监控、诊断和故障排除
故障排除：提供常见的问题场景和故障排除方法。服务监控 监视总体运行状况 可用性和有效请求率 可用性和有效请求率是有关系统稳定性和用户是否正确使用系统的最重要指标，指标小于100%说明某些请求失败。可能因为一些系统优化因素出现暂时...
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
监控服务概览
OpenAPI访问监控数据 OSS服务的相关监控指标数据可以通过云监控提供的OpenAPI访问，使用方法请参见：云监控SDK参考 访问监控数据 监控、诊断和故障排除 监控诊断和故障排除 通过详细介绍以下各个方面的内容帮助您更好地了解OSS服务的运行...
修改网关参数
若您的地域不支持硬件加速或购买时未指定硬件加速，此参数会无法生效。true：开启硬件加速。false：关闭硬件加速。说明 由于底层硬件限制，目前仅华北2（北京）、华东1（杭州）、华东2（上海）、华南1（深圳）、亚太东南1（新加坡）地域...
可观测性的设计原则
通过在系统中实现分布式跟踪，可以快速定位问题并进行有效的故障排除。链路跟踪可以通过在系统中添加跟踪标识符来实现。当请求进入系统时，标识符将被添加到请求中，并在整个系统中传递。每个组件都可以将标识符添加到它们的日志中，以便在...
产品优势
分钟级交付 基于阿里云弹性计算框架，您可以几分钟内轻松创建FPGA实例，创建自定义的专用硬件加速器。独特优越的加速性能 FPGA器件通过PCIe 3.0接口与上层应用程序通信。对应用中消耗大量的CPU计算，系统可以选择性的交给FPGA专用硬件进行...
什么是FPGA云服务器
由于FPGA硬件的可重配特性，您可以对已创建的FPGA硬件加速应用进行快速擦写和重配，使其达到低时延硬件与资源弹性的结合。FaaS平台介绍 传统FPGA开发硬件周期长，开发难度大，硬件加速算法的发布和部署保护要求也非常高。FPGA云服务器平台...
云盒计算资源配置最佳实践
背景信息 云盒的硬件设计中，各类硬件设备的保障如下：网络设备：采用双机冗余双上连设计，确保云盒内网络的高连续性，且不存在单点故障。存储设备：可以 确保在两台存储服务器同时宕机的情况下，数据的安全可靠。计算设备：支持宕机迁移和...
产品优势
简单易用 服务开箱即用：支持即开即用的方式，购买之后即可使用，方便业务快速部署。兼容开源 Memcache：兼容 Memcache binary protocol，符合该协议的客户端（binary ...硬件故障自动检测与恢复：自动侦测硬件故障并在数秒内切换，恢复服务。
支持计划
配置指导以及故障排除 配置指导以及故障排除 配置指导以及故障排除 专属技术服务经理 不支持 不支持 专属技术服务经理（TAM）健康检查 可免费使用智能顾问Advisor 可免费使用智能顾问Advisor 可免费使用智能顾问Advisor。专属技术服务经理...
故障排除
CC API在调用时可能会遇到一些错误，遇到错误时以错误码为依据进行故障排除，本文为您介绍 常见错误码的解决方案。云产品运行时错误码 云产品API运行时返回的错误码。以下两个错误码为云产品运行时错误，如想获取云产品详细错误信息，需...
常见问题FAQ
4.HDMI无信号 故障示意图如下：故障排除方案如下：1.见下遥控器说明，按电源键，重启魔盒。2.重复插拔HDMI线 3.重启屏幕 屏幕操作指南由屏幕供应商给出。4.屏幕的信号源切换到HDMI输入。屏幕操作指南由屏幕供应商给出。如无法排除故障：...
