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...
标准版-单副本
当数据库节点发生故障时，数据会丢失，系统会重新拉起一个Redis进程（没有数据），当节点故障业务自动切换完成后，应用程序需要将数据重新预热。单副本架构不支持以下功能：自动或手动备份、离线全量Key分析 和 实例回收站。若您对数据有...
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。...
教程概览
6、容灾预案：容灾预案可以帮助用户实现容灾演练，或发生故障时快速切换访问流量，包括创建容灾预案、执行/回滚等相关信息。7、日志信息：介绍全局流量管理运行状态的告警日志，包括：健康检查告警、健康检查恢复、地址池不可用、地址池...
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...
GetRedisAllSession-获取Redis实例当前会话
0 QbufFree long 输入缓冲区剩余大小，单位为字节（Byte）。0 Multi long MULTI/EXEC 上下文中的命令数。1 Omem long 输出缓冲区大小，单位为字节（Byte）。0 Qbuf long 输入缓冲区大小，单位为字节（Byte）。0 Name string 客户端名称。...
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。...
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...
JVM-D启动配置参数
禁写之后，等到缓冲区低于低水位才能恢复。服务端每个channel的写缓冲的限制，单位为KB，超过高水位时，新的响应放弃写出，客户端收不到响应会超时。缓冲区低于低水位时才能恢复写。高低水位需成对设置，并且需要高水位大于低水位。D hsf....
JVM-D启动配置参数
禁写之后，等到缓冲区低于低水位才能恢复。服务端每个channel的写缓冲的限制，单位为KB，超过高水位时，新的响应放弃写出，客户端收不到响应会超时。缓冲区低于低水位时才能恢复写。高低水位需成对设置，并且需要高水位大于低水位。D hsf....
排查Redis实例内存使用率高的问题
突发访问产生大量流量超过网络带宽，导致输入缓冲区和输出缓冲区积压。客户端处理速度跟不上 Redis 的处理速度，导致输出缓冲区积压。解决方案 请依次排查内存使用率突然升高的原因，并参考对应的解决方案解决问题。排查是否写入大量新数据...
什么是全局流量管理？
⑤ 容灾预案：容灾预案可以帮助用户实现容灾演练，或发生故障时快速切换访问流量，包括创建容灾预案、执行/回滚等相关信息。系统架构 全局流量管理是由管控层和解析层两部分组成：管控层：管控层通过控制台和OpenAPI对外提供服务，主要实现...
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...
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...
基于ack-lingjun-aiast组件实现集群自动化运维
组件介绍 安装灵骏AI助手开启PAI的作业监控和恢复功能后，当发生故障或异常时，灵骏AI助手的告警系统可以自动和PAI进行交互，并上报故障信息，并根据故障触发阶段和并行策略选择规避故障的方法，自动隔离故障节点，并通过checkpoint快速...
名词解释
这种模式下，两个城市的三个数据中心互联互通，如果⼀个数据中心发生故障或灾难，其他数据中心可以正常运行并对关键业务或全部业务实现接管。命名空间 多活命名空间MSHA Namespace，是一个逻辑租户的概念，用于进行租户粒度的管控配置和云...
采集客户端数据的高可用方案
当Logstore A发生故障时，Logstore B的数据仍然实时可用。当Logstore B发生故障时，Logstore A的数据仍然实时可用。操作步骤：在日志服务控制台上，创建Project和Logstore。创建A地域的Project A和Logstore A。创建B地域的Project B和...
CreateRule-创建自定义的敏感数据识别规则
4：缓冲区溢出。5：基于报错的 SQL 注入。1 Status integer 否 规则状态。取值：1：开启。0：关闭。1 Target string 否 目标产品编码。取值：MaxCompute，OSS，ADS，OTS，RDS 等。MaxCompute MatchType integer 否 匹配类型。取值：1：规则...
Link Visual的常见问题
若Link Visual的时间戳两帧之间差值比实际大，会引起播放端解码器延迟解码，可能会触发播放器缓冲区溢出丢帧，引起画面慢放和画面卡顿。若Link Visual的时间戳两帧之间差值比实际小，会引起播放端解码器提前解码，引起画面快放。说明 推荐...
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...
为什么Sidecar的内存持续升高？
gRPC流控相关数据 Sidecar的HTTP2解码器包含 initial_stream_window_size 和 initial_connection_window_size 两个参数，分别对应Sidecar在HTTP2编解码缓冲区中流级别的缓冲字节限制、连接级的缓冲字节限制。默认情况下，这两个参数被设定...
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...
GTM如何实现异地容灾
两地三中心容灾架构，是指在同城双中心的基础上，在异地的城市建立一个备份的灾备中心，用于双中心的数据备份，当双中心出现自然灾害等原因而发生故障时，异地灾备中心可以用备份数据进行业务的恢复。目标读者 企业网络部、业务运维部工作...
应用监控概述
查看Prometheus监控指标 实例监控 EDAS提供了多种应用监控指标：JVM监控功能用于监控重要的JVM指标，包括堆内存指标、非堆内存指标、直接缓冲区指标、内存映射缓冲区指标、GC（垃圾收集）累计详情和JVM线程数等。JVM监控可以直观展示指定...
功能特性
此外，在数据库实例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。智能压测 搜索分析 查询并导出SQL语句对应的日志信息。搜索 SQL洞察 SQL洞察聚类分析，用作深度异常的排查。SQL洞察 安全审计 内置了...
服务发布策略
当新版本v2存在问题或者发生故障时，可以快速切回旧版本v1。蓝绿部署的优点：部署结构简单，运维方便。服务升级过程操作简单，周期短。蓝绿部署的缺点：资源冗余，需要部署两套生产环境。新版本故障影响范围大。A/B测试 A/B测试基于用户...
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 ...
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...
Tair选型指南
重要 在确定 云原生内存数据库Tair 实例的内存容量时，首先要考虑存储的业务数据大小，其次，您还需额外考虑实例自身运行占用的必要内存开销（例如进程元数据、复制缓冲区、碎片等）。不同于开源Redis数据库，选用 Tair 时，您无需再额外...
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...
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...
NLB支持的地域
各可用区之间可以实现故障隔离，即如果一个可用区出现故障，不会影响其他可用区的正常运行。每个地域完全独立，不同地域的可用区完全隔离，但同一个地域内的可用区之间使用低时延链路相连。为了向广大用户提供更加稳定可靠的负载均衡服务，...
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...
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...
三可用区概述
容灾能力 计算节点容灾能力 单可用区故障 主可用区故障，会导致主可用区所有计算节点不可服务，此时用户需要 手动 进行主可用区切换，将备可用区提升为主可用区，一般切换时间能够控制在30秒以内。备可用区故障，不影响实例可用性。高可用...
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...
- 产品推荐
- 这些文档可能帮助您