什么是故障演练
故障演练是一款遵循混沌工程实验原理并融合了阿里巴巴内部实践的产品，提供丰富故障场景，能够帮助分布式系统提升容错性和可恢复性。流程 故障演练建立了一套标准的演练流程，包含准备阶段、执行阶段、检查阶段和恢复阶段。通过四阶段的...
服务支持
NLP自然语言处理 常见问题 调用异常自助排查（错误码汇总）服务协议 NLP自学习平台 常见问题 实体抽取项目常见问题 故障排除 私有化部署 企业智能搜索 错误码对照表 常见问题
创建操作系统迁移任务
导入迁移源信息后，SMC控制台会自动生成迁移源记录，您需要在控制台为迁移源创建操作系统迁移任务，并完成操作系统的迁移。说明 关于操作系统迁移的更多信息，请参见 操作系统迁移（Linux）和 操作系统迁移（Windows）。前提条件 已导入...
强弱依赖治理概述
强弱依赖治理的应用 强弱依赖治理主要可以被应用到以下场景：系统改造验收：对于分布式系统，至少在运行态中，不会因为依赖的系统后台出现故障，引起当前应用出现系统级可用性的故障，例如进程挂掉、频繁FullGC、负载飙高等，何时何地都应...
功能特性
高可用管理平台 HAS 定位于 IT 技术...故障演练平台支持触发 CPU 利用率升高、内存利用率升高、内存占用、网络丢包、容器宕机、物理机宕机等常见故障，并针对故障制定出详细的演练和恢复计划，保证用户能够有计划地测量和观测应用高可用能力。
ADP底座介绍
常见故障场景自动诊断：内置长期经验沉淀的运维知识库，自动识别常见故障问题，并提供故障处置建议。自动化巡检和告警通知：内置基础告警策略并可灵活配置，可对接多种告警通知方式，定期巡检，及时感知问题。业务数据的存储备份及还原：...
查看实例的系统日志和屏幕截图
系统通过串口打印输出的日志会包含两种类型的信息，一类是系统启动开机时的日志内容，另一类是系统内核故障或异常时的日志内容。更多详情，请参见《云栖社区》博客 操作系统有异常？诊断日志来帮忙。使用限制 使用该功能时您需要注意如下...
PTS压测快速入门
阿里云提供的业务高可用架构体系，为企业提供营销活动、成本控制（压测、容量规划、流量控制）、应急（开关）、容灾逃逸（架构感知、故障演练、异地多活）的解决方案。其中PTS压测作为容量规划阶段重要的环节，可模拟海量用户的真实业务...
专家成长计划技术培训课程
1天 30人 全面介绍磁盘的基础知识，Linux和Windows操作系统的磁盘分区和文件系统结构，以及关键扇区的含义和作用，查看和编译磁盘结构的主要工具，例如Linux系统下的fdisk，并重点针对常见的磁盘故障进行了场景化的分析，介绍相应的恢复...
专家成长计划服务内容说明
30人 云存储问题处理详解专题 8 全面介绍磁盘的基础知识，Linux和Windows操作系统的磁盘分区和文件系统结构，以及关键扇区的含义和作用，查看和编译磁盘结构的主要工具，例如Linux系统下的fdisk，并重点针对常见的磁盘故障进行了场景化的...
故障演练
常见的故障类型都可以映射到这个故障模型中，模拟故障的演练系统及方案也可以基于该模型进行设计。在设计演练方案的过程中，可以考虑在模型中每个环节进行故障注入，验证故障应急方案。不同演练类型和目标 根据演练过程对线上业务的影响，...
系统类故障排查
概述 本文主要介绍使用阿里云服务器ECS时的系统类故障排查，包含CPU、磁盘I/O、内存、硬盘、带宽资源占用异常的问题排查与定位。详细信息 说明 阿里云提醒您：如果您对实例或数据有修改、变更等风险操作，务必注意实例的容灾、容错能力，...
