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...
Tair选型指南
选择容灾方案 图 3.Tair容灾架构演进 灾备方案 灾备级别 说明 单可用区高可用方案★主从节点部署在同一可用区中的不同机器上，当任一节点发生故障时，由高可用HA（High Availability）系统自动执行故障切换，避免单点故障引起的服务中断。...
采集客户端数据的高可用方案
通过该机制，存储系统确保3个数据副本分布在不同服务器的不同物理磁盘上，单个硬件设备的故障不会造成数据丢失，同时确保3个数据副本之间的数据强一致性。因此对于单硬件设备故障风险，日志服务天然具备了可用性特征。但是在一些相对极端的...
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...
本地盘最佳实践
如果本地盘发生故障、物理服务器发生宕机，或者人为误操作，本地盘会丢失数据。请勿在本地盘上存储需要长期保存的业务数据。但云盘采用分布式三副本机制，能防止意外硬件故障导致的数据不可用。如果应用没有多节点数据冗余架构，强烈建议您...
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...
事务与Read/Write Concern
MongoDB 4.4 及以后版本优化了相关限制（由 shouldMultiDocTxnCreateCollectionAndIndexes 参数控制），您可以在分布式事务中执行 createCollection 或 createIndex 操作，但上述操作依旧存在以下限制：只能隐式创建。只能对当前不存在的...
测试指标
内核参数 操作系统内核参数主要包括信号量、进程、文件句柄，一般不要超过设置的参数值即可，具体如下：一级指标 二级指标 单位 解释 内核参数 Maxuprc 个 限制每个用户的用户进程的最大数量 Max_thread_proc 个 定义每个进程允许的最大...
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...
基本概念
针对金融级场景下大规模分布式系统的特点，提供了丰富的发布策略以满足不同的场景，帮助传统架构平滑过渡，适应金融技术风险保障需求，实现大规模金融级运维场景下的容器服务落地。ALB 负载均衡（Ant Financial Load Balancer，ALB）是将...
什么是消息演练
随着应用规模的扩大，系统变得越来越复杂，不可避免地会走向分布式化。各种中间组件会相继被引入系统，其中分布式消息服务更是系统中必不可少的一环。这些消息服务之前并没有在系统中实际经历过真实流量考验，其中某些隐患或缺陷很难被发现...
监控、诊断和故障排除
另外，通过日志的时间戳，不仅可以迅速查找和定位日志范围，还能够了解在请求发生时间点范围内，客户端应用、网络或者服务系统发生的其他事件，有利于问题的分析和调查。RequestID OSS服务会为接收的每个请求分配唯一的服务器请求ID，即...
常见问题
如果无法调整批量大小，可以在控制台修改参数：merge_tree.parts_to_throw_insert，将参数的取值设置的大一些。为什么DataX导入速度慢？常见原因及解决方案如下。常见原因1：参数设置不合理。ClickHouse适合使用大batch、少数几个并发进行...
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...
SanityCheck：算力健康检测
功能介绍 在执行DLC任务时，可能会遇到以下问题：在任务花费一定时间加载模型Checkpoint或其他初始化操作后，由于申请的资源存在故障，无法顺利开始训练，需要调查定位故障问题并重新提交任务。该过程中会导致GPU资源的浪费。在任务运行...
混沌工程缓存实战系列-Redis
Redis是一个开源高性能的Key-Value存储系统，虽然Redis本身具备了非常高的可用性，但是在实际应用中也会随着系统业务的复杂性以及不合理的使用，而导致很多的问题。本文将讲述如何通过混沌工程来暴露可能存在的使用风险，提升缓存问题的...
事件中心
事件模型 事件中心的一个事件主要由以下参数来定义：参数 是否必须 描述 source 是 事件来源 type 是 事件类型 level 是 事件等级 time 是 事件发生时间 data 是 事件体（一般为JSON格式）PID 否 Pod ID IP 否 IP地址 ClusterId 否 集群ID ...
CreateTairInstance-创建Tair实例
在节点故障后，数据会丢失，系统会自动拉起新的空实例。仅在 单可用区时支持，且不支持创建集群与读写分离架构。MASTER_SLAVE ShardCount integer 否 实例中的数据节点个数，取值：1：默认值，即表示创建的实例为 标准架构，仅拥有 1 个...
CreateTairInstance-创建Tair实例
在节点故障后，数据会丢失，系统会自动拉起新的空实例。仅在 单可用区时支持，且不支持创建集群与读写分离架构。MASTER_SLAVE ShardCount integer 否 实例中的数据节点个数，取值：1：默认值，即表示创建的实例为 标准架构，仅拥有 1 个...
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...