阿里云异构计算产品总览
阿里云异构计算产品为您提供了软件与硬件结合的完整服务体系，助力您在人工智能业务中...由于FPGA硬件的可重配特性，您可以快速擦写和重配已创建的FPGA硬件加速应用，同时拥有低时延硬件与资源弹性。更多信息，请参见 什么是FPGA云服务器。
概述
系统容错的目标是使系统能够在面对硬件故障、软件错误、通信故障或其他异常情况时，能够继续执行，并且不会导致整个系统崩溃或数据损坏。分布式系统常按云端部署架构划分为IaaS、PaaS、SaaS，每层又都依赖计算、存储、网络资源进行构建，在...
设计原则
面向失败的架构设计原则 众所周知，系统异常事件是不可避免的，如网络延迟、硬件故障、软件错误、突峰流量等，建议在系统设计阶段就要从这些异常事件引起的系统执行“失败”出发，提供冗余、隔离、降级、弹性等能力，旨在确保系统的高可用...
容灾恢复
集群中通常一个服务有多个服务提供者，其中部分服务提供者可能由于网络、配置、长时间 fullgc、线程池满、硬件故障等导致长连接还存活但是程序已经无法正常响应。单机故障剔除功能会将这部分异常的服务提供者进行降级，使客户端的请求更多...
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...
单实例快速恢复
当出现1分钟容器响应超时（可能是内存溢出、硬件故障、软件Bug等原因导致），Resource Manager会自动拉起新的计算节点，并迁移数据分片（Shard）职责到新的节点上（例如Worker Node3响应超时，Resource Manager拉起Worker Node4取代Worker ...
诊断网页加载过慢的问题
针对这类问题，ARMS前端监控的慢会话追踪功能提供页面静态资源加载的性能瀑布图，可深入定位页面资源加载情况，全方位地诊断故障根源，从而快速排除故障。问题描述 网页加载较慢是经常出现且前端非常关注的问题之一。定位、排查解决这类...
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...
以太网接口无法接通
本文介绍以太网接口没有接通的可能原因和处理方法。问题现象 以太网接口没有接通（物理上）。可能原因 设备没有连接电源或者以太网接口连接的线缆没有插好。光纤、双绞线过长或者链路损耗太大。...检查本端和对端设备硬件是否故障。
ping不通云服务ECS（SAG-1000）
如果是静态路由接入，尝试通过交换机，能否ping通设备的每个接口IP，如果其中有无法ping通的接口，请参见 设备和交换机之间的链路故障，排除接口互联问题。如果是单机设备，观察设备机身的状态指示灯，确认右侧第2和第3个灯是否有红色的。...
云解析DNS如何实现故障切换
本文介绍如何通过DNS实现故障隔离或故障切换。使用场景 企业的线上网站或应用，一般是使用公网权威解析产品设置智能解析，来提升用户跨运营商（或地区）的访问速度和访问质量。...请参阅 GTM实现跨网访问加速与故障切换 操作文档。
GTM实现跨网访问加速与故障切换
方案介绍 大部分企业的应用服务都会使用多个运营商的IP地址，因此可能会存在跨网延迟、丢包、故障不可用等问题，而全局流量管理产品方案可以根据用户请求源地址的运营商，解析就近的应用服务器IP地址，实现就近接入、访问加速、故障切换，...
网关一体机告警介绍
本文介绍网关一体机中磁盘故障、电源故障等硬件告警，以及CPU使用率、内存使用率等软件告警信息。监控项 报警阈值 报警通道 恢复是否通知 疲劳度 是否实时 CPU使用率 一分钟内平均使用率超过95%客户邮箱 是 每日最多5封 是 内存使用率 一...
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...
存储类型
硬件故障有一定概率导致数据损坏，需要有备库保障。选购建议 建议优先选择通用云盘：如果IO量比较大，建议开启IO加速功能。如果IO波动较大，建议开启IO突发功能。如果明确需要使用高PL等级云盘，可以选择ESSD云盘。产品支持度 各个实例类型...
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...
