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，...
Tair选型指南
3 选择容灾方案 云原生内存数据库Tair 实例若因不可预料的原因（例如设备故障、机房断电等）发生故障，容灾机制保障数据的一致性和业务可用性。云原生内存数据库Tair 提供多种灾备方案供您选择，可满足不同的业务场景。4 预估内存规格 提前...
云数据库Redis版产品选型必读
选择容灾方案 当云数据库Redis实例因不可预料的原因（例如设备故障、机房断电等）发生故障，容灾机制可用于保障数据的一致性和业务可用性。云数据库Redis提供多种灾备方案供您选择，可满足不同的业务场景。选择大版本 推荐使用更新的大版本...
成本数据模型介绍
ACK提供一种通用性的成本数据模型定义和计算方法，帮您准确地衡量云上ACK集群的成本，并将成本分摊给不同维度（集群、命名空间、应用等）的业务单元。相关概念 下表为本文涉及的概念及解释。概念 说明 集群总成本 运行一个ACK集群所需的...
测试与验证
在 PTS 平台上，您可以用较低的人力和资源成本，构造出接近真实业务场景的复杂交互式流量，快速衡量系统的业务性能状况，为性能问题定位、容量配比、全链路压测的流量构造提供帮助，进而提升用户体验，促进业务发展，实现企业的商业价值。...
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...
前言
稳定性：无论在何种环境都无法避免单个组件故障的发生。稳定性的目标就是要尽量降低单个组件故障对业务带来的整体影响。该支柱侧重于如何让业务系统利用现代云平台的基础设施达到高可用，做到面向失败设计，具备一定容灾性的能力。同时把控...
机器阅读理解解决方案
旨在从大量文本中，基于给定的问题，快速抽取出答案，降低人工成本，增加信息检索有效性。本文为您介绍该解决方案的使用流程和操作步骤。前提条件 在开始执行操作前，请确认您已完成以下准备工作。已开通PAI（Designer、DSW、EAS）后付费，...
SOFAMesh 服务网格总体经济影响报告
故障复盘资源消耗节省 对于监管要求极高的金融企业，在故障出现后要进行全面复盘，以确保系统未来的可用性，避免类似事故发生。但复盘也消耗大量开发运维人员的时间，对工作效率产生影响。组件能力提升 解耦后的微服务的公共组件、业务组件...
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...
智能文创解决方案
阿里云PAI提供智能文创解决方案，帮助您快速搭建囊括模型离线训练、离线预测和在线部署的端到端全链路构建流程。旨在从冗长、重复的文本序列中抽取、精炼或总结出要点信息，实现各类文本生成任务，包括文本摘要生成、新闻标题生成、文案...
专属解决方案
统一成本管理 重点解决如何进行成本洞察，发现成本问题，基于成本问题形成可迭代的、不断正循环的成本管理制度。成本问题的发现与成本管控最佳实践 总的来说，云的成本管控主要围绕用量、用法和计费三大要素来展开。但在此之前，首先要能够...
性能测试技术指南
测试模型 分析 测试模型是在业务模型的基础上演变而来的，一般情况测试模型和业务模型是相同的，但是由于某种业务无法模拟或者安全原因，需要去掉此笔业务，重新计算占比得出。风险 参照5业务模型风险。去掉的业务如果有风险，那么需评估此...
关键技术竞争力
传统应用现代化：不止于异构应用治理 在传统单体式架构向微服务架构迁移的过程中，随着应用微服务数量的增加，微服务间的通信、监控以及安全性 管理成为新的挑战。服务网格作为应用与基础设施的桥梁，突破传统的 SDK 接入方式，以对应用...
标准架构
主节点提供日常服务访问，从节点提供HA高可用，当主节点发生故障，系统会自动在30秒内切换至从节点，保证业务平稳运行。标准架构高可用类型的特点如下：可靠性 服务可靠 采用双机主从（master-replica）架构，主从节点位于不同物理机。主...
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...
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...
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...
