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...
PTS压测快速入门
演练阶段：在演练排查阶段，您需要对系统进行故障演练，进而发现并验证系统问题，锻炼系统及相关人员的应急能力，阿里云提供了 故障演练 平台帮助您演练预案。更多信息，请参见 什么是故障演练。容灾阶段：在容灾防护阶段，您需要构建系统...
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...
Windows系统的ECS实例ping外网地址提示“一般故障”...
本文介绍Windows系统的ECS实例ping外网地址提示“一般故障”的错误原因和解决方案。问题现象 Windows系统的ECS实例ping外网地址时提示“一般故障”错误。问题原因 出现该问题可能有以下原因：可能原因 排查方案 ECS实例中安装了第三方杀毒...
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，...
光模块故障
本文介绍光模块发生故障的原因和处理方法。问题现象 光模块连接后，接口指示灯没有变为绿色。可能原因 光模块不兼容或损坏。智能接入网关设备支持的光模块型号请参见 光模块型号。说明 目前仅SAG-1000设备支持光模块插入。解决方案 通用多...
设备和交换机之间的链路故障
本文介绍SAG-1000设备发生设备和交换机之间链路故障的原因和处理方法。问题现象 设备和交换机接口之间ping不通。设备的Web端口配置页，端口前的状态灯为红色。动态路由OSPF接入时，Web端口配置页，端口前的状态灯为红色。设备的Web状态查询...
Windows操作系统云虚拟主机耗资源（客户程序故障）...
本文主要介绍Windows操作系统云虚拟主机耗资源（客户程序故障）问题的原因分析及处理意见。调用Access程序问题（最常见）原因：Access数据库大小超过30M，频繁调用时耗用系统资源。解决方法：将数据库大小压缩到30M以内，或者升级到SQL ...
Linux系统的ECS实例系统无响应，系统日志中出现“BUG:...
BUG:soft lockup-CPU#0 stuck for 61s 问题原因 该问题通常是由于ECS实例中，系统内核长时间占用CPU资源导致出现软死锁（soft lockup）故障，内核长时间占用CPU资源可能有以下原因：系统负载过高 内核死循环或死锁 内核调度问题 内核出现...
故障协同处理（基于钉钉）
2.故障应急场景群：事件升级故障后，群内推出 故障处理中 消息卡片，如果满足自动生成故障场景群的需求（下文详细介绍创建故障场景群逻辑），故障场景群内同时推出 故障处理中 消息卡片。本群故障消息卡片包含按钮：签到、签到记录、应急...
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...
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，切换过程中，都可能会出现30秒左右的闪断，因此切换前请务必确保应用具备重连机制。...
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，切换过程中，都可能会出现30秒左右的闪断，因此切换前请务必确保应用具备重连机制。...
出错提示M11源系统迁移准备出错
本文主要介绍在Linux操作系统迁移时，迁移任务出错提示“M11”信息时的问题描述、问题原因及其解决方案。问题描述 在使用SMC操作系统迁移到AliOS时，迁移任务出错提示“M11”信息。问题原因 源系统迁移准备出错，可能原因如下：待迁移的源...
出错提示M12源系统迁移升级出错
本文主要介绍在Linux操作系统迁移时，迁移任务出错提示“M12”信息时的问题描述、问题原因及其解决方案。问题描述 在SMC操作系统迁移到AliOS时，迁移任务出错提示“M12”信息。问题原因 源系统迁移升级出错，可能原因如下：软件包下载安装...
什么是推荐全链路深度定制开发平台PAI-REC
推荐系统是一个比较复杂的系统化工程，推荐系统分为离线、在线、实时数据链路和工程架构。推荐系统又分为召回、排序、过滤、重排等模块。PAI-REC的推荐模块和链路均依托于阿里云飞天大数据架构，开发者可结合企业技术栈、开发习惯等灵活...
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...
故障止损恢复
故障初因定位 集成企业内部可利用的所有稳定性相关数据（变更事件，...通用垂直专项快恢能力：通过集成包括DB侧慢SQL限流、变更极速回滚、多活容灾切流快恢等通用的快恢能力，结合监控、日志等数据自动定位的故障原因进行对应的快恢方式推荐。
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...
标准版-双副本
阿里云自研 故障探测切换系统（HA）阿里云Redis服务封装HA切换系统，实时探测主节点的异常情况，可以有效解决磁盘IO故障，CPU故障等问题导致的服务异常，及时进行主从切换，从而保证服务高可用。主从复制机制 阿里云针对Redis主从复制机制...
出错提示S5目标磁盘系统配置出错
本文主要介绍在使用SMC迁移时，迁移任务出错提示“S5_*目标磁盘系统配置出错”的问题描述、问题原因及其解决方案。问题描述 在SMC迁移时，迁移任务出错提示“S5_*目标磁盘系统配置出错”。其中S5_*可能的错误码如下：S5_204 S5_205 S5_206 ...
DeviceWanLinkDown
告警信息 事件名称 事件级别 状态码 状态描述 DeviceWanLinkDown CRITICAL down Wan Link Down 可能原因 WAN链路出现故障。处理方法 请提交工单，联系阿里云工程师。icmsDocProps={'productMethod':'created','language':'zh-CN',};
标准架构
阿里云自研 故障探测切换系统（HA）阿里云 Tair 服务封装HA切换系统，实时探测主节点的异常情况，可以有效解决磁盘IO故障，CPU故障等问题导致的服务异常，及时进行主从切换，从而保证服务高可用。主从复制机制 阿里云针对 Tair 主从复制...
