设备显示离线
可能原因 设备软件故障。设备到阿里云联网故障。解决方案 通过尝试在同一个运营商出口环境内 ping 其他知名网站，确认您的运营商网络正常。如果不正常，请处理运营商网络问题。如果正常，请跳转至 步骤2。请检查设备本身是否上电。电源状态...
GPU Device-Plugin相关操作
在ACK的独占GPU调度场景下，出于某些原因（例如GPU设备故障等），您需要隔离节点上的某个GPU设备，ACK提供了一个机制可供您手动对节点上的某个设备进行隔离，以避免新的Kubernetes设备调度到这个设备上。具体的操作方式如下：在目标节点/...
使用Gang scheduling
功能介绍 Gang scheduling策略可在并发系统中将多个相关联的进程调度到不同处理器上同时运行。最主要的原则是保证所有相关联的进程能够同时启动，防止部分进程的异常，避免整个关联进程组的阻塞。例如，当您提交一个包含多个任务的批量Job...
使用Gang scheduling
功能介绍 Gang scheduling策略可在并发系统中将多个相关联的进程调度到不同处理器上同时运行。最主要的原则是保证所有相关联的进程能够同时启动，防止部分进程的异常，避免整个关联进程组的阻塞。例如，当您提交一个包含多个任务的批量Job...
网络架构容灾
如果为了满足业务对延迟等需求，必须选择相同接入点，也必须保证两条专线在两个不同的接入设备上，这样即使有一台设备故障导致其中一条线路异常时，也可以保证另外一条线路正常运转。专线/VPN主备：在物理专线、IPSec-VPN连接、BGP动态路由...
主备方案介绍
主备容灾：当云数据库HBase实例因不可预料的原因（例如设备故障、机房断电断网等）发生故障，容灾机制可用于保障数据的一致性和业务可用性。功能优势 主备双活：请求低毛刺。故障自动容错。资源利用率高。主备容灾：支持云数据库HBase、EMR...
云盘存储卷FAQ
问题原因 所有的PV中都存在 nodeaffinity 属性，当PV中 nodeaffinity 属性和Pod的 nodeaffinity 属性不一致时，就会出现上述报错，调度器因属性冲突无法调度。解决方案 修改PV或者Pod的属性，使二者属性保持一致。启动挂载了云盘的Pod时...
如何使用Prometheus监控Windows
进程指标 进程是操作系统进行资源分配和调度的基本单位，也是操作系统结构的基础，您可以关注以下主要指标。指标名称 指标级别 指标来源 指标说明 进程CPU占用时间 Major WMI（PercentPrivilegedTime/PercentUserTime）该指标可以直观体现...
如何使用Prometheus监控Windows
进程指标 进程是操作系统进行资源分配和调度的基本单位，也是操作系统结构的基础，您可以关注以下主要指标。指标名称 指标级别 指标来源 指标说明 进程CPU占用时间 Major WMI（PercentPrivilegedTime/PercentUserTime）该指标可以直观体现...
节点诊断
容器智能运维平台 构建了基于专家经验的故障诊断系统，并基于海量数据训练了AI智能故障诊断模型。基于专家经验和AI智能诊断两种诊断模式，节点诊断可以深入定位问题根因。节点诊断包括诊断检查项和诊断根因。诊断检查项：包括Node检查、...
Pod诊断
容器智能运维平台 构建了基于专家经验的故障诊断系统，并基于海量数据训练了AI智能故障诊断模型。Pod诊断融合了基于专家经验和AI智能诊断两种诊断模式，进一步深入定位问题根因。Pod诊断包括诊断检查项和诊断根因。诊断检查项：包括Pod检查...
资源使用优化
容器化改造，提升资源利用率 容器技术通过隔离运行在主机上不同进程，实现进程之间、进程和宿主操作系统相互隔离、互不影响，它有自己的一套文件系统资源和从属进程。容器服务没有管理程序的额外开销，与底层共享操作系统，性能更加优良，...
