ECS整机恢复
当ECS整机发生系统故障或者错误操作时，您可以通过备份点的克隆和恢复功能，实现ECS整机回退和创建新的ECS整机。本文介绍整机恢复的相关操作。前提条件 已创建ECS整机备份。具体操作，请参见 备份ECS整机。重要 当源ECS存在时，支持直接...
云盘恢复
当ECS挂载的云盘发生系统故障或者错误操作时，您可以通过云盘在源地域的备份点或者复制到目标地域后的备份点，进行原盘恢复或者创建新盘操作来实现数据恢复。前提条件 已创建ECS整机备份。具体操作，请参见 备份ECS整机。背景信息 云盘恢复...
故障处理流程
当智能接入网关设备发生网络故障后，您可以先观察现象、收集信息，然后对现象和信息进行分析诊断，尝试修复问题。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...
多可用区部署
当主实例1发生故障或者可用区A不可用时，用户将访问的连接切换至备实例2或者可用区B，从而实现高可用，主备容灾的高可用架构图如下所示。主备容灾的方案虽然能够满足大部分用户的高可用需求，但是这种主备容灾方案并不适用所有的业务，存在...
混合云解决方案
如果MASTER 宕机，发生了故障转移，此时SLAVE如果要提供服务，日志读取器会等待镜像日志先同步，再做发布，但如果MASTER发生硬件故障，此时SLAVE需要打开一个跟踪标记1448，在镜像故障的情况下可以继续分发数据。说明 1448标记用于在事务...
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...
应用故障自动诊断
如果发现问题，则会在应用总览页面上方闪现一个红色盾牌图标，单击该图标即可弹出故障诊断报告，故障报告上的故障定界和根因分析可以帮助您更好地发现和解决问题。常见的故障自动诊断场景 RT突增 下游业务导致的本应用的RT突增，您可以联系...
围绕混沌工程的平台实践
因此混沌工程是一门学科，它提供了基本的理论指导，而故障演练是混沌工程的具体实践，通过向目标系统注入真实可能发生的故障来考量系统的稳定性。混沌工程和AHAS Chaos AHAS Chaos是以混沌工程为理论指导的故障演练平台，目标是成为混沌...
演练场景
故障演练是业务系统上线前必要的演练环节，旨在对应急预案的可行性，进一步完成应急预案，从而帮助提升产品、集群、机房的稳定性，减少故障的发生，提高故障应急效率，进而提升产品竞争力。一个完整的故障演练过程为 创建故障原子服务>创建...
自助诊断GPU节点问题
ACK集群提供节点级别的GPU诊断功能，供您进行部分GPU相关问题的故障排查。如果您在ACK Pro版集群中使用GPU节点时遇到问题，可以启用GPU节点自助诊断，采集GPU诊断的基础指标进行问题排查。本文介绍如何使用节点诊断功能，自助排查GPU节点...
应用场景
如果主地域发生故障，您可以将用户请求切换到灾备地域。异地多活 随着业务的快速发展和用户数量的增长，如果业务部署在单个地域中，可能会面临如下问题：用户在地理位置上分布较广，地理位置较远的用户访问延迟较高，影响用户体验。单个...
为RDS创建灾备实例
当RDS实例所在可用地域发生故障时，可基于灾备实例快速恢复服务。应用场景 创建RDS灾备实例可以为主实例提供数据备份和灾难恢复保障，当主实例出现故障或不可用时，灾备实例将自动接管数据服务，保证业务的连续性和可用性。风险等级 默认...
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。
名词解释
这种模式下，两个城市的三个数据中心互联互通，如果⼀个数据中心发生故障或灾难，其他数据中心可以正常运行并对关键业务或全部业务实现接管。命名空间 多活命名空间MSHA Namespace，是一个逻辑租户的概念，用于进行租户粒度的管控配置和云...
单实例快速恢复
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恢复中的节点，则查询会立即失败。节点恢复速度在一分钟左右，当表数量明显增加时，恢复时间会更长。Hologres...
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。...
AliPG优势
支持 逻辑复制槽故障转移（Logical Replication Slot Failover），在使用逻辑复制功能时,主备切换不影响逻辑复制可靠性。支持 透明数据加密，对数据文件进行实时加密和解密，保护用户数据隐私。支持 SSL链路加密，对网络连接进行加密，保证...
什么是读写分离
提升数据库系统的可用性 读写分离模块自动对集群内的所有节点进行健康检查，当发现某个节点宕机或者延迟超过阈值后，PolarDB 将不再分配读请求给该节点，读写请求在剩余的健康节点间进行分配，以此确保单个只读节点发生故障时，不会影响...