高压缩引擎（X-Engine）介绍
高压缩引擎（X-Engine）多节点架构可用于保障集群的高可用，当系统发生故障时，可读写的主节点和只读节点之间会自动进行故障切换（Failover），保证了服务可用性不低于99.99%。高压缩引擎（X-Engine）多节点架构图如下：产品优势 超大存储...
故障应急协同
故障通告及更新 基于7x24监控值班工作特性，对于业务异常达到故障等级时，以用户定制的（语音、短信、IM）的方式在约定时间内将故障影响信息以及处理进展通知给对应的接收人/组，并持续更新直至故障结束。故障应急协同群 故障发生后，可以...
主从实例读写分离部署（共享存储）
Hologres 从V1.1版本开始，针对线上生产环境高可用的场景，提供了共享存储的主从多实例部署方式，在该模式下支持故障隔离，负载隔离，有效支撑了高可用场景。本文介绍高可用方案的一些基本原理以及如何配置共享存储的主从多实例。单实例...
操作系统迁移（Linux）
常见错误及修复方案的更多信息，请参见 SMC FAQ 和 操作系统迁移故障（Linux）。如果需要回滚源系统云盘数据，您可以在快照列表使用自动备份的快照进行恢复数据。操作步骤如下：登录 ECS管理控制台。在左侧导航栏，选择 存储与快照>快照。...
设计方案
容错 容错是指在分布式系统中，系统出现故障时，通过设计和实现可靠的机制和策略，使系统能够自动检测、排除或者纠正错误，保证系统能够正常运行，从而提高系统的可靠性和稳定性。容量 容量是在一定时间内，系统能够处理的最大工作量或数据...
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...
应用故障自动诊断
常见的故障自动诊断场景 RT突增 下游业务导致的本应用的RT突增，您可以联系下游业务的负责人进行排查。应用变更导致的RT突增，您可以查看此次变更的具体变更进行排查。应用的某个服务导致RT突增，可以排查以下情况：服务是否在此时有发生...
管理集群
主机故障处理策略 设置主机故障时系统的处理策略：自动替换主机：系统会自动替换故障主机。说明 如果故障主机是云盘主机，云盘会自动迁移计算资源以自动替换主机。如果故障主机是非云盘主机，则系统会先将故障主机上的实例迁移走，然后自动...
管理集群
主机故障处理策略 设置主机故障时系统的处理策略：自动替换主机：系统会自动替换故障主机。说明 如果故障主机是云盘主机，云盘会自动迁移计算资源以自动替换主机。如果故障主机是非云盘主机，则系统会先将故障主机上的实例迁移走，然后自动...
虚拟机场景
本文列出了虚拟机常见的故障演练场景。JvmCodeCache满 制造JVM CodeCache区域满的故障，CodeCache区域满会直接导致JIT编译关闭，从而引起业务系统性能下降。一般用于验证业务系统在高并发且系统性能下降的情况下，是否能够通过限流、快速扩...
关键技术竞争力
基于混沌工程的红蓝攻防能力 TRaaS 基于混沌工程、建立演练机制，提供故障注入、演练编排体系能力，支持在不同环境、不同阶段，主动对业务系统进行故障注入，从而在主动观测单应用健壮性的同时，验证整个体系的故障发现能力、应急响应能力...
NAT网关故障排查指南
本文介绍NAT网关的常见故障及排查方案。流量不通类故障排查：ECS实例配置DNAT条目后无法被公网访问 VPC内新建交换机的ECS无法通过SNAT访问公网 VPC内存在多个NAT网关时，某交换机的ECS实例不能访问公网 访问流量异常类故障排查：客户端访问...
手把手教您配置通用型NAS容灾
步骤三：容灾切换 当业务文件系统发生故障时，切换业务系统至容灾文件系统。步骤一：创建文件系统 创建一个与业务文件系统除可用区不同，其他配置相同的容灾文件系统。登录 NAS控制台。在 概览 页面的文件系统选型区域，单击 通用型NAS ...
常见问题
本文介绍 PolarDB PostgreSQL版（兼容Oracle）的常见问题和解答。基本问题 Q：什么是 PolarDB？A：PolarDB 是一个关系型数据库云服务，目前已在全球十多个地域（Region）的数据中心部署，向用户提供开箱即用的在线数据库服务。PolarDB 目前...