DeviceLinkDown
告警信息 事件名称 事件级别 状态码 状态描述 DeviceLinkDown CRITICAL linkdown Device Link State Change 可能原因 用户侧交换机设备故障。用户侧交换机配置故障。用户侧交换机和设备的连线问题。处理方法 检查用户侧交换机。...
故障处理流程
本文为您介绍智能接入网关设备故障处理流程。SAG-100WM故障处理流程说明 通过SAG-100WM访问阿里云，发现故障，请参见以下流程排查故障：用户收到告警信息或者发现应用不可用。登录智能接入网关控制台，查看设备状态。访问其他公共网站，...
使用说明
本文介绍将业务程序与远程登录程序进行进程隔离，以保证设备在故障时可以进行远程运维。背景信息 设备基于物联网平台的消息通信能力开展业务，由于不同设备业务的复杂性，以及业务需要定期变更升级，导致设备的业务程序容易出现故障，导致...
通过Docker安装并使用cGPU服务
cGPU服务会从Slice 1开始调度，但如果没有使用某个容器，或者容器内没有进程打开GPU设备，则跳过调度，切换到下一个时间片。示例如下：只创建一个容器Docker 1，获得Slice 1时间片，在Docker 1中运行2个TensorFlow进程，此时Docker 1最大...
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。
WAL日志并行回放
Hold List：并行执行框架中，每个子进程调度执行回放子任务所使用的链表。原理介绍 概述 一条WAL日志可能修改多个数据块Block，因此可以使用如下定义来表示WAL日志的回放过程：假设第 i 条WAL日志LSN为 LSN i ，其修改了 m 个数据块，则...
应用故障自动诊断
在EDAS中进入应用总览页面时，会按照您自定义的时间段对该应用的运行情况做一个自动诊断。...数据支持：这一部分包含了得到推测结论的数据支持，不同故障原因的诊断报告中包含的分析数据将不一样。图 1.故障诊断报告示例图-RT诊断
什么是故障
包括根因检查点（如故障原因、最近活动、注入方式、恢复方式等）、故障变更检查、监控检查，并需要对每一个故障明确责任人及团队；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...
设计方案
故障恢复 定位故障原因后，按照应急预案快速恢复业务，并在事后进行复盘总结。预案执行：在故障响应的过程中，需要按照事先制定的应急预案进行执行。应急预案包括了应急响应流程、各个岗位的职责、处理流程等。预案执行能够保证故障恢复和...
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...
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...
RunServiceSchedule-执行设备服务调度
调用RunServiceSchedule根据客户ID&IP基本信息，为终端设备最优调度空闲资源（实例设备/容器POD），并完成虚拟设备环境的初始化。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以...
ping不通云服务（SAG-100WM）
可能原因 终端到设备的链路故障。设备到阿里云的VPN链路故障。目标ECS故障。运营商网络故障。解决方案 登录 智能接入网关控制台。单击智能接入网关实例ID，查看设备状态是否为 可用。如果离线，请参见 设备显示离线 处理。如果在线，请参见...
无法连接到同一个云连接网内的本地客户端
本文介绍SAG-1000设备无法连接到同一个云连接网内的本地客户端的原因和处理方法。问题现象 SAG-1000设备无法连接到同一个云连接网内的其他本地客户端。可能原因 终端到设备的链路故障。设备到阿里云的VPN链路故障。目标PC环境的网络故障。...
ping不通云服务ECS（SAG-1000）
可能原因 终端到设备的链路故障。设备到阿里云的VPN链路故障。目标ECS故障。运营商网络故障。解决方案 登录 智能接入网关控制台。单击智能接入网关实例ID，查看设备状态是否为 可用。如果离线，请参见 设备显示离线 处理。如果在线，请跳转...
EMR Kafka磁盘故障运维
当出现磁盘故障时，需要根据故障原因、故障影响程度、业务需求（是否接受数据丢失、是否允许服务较长时间不可用）、集群状态等综合考虑恢复采取的策略。如果业务优先保证服务可用，但允许丢失部分数据，则应考虑在可能会丢失数据的情况下，...
