报警设置
订阅事件通知：当 Tair 实例产生了主动运维事件（如实例迁移）、实例发生了故障或触发了高可用切换，系统将自动发送报警通知，帮助您及时接收报警通知并处理。包含InstanceMaintenance（主动运维事件）、实例异常、实例维护等。常见问题 ...
可观测性的设计原则
监控系统的指标可以让组织了解系统的健康状况和性能情况，以便在系统出现异常时快速发现问题。监控指标可以通过监控工具来实现，并允许在发生异常时发送警报。有很多监控工具可以使用，例如Prometheus、Grafana、Zabbix等，以及阿里云提供...
概览
应用场景 您可以使用主机监控功能查询主机的资源使用情况和故障指标。主机监控的应用场景如下：混合云监控解决方案 主机监控通过云监控插件采集您主机的监控项。该插件支持安装在非阿里云主机上，解决您云上和云下双重环境的基础监控问题。...
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...
监控与日志
系统事件监控 阿里云云监控服务的事件监控功能自动汇集云产品故障、运维事件，并为您提供各云产品系统事件的统一查询和统计入口，使您明确得知其使用状态。通过应用分组进行资源分类后，云产品产生的系统事件会自动与组中资源关联，帮助您...
Python SDK调用示例
本文以Python SDK为例，为您介绍如何通过OpenAPI调用DescribeMetricList接口查询云产品的监控数据。步骤一：查看OpenAPI文档 通过阅读 API概览 得知，查询云产品监控数据的OpenAPI为 DescribeMetricList。请您根据文档，了解调用该接口需要...
监控服务概览
OSS监控服务为您提供系统基本运行状态、性能以及计量等方面的监控数据指标，并且提供自定义报警服务，帮助您跟踪请求、分析使用情况、统计业务趋势，及时发现以及诊断系统的相关问题。OSS监控指标主要分为基础服务指标、性能指标和计量指标...
性能监控概念
什么是性能监控，以及性能监控的对象有哪些。伴随着突发流量、系统变更或代码腐化等因素，性能退化随时会发生。如在周年庆大促期间由于访问量暴涨导致请求超时无法下单；应用发布变更后，页面频繁卡顿导致客诉上升；线上系统运行一段时间后...
告警规则指标说明
异常监控 指标说明 指标名称 单位 是否为常用指标 指标说明 异常发生次数 无 是 在软件系统运行过程中发生的各种异常的次数，如空指针异常、数组越界异常、IO异常等。可以根据该指标判断调用堆栈是否抛错，从而判断是否存在应用调用异常。...
性能监控最佳实践
这样可以大大提高监控效率，减少监控人员的工作量，同时也可以更加全面地监控系统的性能。提高监控精度：传统的性能监控方案往往只能监控系统的基本指标，例如CPU使用率、内存利用率等。而一体化性能监控则可以通过集成多种监控工具和技术...
使用云监控功能监控网站环境（部署于ECS实例）
设置合理的监控可以让您实时了解系统业务的运行情况，并能帮助您提前发现问题，避免可能会出现的业务故障。同时，告警机制能让您在故障发生后第一时间发现问题，缩短故障处理时间，以便尽快恢复业务。前提条件 在开始设置云监控前，您需要...
功能概览
风险发现 系统提供风险发现相关功能项如下：功能分类 功能名称 功能说明 监控 业务监控 支持对应用业务日志进行灵活切割。按业务维度聚合数据，提供一套完整的业务实时分析能力。主要面向个性化的非标业务监控场景，比如交易量、放贷量等。...
发现和排查实例问题
合理使用监控相关的功能可以帮助您及时发现和排查实例问题，在故障发生前处理掉潜在风险，避免影响业务。诊断实例的健康状态 实例健康诊断功能可以全方位诊断实例的操作系统配置、网络状态、磁盘状态等。诊断报告中针对异常诊断项目的影响...
订阅事件通知
云监控的报警服务为您提供以下两种报警通知能力，当阿里云产品发生系统异常时，您可以及时知晓发生的事件，并自动处理异常事件（例如云产品故障）。提供通过 短信、邮件、钉钉机器人的方式，对事件发生进行报警。提供将事件分发到您的消息...
订阅事件通知
云监控的报警服务为您提供以下两种报警通知能力，当阿里云产品发生系统异常时，您可以及时知晓发生的事件，并自动处理异常事件（例如云产品故障）。提供通过 短信、邮件、钉钉机器人的方式，对事件发生进行报警。提供将事件分发到您的消息...
管理系统事件报警规则（旧版）
云监控集中管理各云产品的系统事件和自定义事件。您可以为云产品的系统事件设置报警规则，当异常发生时，您可以及时收到报警通知，便于快速分析并定位问题。背景信息 说明 旧版系统事件报警规则功能已不再升级，功能会逐步下线，建议您使用...
使用系统事件报警
云监控集中管理各云产品的系统事件和自定义事件。您可以为云产品的系统事件设置报警规则，当异常发生时，您可以及时收到报警通知，便于快速分析并定位问题。本文为您介绍创建和调试系统事件报警规则的方法。背景信息 云监控支持的事件类型...
订阅事件通知
云监控的报警服务为您提供以下两种报警通知能力，当阿里云产品发生系统异常时，您可以及时知晓发生的事件，并自动处理异常事件（例如云产品故障）。提供通过 短信、邮件、钉钉机器人的方式，对事件发生进行报警。提供将事件分发到您的消息...
