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。
应用场景
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。其他应用场景 降低管理难度：同时维护多套监控系统，操作成本高，降低管理难度。规避报警风暴：单监控源的报警不能...
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...
故障基础数据管理
服务组&值班表管理 将故障应急的相关人员群体，通过前置到故障场景的干系人做绑定配置，同时支持服务组和值班表，实现故障启动后自动快速通知负责人上线处理的效果。在设计相应的管理方案时，需要考虑以下内容：服务组：提供服务的人员群体...
故障演练
故障演练是整体容灾流程中极其重要的一环。本文介绍ECS容灾中故障演练的操作流程。故障演练的意义 故障演练将被容灾保护的服务器在云上拉起并验证应用正确性，是容灾流程整体中及其重要的一环，它的核心意义在于：方便地验证被容灾保护的...
故障演练
故障演练是整体容灾流程中极其重要的一环。本文介绍ECS容灾中故障演练的操作流程。故障演练的意义 故障演练将被容灾保护的服务器在云上拉起并验证应用正确性，是容灾流程整体中及其重要的一环，它的核心意义在于：方便地验证被容灾保护的...
同城多活架构实践
虽然故障最终得以解决，但故障导致的客户流失和企业口碑影响，对快速发展的业务造成不小的打击，迫使企业开始重视同城多活容灾能力的建设，以及定期做故障演练确保故障恢复能力的有效性。同城多活架构改造 基于MSHA多活容灾解决方案，您...
业务连续性
数据的备份和恢复 故障时流量转移可以很好地避免地域级别故障造成业务中断，但此时故障地域的数据服务也可能同样不可用。为了让业务在备地域的应用启用期间也能正常运转，您需要根据自身的业务设计合适的方案，在非故障期间将数据从主地域...
如何配置流转规则
如 P3 故障持续 60分钟未解决 后，自动升级至 P2。故障升级仅支持逐级上升，不可跨级上升。业务监控来源：触发事件&报警&故障 重要 以下规则 仅适用于业务监控 的监控源。且进行流转规则配置时，会按当前 关联服务 进行告警数据过滤，因此...
功能特性
自动SQL优化 智能压测 确认数据库实例规格是否需要扩容，并验证在真实业务场景下的实际效果，降低上线后引发故障的风险。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...
动态与公告
功能/版本 历史版本GTM标准版 新版GTM标准版 新版GTM旗舰版 全网故障恢复时间=故障切换时间+全网生效时间 在健康检查间隔设置为1分钟，TTL60秒，连续失败次数3次的配置下，GTM能在4分钟左右准确发现故障并切换，故障切换后理论上60秒左右...
GTM如何实现同城容灾
概述 方案介绍 同城容灾指应用服务部署是多机房、单地域时，当其中一机房出现故障时，全局流量管理（简称GTM）可实现业务7*24小时稳定运行，即使单机房故障也不影响业务的可持续性，保障用户访问连续不间断。本文将以同城双活的灾备架构为...
GTM实现跨网访问加速与故障切换
概述 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...
GTM如何实现异地容灾
概述 方案介绍 异地容灾是指应用服务部署在不同地域时，当其中一地出现故障时，全局流量管理（简称GTM）可以将出现故障地域的用户访问流量，调度至异地灾备中心，保障用户访问连续不间断。本文将以两地三中心灾备架构为读者讲解异地灾备的...
ZooKeeper的使用场景和MSE ZooKeeper的优势
例如，当一个5节点的ZooKeeper集群，部署在3个可用区的时候，它应该是2/2/1的分布，任意一个可用区出现故障，不影响ZooKeeper的整体可用性，同时阿里云AZ之间的延时低于3ms，可以做到故障的风险可控。高可用负载均衡：MSE ZooKeeper提供的...