存储类型
硬件故障有一定概率导致数据损坏，需要有备库保障。选购建议 建议优先选择通用云盘：如果IO量比较大，建议开启IO加速功能。如果IO波动较大，建议开启IO突发功能。如果明确需要使用高PL等级云盘，可以选择ESSD云盘。产品支持度 各个实例类型...
故障演练
每周1-2次 监控感知能力/报警应急响应 类似故障复现/改进action验收 应急组织流程、止损预案验证 故障演练实践参考 阿里巴巴集团借助混沌工程实现了无损演练和有损演练的常态化执行，缩短建设大规模演练实施的进程、加速演练执行效率，让...
数据安全
当其中一个加速地域出现故障时，可以将访问请求切换至其他距离用户时延较低、位置较近的加速地域进入全球加速网络中，实现加速地域间的故障容灾。如何配置CNAME解析，请参见 配置CNAME。全球加速联动DNS实现加速地域高可用容灾，请参见 ...
NVMe协议介绍
而计算节点则经常受断电、宕机、硬件故障等影响，所以业务通常搭建主备模式解决计算的高可用问题。例如数据库场景，当主库故障时迅速切换到备库对外提供服务，实例切换后，可以通过NVMe PR命令释放旧实例的写入权限，从而确保旧实例不再...
实时分析链路数据
如果异常请求分散在多台机器，那么大概率可以排除单机故障因素，可以重点分析下游依赖服务或程序逻辑是否异常。在 调用链分析 页面筛选错误调用或慢调用，并设置按IP进行分组统计，如果异常调用集中出现在特定机器，则有较大概率是机器故障...
运维服务内容说明
基于阿里巴巴数字化运维解决方案，提供专属运维服务专家，帮助企业客户做好云上运维管理，降低运维开销和风险，提升运维效率和业务连续性，增强系统安全性和合规性，助力企业客户加速数字化转型！2.服务范围 运维产品范围：阿里公共云云...
PAI灵骏智算服务概述
产品架构 PAI灵骏 是软硬件一体化设计的算力集群服务，硬件涵盖了服务器、网络、存储以及集群的整体交付管理等，软件包括算力资源管控运维、AI加速套件、云原生任务管理，以及完善的AI开发作业平台，支持Pytorch、TensorFlow等常见AI框架。...
DCDN节点运维下线说明
问题场景 阿里云DCDN产品在全球拥有3200+节点，覆盖70多个国家和地区，为了确保这数量庞大的DCDN节点能够正常运行，以及提供更好的加速服务，阿里云DCDN的工程师团队需要不定期对部分DCDN节点进行运维操作，例如：硬件设备升级、软件版本...
功能特性
同时，通过大规模RDMA网络部署实践，阿里云自主研发了基于端网协同的RDMA高性能网络协议和HPCC拥塞控制算法，并通过智能网卡实现了协议硬件卸载，降低了端到端网络延时，提升了网络IO吞吐能力，并有效规避和弱化了网络故障、网络黑洞等传统...
产品优势
同时，OSS基于高可用架构设计，消除单点故障，确保数据业务的持续性。服务可用性最高可达99.995%。数据设计持久性最高可达99.9999999999%（12个9）。规模自动扩展，不影响对外服务。OSS会通过计算网络流量包的校验和，验证数据包在客户端和...
故障复盘
故障复盘规范 故障复盘作为故障体系中的重要一环，整体复盘流程包括故障处理过程、改进分析、故障定责，基于包含标准化的复盘SOP、对应预防action推荐、问责管理机制，全面地回溯线上故障的发生，产出故障复盘报告和改进措施，避免故障重复...
跨可用区容灾
当生产站点因为不可抗力因素（比如机房火灾、断电）或者设备故障（软、硬件破坏）导致应用在短时间内无法恢复时，ECS容灾服务支持业务的跨可用区（Availability Zone）的容灾能力，对整体的应用做容灾备份来应对单地区的故障，满足业务的...
- 产品推荐
- 这些文档可能帮助您