云盘恢复
当ECS挂载的云盘发生系统故障或者错误操作时，您可以通过云盘在源地域的备份点或者复制到目标地域后的备份点，进行恢复原盘或者创建新盘操作实现数据恢复。本文介绍云盘恢复的相关操作。前提条件 已创建云盘备份。更多信息，请参见 创建云...
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...
自动/手动主备切换
当系统发生故障时，PolarDB 集群会自动进行主备切换。您也可以手动进行主备切换，指定一个只读节点为新的主节点。注意事项 不论是自动切换还是手动切换，当只读节点未开启热备时，主备切换过程中可能会出现20~30秒左右的闪断，因此切换前请...
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...
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 ...
云盘恢复
当ECS挂载的云盘发生系统故障或者错误操作时，您可以通过云盘在源地域的备份点或者复制到目标地域后的备份点，进行原盘恢复或者创建新盘操作来实现数据恢复。前提条件 已创建ECS整机备份。具体操作，请参见 备份ECS整机。背景信息 云盘恢复...
什么是应用配置管理ACM？
凭借配置变更、配置推送、历史版本管理、灰度发布、配置变更审计等配置管理工具，ACM能帮助您集中管理所有应用环境中的配置，降低分布式系统中管理配置的成本，并降低因错误的配置变更造成可用性下降甚至发生故障的风险。迁移到MSE Nacos ...
GxP欧盟附录11标准合规包
他要求涵盖了计算机化系统的开发、验证、操作、维护和监测等方面，以确保这些系统符合相关法规和标准，用于生产、控制和保证产品质量和可靠性。Annex 11是GMP（Good Manufacturing Practice）的一部分，作为药品生产过程中的重要指导标准之...
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...
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...
流量回放和压测
此外，在数据库发生故障且无法定位原因时，可以利用克隆库复现故障场景，以便更好地定位故障原因。前提条件 源数据库支持：RDS MySQL PolarDB MySQL版 说明 不支持 PolarDB MySQL版 的 企业版 单节点 实例。PolarDB-X 2.0。目标数据库实例...
智能压测
此外，在数据库发生故障且无法定位原因时，可以利用克隆库复现故障场景，以便更好地定位故障原因。前提条件 源数据库支持：RDS MySQL PolarDB MySQL版 说明 不支持 PolarDB MySQL版 的 企业版 单节点 实例。PolarDB-X 2.0。目标数据库实例...
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。...
基础术语
OceanBase OceanBase 是阿里巴巴与蚂蚁科技独立自主研发的一款分布式关系数据库产品，融合传统关系数据库和分布式系统的优势，具备高可用、高性能、高可扩展性，在功能上兼容 MySQL 等特点，在通用硬件上提供金融级高可用的数据库服务。...
强弱依赖治理最佳实践
通过以上业务依赖的预判可以得出以下结论：前端对商品推荐服务预判为弱依赖，表示当推荐服务发生故障时前端正常访问不应该受阻。在购物链路中，商品服务product对商品数据库product-mysql预判为强依赖。表示如果扣减库存失败，则应该阻断下...
在云桌面内挂载CPFS文件系统
您可以在阿里云控制台创建CPFS文件系统，通过NFS协议服务把CPFS文件系统挂载至对应工作区下的无影云桌面，挂载成功后便可以在云桌面上把CPFS文件系统当作一个普通的目录来访问和使用。本文介绍如何将CPFS文件系统挂载至云桌面以及如何验证...
在Linux云电脑挂载CPFS文件系统
您可以通过NFS协议服务将CPFS文件系统挂载至对应 办公网络 内的云电脑上。挂载成功后，您可以在云电脑上把CPFS文件系统当作一个普通的目录来访问和使用。本文介绍将CPFS文件系统挂载到云电脑的相关操作。背景信息 文件存储CPFS（Cloud ...
购买UEM
使用终端访问控制系统的功能之前，您需要先购买UEM。本文介绍如何购买UEM。操作步骤 登录 终端访问控制系统控制台。单击 立即开通，进入产品购买页面。在购买页面按需配置购买参数。可参考以下表格配置参数。参数 说明 商品类型 选择您需要...
创建DDH
关闭宿主机故障时自动迁移服务：DDH发生故障停机后，您需要 提交工单 申请置换一台健康的DDH。默认值：开启宿主机故障时自动迁移服务。您也可以在创建DDH后修改该配置，具体操作，请参见 设置宕机自动迁移。重要 本地SSD型DDH不支持宿主机...
创建专有宿主机
关闭宿主机故障时自动迁移服务：DDH发生故障停机后，您需要 提交工单 申请置换一台健康的DDH。默认值：开启宿主机故障时自动迁移服务。您也可以在创建DDH后修改该配置，具体操作，请参见 设置宕机自动迁移。重要 本地SSD型DDH不支持宿主机...
- 产品推荐
- 这些文档可能帮助您