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、...
什么是故障
本文主要介绍什么是故障。定义 在日常运营中，无论什么原因导致业务服务中断、服务品质...故障改进：支持对故障制定明确的改进及验收措施、责任人及完成时间，确保每个深度复盘后的故障都能对业务连续性形成改进，避免历史同类故障重复发生。
使用自定义事件报警
云监控集中管理各云产品的系统事件和自定义事件。您可以为云产品的系统事件设置报警规则，当异常发生时，您可以及时收到报警通知，便于快速分析并定位问题。本文为您介绍自定义事件报警规则的创建方法。前提条件 请确保您已上报自定义事件...
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...
API概览
本产品（云监控/2019-01-01）的OpenAPI采用 RPC 签名风格，签名细节参见 签名机制说明。我们已经为开发者封装了常见编程语言的SDK，开发者可通过 下载SDK 直接调用本产品OpenAPI而无需关心技术细节。如果现有SDK不能满足使用需求，可通过...
什么是云监控
使用云监控，不但可以帮助您提升系统服务可用时长，还可以降低企业IT运维监控成本。云监控通过提供跨云服务和跨地域的应用分组管理模型和报警模板，帮助您快速构建支持几十种云服务、管理数万实例的高效监控报警管理体系。云监控用于监控各...
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...
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...
云监控告警
连接数告警 QPS告警 状态码告警 DDoS黑洞事件告警 事件监控告警 您可以设置事件监控报警通知，及时获知DDoS高防（中国内地）和DDoS高防（非中国内地）上发生的黑洞、清洗、四层CC攻击、七层CC攻击事件，并在发生故障时及时发现问题，缩短...
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...
管理自定义事件报警规则
云监控集中管理各云产品的系统事件和自定义事件。您可以为云产品的自定义事件设置报警规则，当异常发生时，您可以及时收到报警通知，便于快速分析并定位问题。背景信息 说明 旧版系统事件报警规则功能已不再升级，功能会逐步下线，建议您...
附录1 云产品监控指标
表格存储 PCDN 安全加速 智能媒体管理 云通信 物联网平台-服务端订阅 物联网平台-实例 监控与管理 操作审计 视频服务 媒体处理 音视频通信RTC 视频直播 视频点播 视频点播-播放质量 大数据（数加）分析型数据库 数据总线DataHub 阿里云...
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...
版本升级说明
云监控插件可以采集主机操作系统的监控数据，对主机监控有重要价值。云监控插件将不断升级版本，以便给您带来更好的监控体验。升级原因 云监控插件版本的升级原因如下：云监控插件会一直迭代新版本，从而增加新特性、修复稳定性问题和优化...
ECS系统事件概述
说明 非预期运维事件一般指的是因底层宿主机发生了无法预测的故障，或者ECS实例的操作系统发生了内核错误等问题，导致ECS实例突然出现宕机或重启。因宿主机故障导致ECS实例宕机或重启事件（SystemFailure.Reboot）属于偶发现象，无法避免。...
概览
智能阈值报警是针对云监控中的云资源实例的监控指标推出的智能报警功能，它自动适配并拟合监控指标的历史数据，展示报警阈值边界，发现监控指标突增或突降的异常行为，为您业务的稳定性提供保障。什么是智能阈值 智能阈值基于机器学习算法...
通过PC端探测目标站点的网络质量
云监控通过站点监控的探测点（请求方）模拟最终用户的访问行为，从而获得各地域探测点到目标地址（监控地址）的访问数据。当您希望通过阿里云网络、运营商网络和海外云服务提供商网络探测目标站点时，用PC端探测。前提条件 请确保您已创建...
通过移动端探测目标站点的网络质量
云监控通过站点监控的探测点（请求方）模拟最终用户的访问行为，从而获得各地域探测点到目标地址（监控地址）的访问数据。当您希望通过蜂窝网络探测目标站点时，用移动端探测。前提条件 请确保您已创建报警联系人和报警联系人组。具体操作...
故障演练
故障演练就是这个背景下诞生的，沉淀通用的故障场景，以可控成本在线上故障重放，以持续性的演练和回归方式的运营来暴露问题，不断验证和推动系统、工具、流程、人员能力的提升，从而提前发现并修复可避免的重大问题，或通过验证故障发现...
如何使用Prometheus监控Windows
每套完整的自建监控系统都需要安装并配置Prometheus、Grafana、AlertManager等，其过程复杂、实施周期长。缺少与阿里云ECS快速集成的服务发现（ServiceDiscovery）机制，因此无法根据ECS标签来灵活定义抓取Targets。如果自行实现类似功能，...
如何使用Prometheus监控Windows
每套完整的自建监控系统都需要安装并配置Prometheus、Grafana、AlertManager等，其过程复杂、实施周期长。缺少与阿里云ECS快速集成的服务发现（ServiceDiscovery）机制，因此无法根据ECS标签来灵活定义抓取Targets。如果自行实现类似功能，...
查看NAS性能监控
通过性能监控功能，您可以实时查看文件系统的IOPS、吞吐、延迟等性能概况。本文介绍如何查看 NAS 文件系统的性能监控数据。前提条件 已创建 NAS 文件系统。具体操作，请参见 创建文件系统。已开通云监控服务。您可以登录 云监控产品详情页...
- 产品推荐
- 这些文档可能帮助您