概述
分布式系统将计算任务和数据分布在多个节点上以实现更高的性能、可靠性和可扩展性，当一个节点发生故障或错误时，其他节点可以继续工作，相比于单机系统，架构本身就有较高的节点容错性。但随着服务拆分，更多组件的引入，分布式系统的复杂...
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...
获取平台模型最新状态
如果关联的限界上下文发生变化，则中断操作，有相应提示：应用关联的模型发生变化，请修改并重新加载.bizworks/bizworks.yml 配置文件。操作步骤 打开IDEA，您可以通过以下三种方式获取平台模型最新状态。在顶部导航栏选择 View>Tool ...
演练场景
故障演练是业务系统上线前必要的演练环节，旨在对应急预案的可行性，进一步完成应急预案，从而帮助提升产品、集群、机房的稳定性，减少故障的发生，提高故障应急效率，进而提升产品竞争力。一个完整的故障演练过程为 创建故障原子服务>创建...
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...
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...
响应云盒维修事件
当云盒中的硬件设备发生故障需要更换时，阿里云会向您发送云盒维修事件通知，您需要授权同意阿里云上门更换并维修硬件设备。本文为您介绍云盒维修相关的流程，以及如何响应云盒维修事件。背景信息 配置云盒计算资源时，您需要配置一定的...
故障演练
例如，模拟在高速通道冗余链路中的一条链路发生故障时，网络流量会自动切换至其他冗余链路的场景。借助该工具，您可以测试和验证您与阿里云组建的混合云组网的可靠性。重要 故障演练会通过将被演练的资源关闭，使资源处于人工构造的故障...
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...
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，...
开发Link Visual的功能介绍
采用RTMP云转+P2P混合方式，在保证直播稳定性的同时降低成本。开发直播功能时，您需要配置的物模型如下。标识符 功能类型 功能名称 描述 控制台勾选 开发指南 StartPushStreaming 服务 开始直播 通知设备开始直播RTMP推流，当有播放端观看...
扫描上报和合并代码模型
如果关联的限界上下文发生变化，则中断操作，且有相应提示：应用关联的模型发生变化，请修改并重新加载.bizworks/bizworks.yml 配置文件。什么是依赖 一个类的字段类型、方法出入参类型、继承类型使用到的其他类型均作为当前类的依赖。...
FAQs
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能在 3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、...
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...
流水单据型业务场景多活实践
说明 基于MSHA流量监控或其他监控能力，确定业务稳态的监控指标，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。演练预期如下：下单链路对订单应用是强依赖，强依赖故障会影响业务不可用。故障爆炸半径控制在...
设计方案
基于稳定性支柱设计原则，整体稳定性设计方案可参考如下：架构设计原则 软件系统从所有的功能都在一个应用程序内运行的单体应用架构，到不同的功能模块分别部署在不同的服务器上的传统分布式应用架构，再到服务细分通过轻量级的通信机制...
AI任务概述
借助ACK云原生AI套件提供的Arena命令行工具、AI负载调度、弹性数据集加速、GPU异构资源管理等基础能力，您可以在Kubernetes集群中简便、高效地运行各种AI任务，比如模型训练、测试和分析模型性能、部署模型推理服务等。本文介绍使用云原生...
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...
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...
用云成本需求分析
捕获成本需求 企业级客户主要从以下几个方面获取用云成本需求：业务地域性 合规性 安全性 业务连续性和稳定性 技术团队管理 自动化和标准化 成本优化目标 分析成本需求 业务地域性 选择云地域，在全球跨国企业的客户上云过程中，选择一个...
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...
其他子产品SDK参考文档
高级配置：模型服务预热 介绍如何使用SDK构造模型预热文件。介绍使用SDK进行服务调用的完整程序示例。Java SDK使用说明 Python SDK使用说明 Golang SDK使用说明 使用EAS Python SDK部署模型 介绍如何使用Python SDK代码部署及调用EAS在线...
- 产品推荐
- 这些文档可能帮助您