常见问题
Node.js 性能平台是如何进程故障诊断的 参见 用户指南-故障诊断。异常日志和性能日志有什么区别 异常日志是由应用写入的日志；性能日志是由运行时在设置了 ENABLE_NODE_LOG=YES（默认不写）后写入到 NODE_LOG_DIR 所指定的目录（默认/tmp）...
计算资源
任务重复执行 由于各种原因导致计算任务被多次执行的情况，如重复操作、消息重复、调度重复等原因。常见的容错策略如下：去重：可以使用唯一标识符来标识任务，检查任务是否已经在系统中存在。如果任务已经存在，则不再重复执行，而是直接...
Pod异常问题排查
本文目录 类别 内容 诊断流程 诊断流程 常见排查方法 检查Pod的状态 检查Pod的详情 检查Pod的配置 检查Pod的事件 检查Pod的日志 检查Pod的监控 使用终端进入容器 Pod故障诊断 常见问题及解决方案 常见的Pod异常状态及处理方式 Pod OOM异常...
Pod异常问题排查
本文目录 类别 内容 诊断流程 诊断流程 常见排查方法 检查Pod的状态 检查Pod的详情 检查Pod的配置 检查Pod的事件 检查Pod的日志 检查Pod的监控 使用终端进入容器 Pod故障诊断 常见问题及解决方案 常见的Pod异常状态及处理方式 Pod OOM异常...
设备和交换机之间的链路故障
可能原因 设备和交换机的连线问题。交换机没有使能接口。设备和交换机的IP配置问题。解决方案 排查设备和交换机之间的接线关系，并确认两端的接口指示灯都是亮的。进入交换机检查接口配置，检查接口是否启用。检查交换机接口IP配置，并检查...
调度概述
功能 描述 参考文档 负载感知调度 在调度过程中，通过参考节点负载的历史统计，将Pod优先调度到负载较低的节点，实现节点负载均衡的目标，避免出现因单个节点负载过高而导致的应用程序或节点故障。使用负载感知调度 使用负载热点打散重调度...
故障排查
排查故障的经典步骤与常见原因 如何通过查看日志排查故障？ACK集群异常 添加Kubernetes集群节点的常见问题 容器镜像仓库构建服务失败问题排查 容器镜像服务源码绑定失败问题排查 Kubernetes集群如何指定安全组 Kubernetes集群网络异常的...
节点异常问题排查
journalctl-u docker Containerd异常处理-RuntimeOffline 问题原因 通常是Containerd配置异常、进程负载异常、节点负载异常等原因导致。Containerd状态为 inactive。节点状态中 RuntimeOffline 为 True。若集群配置了集群节点异常报警，则...
节点异常问题排查
journalctl-u docker Containerd异常处理-RuntimeOffline 问题原因 通常是Containerd配置异常、进程负载异常、节点负载异常等原因导致。Containerd状态为 inactive。节点状态中 RuntimeOffline 为 True。若集群配置了集群节点异常报警，则...
版本说明
本文为您介绍云监控插件的版本...当系统负载较重或其他原因导致云监控插件的系统资源占用超过限制时，插件会自动退出。修复问题 解决Go版本的云监控插件自动修改系统时间等问题。早期版本 云监控插件的早期版本说明，请参见 早期版本说明。
SysOM内核层容器监控
该指标提供了与CPU调度相关的统计数据，包括在当前CPU的调度队列中等待被调度运行的进程的消耗时间，以及当前CPU中运行的时间片长度。sysom_cpu_dist gauge-查看节点的总体调度情况。该指标提供了从进程让出CPU到下一次被调度到CPU上运行...
Pod诊断
容器智能运维平台 构建了基于专家经验的故障诊断系统，并基于海量数据训练了AI智能故障诊断模型。Pod诊断融合了基于专家经验和AI智能诊断两种诊断模式，进一步深入定位问题根因。Pod诊断包括诊断检查项和诊断根因。诊断检查项：包括Pod检查...
- 产品推荐
- 这些文档可能帮助您