SOFAMesh 服务网格总体经济影响报告
故障复盘资源消耗节省 对于监管要求极高的金融企业，在故障出现后要进行全面复盘，以确保系统未来的可用性，避免类似事故发生。但复盘也消耗大量开发运维人员的时间，对工作效率产生影响。组件能力提升 解耦后的微服务的公共组件、业务组件...
步骤七：故障切换
保护组进入增量复制状态后，您就可以进行故障切换操作。本文介绍故障切换和恢复的基本操作。故障切换类型 数据同步后切换 该故障切换会先停止保护组中被保护的实例，并且等到所有被保护的实例停止后再进行最后一轮数据同步，等待数据同步...
Node演练场景
Kubernetes集群中Node资源故障场景，包含CPU、网络和进程等基础资源类演练场景。每个Node场景下都包含通用的Node筛选参数，用于查找目标Node。通用参数说明 参数名称 参数说明 节点名称 节点资源名，选择多个节点资源时资源名之间使用逗号...
步骤七：故障切换
保护组进入增量复制状态后，您就可以进行故障切换操作。本文介绍故障切换和恢复的基本操作。故障切换类型 数据同步后切换 该故障切换会先停止保护组中被保护的实例，并且等到所有被保护的实例停止后再进行最后一轮数据同步，等待数据同步...
服务等级目标SLO概述
短时间内的高故障率和低故障率且持续时间较长的故障才能触发告警，避免不必要的告警分散运维人员的精力从而错过真正关键的问题。多窗口能够在计算一段时间的故障率时同时设置一个短时间窗口，当短时间窗口内的故障率低于阈值时结束告警。...
服务等级目标SLO概述
短时间内的高故障率和低故障率且持续时间较长的故障才能触发告警，避免不必要的告警分散运维人员的精力从而错过真正关键的问题。多窗口能够在计算一段时间的故障率时同时设置一个短时间窗口，当短时间窗口内的故障率低于阈值时结束告警。...
产品价格
版本配置 功能项 标准版 旗舰版 全网故障恢复时间=故障切换时间+全网生效时间 在健康检查间隔设置为1分钟，TTL60秒，连续失败次数3次的配置下，GTM能在4分钟左右准确发现故障并切换，故障切换后理论上60秒左右可以全网生效，但实际情况取决...
容灾管理服务介绍
针对有高可用需求的用户，CADT容灾管理服务提供规划、优化、部署、演练高可用业务的能力，在业务上线前及业务上线后定期进行容灾演练，验证系统是否能够抵御资源故障或者AZ故障，保障系统健壮性。主要功能 容灾规划 在用户部署资源前，通过...
Container演练场景
Kubernetes集群中Pod资源下的容器故障场景，包含容器以及容器内故障场景。每个容器故障场景下都包含通用的容器筛选参数，用于查找目标容器。通用参数 参数名称 参数说明 Pod资源名称 Pod资源名称，多个资源名称之间使用逗号分隔，表示选择...
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...
Pod演练场景
Kubernetes集群中Pod资源故障场景，包含删除Pod和Pod网络异常场景。每个Pod场景下都包含通用的Pod筛选参数，用于查找目标Pod。通用参数 参数名称 参数说明 Pod资源名称 Pod资源名称，多个资源名称之间使用逗号分隔，表示选择多个Pod。Pod...
AIOps 解决方案专家服务内容说明
智能故障发现解决方案 基于调研与评估的结果，为客户设计智能故障发现解决方案，包含：多账号统一监控数据接入，并根据应用分组为客户设计AI算法能力用于实时故障发现，并根据分析结果智能定位根因，提供实时异常检测的稳定性方案，保障...
访问策略
概述 访问策略是针对用户配置相应的访问策略，在此环节需要设置最终用户访问哪一个地址池。前提条件 已完成创建实例和云资源访问授权的操作。...如默认地址池摘除故障地址后，还有存活的IP地址，那么则响应剩余存活的IP地址。
组复制简介
例如，5个节点的集群，3个节点收到Binlog，2个节点未收到Binlog，此时有2个节点故障：如果故障的2个节点是收到Binlog的节点，那至少还有1个节点上有数据。如果故障的2个节点是没收到Binlog的节点，那至少还有3个节点上有数据。说明 多数派...