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 ...
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...
错误码
DPN.Bbox.ServerError 错误原因：系统内部错误。解决方案：请提交 工单，或联系Dataphin的支持人员协助处理。DPN.Commons.InternalError 错误原因：系统内部错误。解决方案：请提交 工单，或联系Dataphin的支持人员协助处理。DPN.Os....
挂载文件系统失败故障排查
Windows系统挂载NFS协议的通用型NAS文件系统失败排查思路 Windows系统挂载NFS协议的通用型NAS文件系统失败可能存在多种原因，您可以根据以下步骤依次排查。账号检查。确认ECS实例和挂载点属于同一个账号。如果ECS实例和挂载点不属于同一个...
出错提示M103源系统迁移工具安装出错
本文主要介绍在Linux操作系统迁移时，迁移任务出错提示“M103”信息时的问题描述、问题原因及其解决方案。问题描述 在SMC操作系统迁移到AliOS时，迁移任务出错提示“M103”信息。问题原因 源系统迁移工具安装出错。解决方案 您可以根据出错...
出错提示M101源系统迁移环境不满足
本文主要介绍在Linux操作系统迁移时，迁移任务出错提示“M101”信息时的问题描述、问题原因及其解决方案。问题描述 在SMC操作系统迁移到AliOS时，迁移任务出错提示“M101”信息。问题原因 源系统迁移环境不满足。解决方案 您可以根据出错...
什么是读写分离
读写属性处理逻辑 读写属性 权限分配方式 主实例权重 正常情况 删除最后一个只读实例 只读实例全部故障 只读 系统分配或自定义 主实例权重不可设置 主实例：不可读不可写（不转发）代理地址：可读不可写 主实例：不可读不可写（不转发）...
配置健康检查
健康检查探测到物理专线链路故障后并不会向您发送通知，推荐您为物理专线配置报警规则，物理专线触发报警规则后，系统会向您发送报警通知，方便您及时处理问题。警告 健康检查目标IP地址必须保证能正常回应ping的探测，本地数据中心不能对...
Linux系统的ECS实例运行卡顿，在/var/log/messages...
问题原因 在Linux系统的ECS实例中，当某个进程因为某种原因无法继续执行，并且长时间停滞在某个状态下无法响应，就会发生挂起任务（hung task）故障，出现hung task故障可能原因如下：进程卡住（blocked）：当某个进程在执行过程中出现死锁...
Windows Server 2008 R2出现termdd蓝屏问题，如何处理...
本文介绍Windows Server 2008 R2出现 termdd 蓝屏问题的原因及解决方案。问题描述 Windows Server 2008 R2在运行过程中出现 termdd（错误代码是 0x000000D1 或者其他）蓝屏问题，如下图所示。且Dump信息中显示 termdd.sys（C:\Windows\...
出错提示S3磁盘分区数据同步出错
其中S3_*可能的错误码如下：S3_F30 S3_F32 S3_F6 S3_F4 S3_F40 S3_F70 问题原因 源系统SMC客户端进行磁盘分区块级别的数据同步时出错，可能原因有：S3_F30、S3_F32、S3_F6：源系统磁盘分区数据读取出错。S3_F4：源系统磁盘分区块数据网络...
EasyCkpt：AI大模型高性能状态保存恢复
在训练过程中，可能会遇到硬件故障、系统问题、连接错误、以及其他未知的问题。这种频繁中断导致的训练进度的损失对于耗时又耗资源的大模型训练来说是难以承受的。尽管可以通过做Checkpoint来保存和恢复进度，但Checkpoint本身的耗时与模型...
出错提示S2磁盘分区文件数据同步出错
其中S2_*可能的错误码如下：S2_R255 S2_R11 S2_R1 S2_R12 S2_R70 问题原因 源系统SMC客户端进行磁盘分区文件级别的数据同步时出错，可能原因有：S2_R255：源系统到目标实例的IP:8703端口网络连接不通。S2_R11：迁移任务设置的目标磁盘分区...
性能监控最佳实践
提高故障排查效率：当系统或应用出现故障时，传统的性能监控方案通常需要IT运维人员手动分析监控数据来确定故障原因，这样会浪费大量的时间和精力。而一体化性能监控能够对多种关联的监控数据进行自动分析和处理，帮助IT运维人员快速定位...
访问策略
6.备用地址池是在默认地址池因故障原因不可用时，可以将用户的访问流量切换至备用地址池上。在 备用地址池 的下拉框中，选择已创建的地址池名称，最后单击 下一步。如果您还没有创建地址池，请参考 创建地址池 文档。注意：如未设置备用...
服务等级说明
2.3 除外情形 因下述原因导致的服务不可用的时长不计入服务不可用时间：（1）阿里云预先通知客户后进行系统维护所引起的，包括割接、维修、升级和模拟故障演练；（2）任何阿里云所属设备以外的网络、设备故障或配置调整引起的；（3）客户的...
- 产品推荐
- 这些文档可能帮助您