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...
故障管理
系统软件故障：包括操作系统死机、数据库的各类故障。硬件故障：包括硬盘、网卡损坏。相关设备故障：包括UPS失效引起的电力中断。自然灾害，包括洪水、火灾、地震。这里以阿里集团为例。为降低故障的影响，阿里集团故障管理体系从整体体系...
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，...
主从实例读写分离部署（共享存储）
数据状态保存在盘古分布式存储系统中，无需从计算节点迁移，计算节点轻量无状态，系统可以快速从故障中恢复。该方案为当前每个实例内部默认启用，当系统发生故障时，无需手工运维介入，系统可以自动恢复。在恢复期间，如果查询算子需要访问...
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，...
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...
什么是容器报警演练
不同于其他故障演练模块对系统注入真实故障，报警演练只会对集群的API Server投递事件，由事件触发报警链路，不会对系统造成真实故障。无侵入。无需在用户集群中安装探针以注入故障，所有事件投递都是通过API Server来进行网络请求。
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：...
故障演练
ADP提供基于线下交付经验设计的丰富故障演练场景，对基础设施、底座、中间件的常见故障场景进行覆盖，涵盖了集群级别的大规模故障以及节点、pod级别的资源故障。部分演练场景为破坏性场景（如机器重启、网卡损坏），可能导致环境状态异常、...
演练场景说明
网络故障是系统运行过程中时常遇到的问题，所以需要提升系统在网络异常情况下的容错能力。Java 场景名称 特性 虚拟机场景 故障演练支持的虚拟机场景。代码逻辑场景 故障演练支持的代码逻辑场景。JVM注入动态脚本 向指定的Java方法注入一段...
同城容灾架构概述
非机房级故障（某个机房的单产品故障，例如其中一个机房的ECS服务器损坏），可以通过对单产品的灾备设计来保障发生故障时系统及时切换。应用设计相关参考标准 应用设计相关参考标准如下：无状态化。分布式集群设计、避免单点逻辑出现。幂等...
debug
更正文档 概述 AliOS Things 调试诊断（debug）组件支持以下功能：异常管理，在系统异常后接管异常，并输出系统快照coredump信息 提供常见的系统调试诊断接口；提供常见的CLI调试命令（可输入help查看），如：cpuusage：查询cpu利用率 ...
标准版-双副本
主节点提供日常服务访问，备节点提供HA高可用，当主节点发生故障，系统会自动在30秒内切换至备节点，保证业务平稳运行。特点 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。主节点对外提供访问，用户可...
Linux系统的ECS实例运行卡顿，在/var/log/messages...
系统内核问题：当系统内核存在漏洞或者其他问题时，可能会出现hung task故障。系统资源紧张：ECS实例中应用或进程占用系统资源使用率（如CPU、内存等）过高时，可能会出现hung task故障。解决方案 出现hung task的原因比较复杂，您可以参考...
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...
概述
数据库治理的常见问题 系统对外提供查询接口，由于SQL语句涉及多表Join，因此可能会触发慢查询，最终导致DB连接池/Tomcat线程池满，应用整体不可用。在应用启动时，数据库Druid连接池处于初始化，同时伴有大量请求进入，可能导致Dubbo的...
通用性能
系统指标 指标详细 维度 能力 说明 系统部署 Agent自动注册 按规模可选择Agent集群式入网，高可用执行分钟级故障切换 系统性能 自动化峰值调用性能：100/分钟 自动化任务下发 并发调用性能：100台设备并行配置 系统稳定 系统动态扩容能力：...
ECS系统事件概述
系统事件由阿里云定义，用于记录和通知云资源的信息，例如运维任务执行情况、资源是否出现异常、资源状态变化等。说明 阿里云有众多产品支持系统事件，例如ECS、RDS、SLB等。本文仅说明云服务器ECS支持的系统事件，如需了解其他产品的系统...
Linux系统的ECS实例中软件源配置说明，及常见问题的...
本文介绍常用Linux系统的ECS实例中软件源的配置说明，以及配置软件源过程中常见问题的解决方案。常见Linux系统软件源配置概要说明 进入 阿里云官方镜像站。找到所需的Linux系统，查看对应的源配置说明。说明 您也可以 通过脚本文件自动更新...
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...
概述
但随着各公司业务范围的扩展和软件系统架构持续迭代升级，系统的复杂度随之增加，面对更多的非预期事件风险，如各类软硬件故障、错误的变更、突发流量，甚至到光纤挖断、自然灾害等引起的整个机房不可用情况，如何保障系统稳定性具有很大...
实例的节点故障处理机制
当节点发生故障后，系统会对故障节点进行检查与修复。节点故障期间实例的相关服务不可用。说明 单节点实例适用于测试、培训、非核心业务等场景，生产环境建议使用副本集实例或分片集群实例以保障服务的高可用性。副本集 图 1.副本集架构 ...
网络诊断
重要 使用故障诊断功能时，系统将在您的集群节点上执行数据采集程序并收集检查结果。采集的信息包括系统版本、负载、Docker、Kubelet等运行状态及系统日志中关键错误信息。数据采集程序不会采集您的业务信息及敏感数据。前提条件 已创建ACK...
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...
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，...
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...
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...注意：如未设置备用地址池，则代表当默认地址池出现故障时，系统将摘除故障地址，但不支持智能切换。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。
灾备方案
图 1.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★主备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。同城容灾方案...
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...
主备方案介绍
灾备方案 说明 单可用区高可用方案 主备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）系统监控主备节点的健康状态并自动执行故障切换，避免单点故障引起的服务中断。同城容灾方案 主备节点...
GTM如何实现同城容灾
常见问题 故障切换时间是多少？在健康检查间隔设置为15秒，TTL10秒，连续失败次数3次的配置下，GTM能在1分钟左右准确发现故障并切换，故障切换后理论上10秒左右可以全网生效，但实际情况取决于全国各地运营商的缓存设置时间。DNS未使用云...
灾备方案介绍
图 1.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★主备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。同城容灾方案...
应用场景
能够解决 多源监控集成：支持多个常见监控系统集成，简单配置即可完成集成对接。报警统一处理：所有报警进行集中降噪处理，抑制收敛，避免报警风暴。事件闭环管理：对报警生成事件，进行全生命周期管理，不遗漏重大事件。体系化故障闭环...
Windows实例中数据恢复
本文介绍了Windows系统下常见的数据盘分区丢失的问题以及对应的处理方法，同时提供了使用云盘的常见误区以及最佳实践，避免可能的数据丢失风险。前提条件 已注册阿里云账号。如还未注册，请先完成 账号注册。在修复数据前，您必须先对丢失...
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...
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。...
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...
操作系统迁移（Windows）
常见错误及修复方案的更多信息，请参见 SMC FAQ 和 故障排除。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。在 云盘快照 页签下...
- 产品推荐
- 这些文档可能帮助您