故障排查与常见问题
控制台访问集群异常问题排查 组件异常问题排查 ACK Serverless集群 故障排查 常见问题索引 集群类型 相关文档 托管版与专有版容器集群ACK 常见问题 ACK Serverless集群 常见问题 分布式云容器平台ACK One 常见问题 容器服务ACK发行版 常见...
高性能版实例
以下内容为 AnalyticDB PostgreSQL版 实例常见故障场景中高性能版和高可用版的对比：恢复（Recovery）模式 根据以往 AnalyticDB PostgreSQL版 运行情况，故障最大的场景为恢复模式，故障概率远大于另外两种场景（计算节点故障和计算节点宿...
I-V曲线诊断
数据服务中提供光伏智能运维的IV曲线诊断算法，结合环境光强度、环境温度等影响因素，对组串式光伏发电阵列的电流-电压曲线（I-V曲线）进行分析，检测系统可能出现的故障，进而提高设备的运行效率，保障电站高效运行。本文介绍光伏智能运维...
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。...
云数据库Redis版产品选型必读
选择容灾方案 图 3.Redis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。...
监控、诊断和故障排除
相对于传统应用程序，开发云端应用虽然降低了用户在基础设施搭建、运维等方面的成本，但却增大了监控、诊断和故障排查的难度。OSS存储服务为您提供了丰富的监控和日志信息，帮助您深刻洞察程序行为，及时发现并快速定位问题。本文主要描述...
新手指引
模块问题 计费常见问题 数据库常见问题 流量统计常见问题 网站管理常见问题 管理控制台常见问题 网站耗资源（客户程序故障）常见问题 更多常见问题，请参见 常见问题和故障排除汇总。反馈与建议 在使用阿里云云虚拟主机时，如果有任何疑问...
主备切换
实例底层主机故障 阿里云检测到实例底层主机发生故障，例如进程异常中断、实例负载过高导致内存异常等无法正常使用时，系统会立即触发主备切换，及时恢复实例，降低故障影响时长。此类触发方式会以 短信或 站内信、邮件等形式通知到您，...
主备切换
实例底层主机故障 阿里云检测到实例底层主机发生故障，例如进程异常中断、实例负载过高导致内存异常等无法正常使用时，系统会立即触发主备切换，及时恢复实例，降低故障影响时长。此类触发方式会以 短信或 站内信、邮件等形式通知到您，...
网络诊断
容器服务平台提供网络诊断功能，帮助您诊断网络常见问题，例如Pod之间不通、集群到公网访问不通、公网到LoadBalancer不通。本文介绍网络诊断的基本原理、使用方式、以及如何针对常见网络不通的场景定位网络问题和使用网络诊断。重要 使用...
故障演练常见问题
欢迎您反馈在使用故障演练过程中遇到的问题，目前提供以下常见问题供您参考。单个演练活动成功状态怎么判断？因为一个活动可能会有很多目标机器，当所有机器执行完毕之后，如果有机器没有执行成功，那么这个演练活动就会被系统判断为失败。...
演练场景说明
故障演练场景是演练任务的核心。AHAS提供基础资源类场景和Kubernetes类场景，帮助分布式系统提升容错性和可恢复性。每一个执行阶段的演练场景都对应一个恢复阶段的演练任务。恢复阶段的演练任务目的是清除故障演练的影响，使应用或服务恢复...
故障管理
故障管理概述 故障管理是源于ITIL的一个概念，在IT企业或者互联网企业进行故障管理的目的是当生产环境出现重大宕机时尽快恢复正常的服务运营，将组件失败对业务所造成的负面影响降到最低，从而确保满足事先与业务客户之间所约定的服务级别...
执行演练
在执行故障演练过程中，您可以实时查看演练进度、每个演练活动的运行状态及结果，同时也能够随时结束演练，进行恢复阶段的活动，清除故障演练影响。背景信息 一次完整的故障演练包括以下四个阶段：安装故障演练探针 创建演练 执行演练 停止...
- 产品推荐
- 这些文档可能帮助您