步骤七：故障切换
保护组进入增量复制状态后，您就可以进行故障切换操作。本文介绍故障切换和恢复的基本操作。故障切换类型 数据同步后切换 该故障切换会先停止保护组中被保护的实例，并且等到所有被保护的实例停止后再进行最后一轮数据同步，等待数据同步...
步骤七：故障切换
保护组进入增量复制状态后，您就可以进行故障切换操作。本文介绍故障切换和恢复的基本操作。故障切换类型 数据同步后切换 该故障切换会先停止保护组中被保护的实例，并且等到所有被保护的实例停止后再进行最后一轮数据同步，等待数据同步...
通过CADT实现NLB可用区级容灾演练
云速搭CADT（Cloud Architect Design Tools）容灾管理服务提供规划、部署、演练高可用业务的能力，在业务上线前及业务上线后定期进行容灾演练，验证系统是否能够抵御资源故障或者可用区故障，保障系统健壮性。本文为您介绍如何通过CADT实现...
高可用性
当可用区故障恢复后，通过恢复操作，恢复被切流的可用区，并自动移除切流时补充的计算资源。从而在潜在的可用区故障情况下，实现对客户业务无感知的切换，提升服务稳定性。更多信息，请参见 部署和使用跨可用区实例。AliES内核增强 阿里云...
通过CADT实现ALB可用区级容灾演练
云速搭CADT（Cloud Architect Design Tools）容灾管理服务提供规划、部署、演练高可用业务的能力，在业务上线前及业务上线后定期进行容灾演练，验证系统是否能够抵御资源故障或者可用区故障，保障系统健壮性。本文为您介绍如何通过CADT实现...
发现并处理大Key和热Key
在使用 云原生内存数据库Tair 的过程中，如果未能及时发现并处理Big keys（下文称为“大Key”）与Hotkeys（下文称为“热Key”），可能会导致服务性能下降、用户体验变差，甚至引发大面积故障。本文将介绍大Key与热Key产生的原因、其可能...
源为PolarDB-X的功能规范和约束说明
在出现故障（如网络中断、机房批量设备故障或互联网数据中心IDC故障），且DTS任务存在延迟的情况下，此时如更新至目标库的最后一条数据的时间与故障发生时的时间之差小于RPO（如5分钟），则可以业务优先恢复为准则切流。切流后可能有5分钟...
源为PolarDB-X的功能规范和约束说明
在出现故障（如网络中断、机房批量设备故障或互联网数据中心IDC故障），且DTS任务存在延迟的情况下，此时如更新至目标库的最后一条数据的时间与故障发生时的时间之差小于RPO（如5分钟），则可以业务优先恢复为准则切流。切流后可能有5分钟...
发现并处理Redis的大Key和热Key
在使用Redis的过程中，如果未能及时发现并处理Big keys（下文称为“大Key”）与Hotkeys（下文称为“热Key”），可能会导致服务性能下降、用户体验变差，甚至引发大面积故障。本文将介绍大Key与热Key产生的原因、其可能引发的问题及如何快速...
操作流程
步骤七：故障切换 数据同步后切换 该故障切换会先停止保护组中被保护的实例，并且等到所有被保护的实例停止后再进行最后一轮数据同步，等待数据同步完成后再启动切换。这样可以保证容灾端与生产端数据完全一致，无数据丢失。该切换模式适用...
操作流程
步骤七：故障切换 数据同步后切换 该故障切换会先停止保护组中被保护的实例，并且等到所有被保护的实例停止后再进行最后一轮数据同步，等待数据同步完成后再启动切换。这样可以保证容灾端与生产端数据完全一致，无数据丢失。该切换模式适用...
- 产品推荐
- 这些文档可能帮助您