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...
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...
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...
什么是故障演练
适用场景 故障演练可适用于以下典型场景：衡量微服务的容错能力 通过模拟调用延迟、服务不可用、机器资源满载等，查看发生故障的节点或实例是否被自动隔离、下线，流量调度是否正确，预案是否有效，同时观察系统整体的QPS或RT是否受影响。...
源为PolarDB-X的任务配置方案
配置 PolarDB分布式版 下多个RDS MySQL至目标库的DTS任务，如其中一个DTS任务发生故障，则不影响其他DTS任务的运行，且只需恢复发生故障的DTS任务即可。稳定性一般。仅配置一个以 PolarDB分布式版 为源的DTS任务，如该DTS任务发生故障，则...
源为PolarDB-X的任务配置方案
配置 PolarDB分布式版 下多个RDS MySQL至目标库的DTS任务，如其中一个DTS任务发生故障，则不影响其他DTS任务的运行，且只需恢复发生故障的DTS任务即可。稳定性一般。仅配置一个以 PolarDB分布式版 为源的DTS任务，如该DTS任务发生故障，则...
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...
密钥轮转概述
如果第一次执行（突发性）密钥轮转是在响应具体事件的情形下，并且发生在运行中的系统上，则发生故障的概率会被无限放大。对数据形成逻辑上的隔离 轮转加密密钥使得轮转前后产生的密文数据形成事实上的隔离效果。特定密钥的安全事件可以被...
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...
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...
网络游戏：心动网络股份有限公司
同时在主实例发生故障的时候，系统能在短时间（30s~60s）内完成快速切换，确保在线业务能够在保证数据完整性的同时快速恢复以提供正常的服务。丰富的业务支持 PolarDB 能够100%兼容MySQL 5.6、MySQL 5.7和MySQL 8.0，完全兼容MySQL各种生态...
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...
异地应用双活切流
在⼀个数据中心发生故障或灾难的情况下，将流量切换到其他数据中心，其他数据中心可以正常运行并对关键业务或全部业务进行接管，实现故障灾难场景的业务快速恢复。本文将介绍在异地应用双活中如何创建切流任务并查看切流详情。前提条件 ...
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...
归档存储服务等级协议
赔偿方案 阿里云对用户存在故障的每个Archive按不可用时间的100倍赔偿，即赔付金额=发生故障的Archive故障前24小时平均每分钟费用×不可用时间×100倍；其中:(1)赔偿只针对使用归档存储服务已产生费用的用户，以归档存储代金券的形式赔偿，...
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...
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...
企业单AZ架构升级到多AZ
多可用区部署的常见应用：关键业务系统：对于需要高可用性和连续性的关键业务系统，如金融服务、医疗保健和电子商务平台，多AZ部署可以确保系统即使在一个数据中心发生故障的情况下也能继续运行。容灾要求高的场景：当组织需要符合特定的...
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。
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...
发现并处理大Key和热Key
在使用 云原生内存数据库Tair 的过程中，如果未能及时发现并处理Big keys（下文称为“大Key”）与Hotkeys（下文称为“热Key”），可能会导致服务性能下降、用户体验变差，甚至引发大面积故障。本文将介绍大Key与热Key产生的原因、其可能...
实时分析链路数据
如果您的应用遇到流量不均、单机故障、慢接口治理、业务流量统计、灰度发布监控等问题，可以通过应用监控的调用链分析快速定位问题代码。本文介绍如何通过调用链分析快速定位五种经典线上问题，更直观地了解调用链分析的用法与价值。背景...
发现并处理Redis的大Key和热Key
在使用Redis的过程中，如果未能及时发现并处理Big keys（下文称为“大Key”）与Hotkeys（下文称为“热Key”），可能会导致服务性能下降、用户体验变差，甚至引发大面积故障。本文将介绍大Key与热Key产生的原因、其可能引发的问题及如何快速...
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”，...
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...
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。...
通过异步复制功能实现容灾恢复
当您创建并启动云盘异步复制关系后，如果主盘发生故障，您可以通过异步复制功能对主盘进行容灾恢复。本文主要介绍如何进行容灾恢复操作。前提条件 反向复制前，请确保源云盘（主盘）已经从对应的ECS实例上卸载，即主盘处于未挂载状态。具体...
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...
什么是物模型
设备发生故障时的温度、时间信息；设备告警时的运行状态等。事件可以被订阅和推送。物联网平台支持为产品定义多组功能（属性、服务和事件）。一组功能定义的集合，就是一个物模型模块。多个物模型模块，彼此互不影响。物模型模块功能，解决...
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 ...
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...
自助诊断GPU节点问题
ACK集群提供节点级别的GPU诊断功能，供您进行部分GPU相关问题的故障排查。如果您在ACK Pro版集群中使用GPU节点时遇到问题，可以启用GPU节点自助诊断，采集GPU诊断的基础指标进行问题排查。本文介绍如何使用节点诊断功能，自助排查GPU节点...
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。...
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...
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...
开通备份恢复
说明 数据恢复点目标（Recovery Point Objective，简称RPO），指应用发生故障时预期的数据丢失量。例如，RPO为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。默认全库备份，支持对单个表或多个表进行备份恢复。指定时间...
云盘三副本技术
数据保护机制 当有数据节点损坏，或者某个数据节点上的部分硬盘发生故障时，集群中部分Chunk的有效副本数就会小于三。此时，Master就会发起自动同步任务，在Chunk Server之间复制数据，使集群中所有Chunk的有效副本数达到三份。重要 如果...
基于MSE云原生网关实现同城多活
在同城多活的场景下，能够确保对跨可用区的多个业务集群的请求实现高效负载均衡分配，在单个可用区内的业务集群发生故障时，可在1秒内完成故障节点的自动摘除从而实现故障转移，有效的保障服务连续性和高可用性。容灾概述 目前云上容灾主要...
- 产品推荐
- 这些文档可能帮助您