对等会话，如果您的本地...
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...
基本概念
当某一节点的服务器发生故障导致不可用时，将立即停止宣告已不可用的IP段，数据包将仍然按照距离最短的原则路由至最近的服务节点。简单来说，一般情况下来自中国香港的用户访问流量默认都将被路由至阿里云中国香港高防流量清洗中心进行处理...
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，...
按步骤提交设备故障信息
本案例创建四个业务服务和一个Web应用，搭建一个设备故障上报的工单页面，引导使用Web应用的用户完成故障信息的提交。前提条件 已完成项目的创建（例如 project_space）。详细内容，请参见 项目。步骤一：使用云数据库创建数据库表 登录 云...
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，...
AI助手使用说明
安装AI助手并开启PAI的作业监控和恢复功能后，当训练任务发生故障或异常时，能自动上报故障信息、隔离问题节点，无需人工干预即可快速恢复任务。本文为您介绍AI助手的具体配置方法。前提条件 已创建带有ACK灵骏托管版的集群。具体操作，请...
新功能发布记录
通过主备回源，您可以预先配置主源站和备用源站，当其中一条回源线路发生故障时，一键切换到备用线路，提升高防回源灾备能力，保证业务可用性。修改端口回源设置 2021-08-18 DDoS高防（新BGP）、DDoS高防（国际）调查分析 攻击分析报表新...
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...
ECS系统事件概述
系统事件由阿里云定义，用于记录和通知云资源的信息，例如运维任务执行情况、资源是否出现异常、资源状态变化等。说明 阿里云有众多产品支持系统事件，例如ECS、RDS、SLB等。本文仅说明云服务器ECS支持的系统事件，如需了解其他产品的系统...
设计方案
风险预测：风险预测是指在发生故障前，通过数据分析、机器学习等方式，预测系统的风险情况，提前进行预防和处理。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...
云产品联动
例如，在CDN和高防联动且回源到OSS的场景，由于CDN回源支持修改 回源HOST，而DDoS高防不支持，导致发生攻击自动切换到DDoS高防后，DDoS高防回源到OSS的正常流量无法被识别，出现业务故障。关于验证流量调度规则的操作，请参见 本地验证转发...
出海加速
例如，在CDN和高防联动且回源到OSS的场景，由于CDN回源支持修改 回源HOST，而DDoS高防不支持，导致发生攻击自动切换到DDoS高防后，DDoS高防回源到OSS的正常流量无法被识别，出现业务故障。关于验证流量调度规则的操作，请参见 本地验证转发...
ECS系统事件汇总
系统事件用于记录和通知云资源信息，例如运维任务执行情况、资源是否出现异常和资源状态变化等。您可以通过系统事件获取ECS资源的风险和异常信息，例如 某一实例到期、实例因底层升级需迁移或因系统维护重启了某一实例等，然后及时响应和...
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...
设置DDoS基础防护和原生防护攻击事件报警
通过事件报警您能够获知业务遭受的DDoS攻击事件，及时发现并修复问题，缩短故障处理时间，以便尽快恢复业务。本文介绍如何设置DDoS基础防护和原生防护攻击事件的报警通知。报警方式说明 阿里云DDoS原生防护提供消息中心报警、云监控报警和...
- 产品推荐
- 这些文档可能帮助您