自研内核
支持 逻辑复制槽故障转移（Logical Replication Slot Failover），在使用逻辑复制功能时,主备切换不影响逻辑复制可靠性。支持 透明数据加密，对数据文件进行实时加密和解密，保护用户数据隐私。支持 SSL链路加密，对网络连接进行加密，保证...
什么是读写分离
以此确保单个只读实例发生故障时，不会影响应用的正常访问。当实例被修复后，RDS会自动将该实例纳回请求分配体系内。说明 为避免单点故障，建议您为一个主实例创建至少两个只读实例。请求转发逻辑 只发往主实例 INSERT、UPDATE、DELETE、...
故障协同处理（基于钉钉）
时间线：展示故障的时间线记录，其中有7个节点必须完善详细内容，节点已用红星标注，包含：故障发生、故障发现、故障通告、业务响应、初因定位、恢复执行和故障恢复。节点记录和PC端故障时间线保持一致。复盘 按钮：故障恢复后，需进行故障...
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...
同城多活架构实践
在杭州单元格B的商品应用发生故障的情况下，可使用MSHA切流功能将流量全部切换到另外的单元格，进行快速业务恢复（这里区别于传统的思路，不是去排查、处理和修复故障，而是立即使用切流进行恢复，将业务恢复和故障恢复解耦）。容灾切换...
源为PolarDB-X的功能规范和约束说明
警告 异常切流是指源实例或者源实例所在的数据中心发生故障时进行的切流操作。这类操作都是有损操作。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...
源为PolarDB-X的功能规范和约束说明
警告 异常切流是指源实例或者源实例所在的数据中心发生故障时进行的切流操作。这类操作都是有损操作，例如导致数据不一致或任务失败。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，...
应用场景
以此，降低产品使用过程中故障发生概率，提高故障恢复效率，进而实现产品高可用性的有效提升。机房级容灾 同城双活 同一个城市，建设两个机房环境，两地距离 50 km 以内，万兆光纤专线互连，业务应用层面可以两个机房同时提供业务服务，当...
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...
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...
故障演练
但这些措施在故障发生时的有效性、故障恢复工具的真实容灾能力、处理问题人员的熟练度，沟通机制、容灾措施对上层的影响等问题，平时并没有太多的机会验证，往往都是在真实故障中暴露。故障演练就是这个背景下诞生的，沉淀通用的故障场景，...
InnoDB Physiological Logging
物理日志（Physical logging）物理日志是指在日志中保存一个页中发生改变的字节，是纯物理格式的日志，逐字节的记录数据的改动。比如[start,end,'xxxx']格式的内容改动。优点 高效率，并且可以直接修改物理格式，任何操作都不需要重新遍历...
AIOps 解决方案专家服务内容说明
根据智能AI算法和阿里多年积累的AIOps经验，在故障发生后，提供自动化解决方案。在方案设计中我们提供包括时序预测和根因分析、历史数据预测的3大类算法场景的设计，更多具体算法详见《10.1算法列表》《智能故障发现设计方案》3 定制化业务...
实时分析链路数据
如果异常请求分散在多台机器，那么大概率可以排除单机故障因素，可以重点分析下游依赖服务或程序逻辑是否异常。在 调用链分析 页面筛选错误调用或慢调用，并设置按IP进行分组统计，如果异常调用集中出现在特定机器，则有较大概率是机器故障...
错误处理
5s DefaultRetryInterval 指数退避重试策略的抖动值，以避免多个故障客户端在同一时间点发起重试请求。10 ms MaxRetryInterval 两次重试之间的最大时间间隔。320 ms Transport 管理HTTP客户端的底层传输属性，默认为nil。如果设置了该参数...
单元化介绍
而且业务量的增长也让系统单机房运行的风险激增，一旦发生机房断电或是其他灾害导致机房故障，就会让整个系统完全瘫痪。机房不能放在一个篮子里，必须让系统在两个或更多 IDC 内运行。多机房部署通常有以下两种模式：垂直模式：将全站应用...
同城容灾演练产品概述
分布式集群设计、避免单点逻辑出现。幂等。异步化、松耦合、可中断、可重试。面向失败的架构设计。断网演练对业务的影响介绍 演练之前需对自身的部署架构进行充分评估。符合同城容灾架构相关标准只是具有同城容灾能力的基础条件，实际是否...
应用容灾
当灾难发生时，多活系统可以分钟级内实现业务流量切换，用户甚至感受不到灾难发生。“同城多活架构”和“异地多活架构”（代号“单元化”）都是典型的应用多活实现技术。应用多活的优势 分钟级RTO：恢复时间快，阿里内部生产级别恢复时间...
混沌工程缓存实战系列-Redis
借助混沌工程可以了解到问题发生时对系统、业务的影响面是否符合预期。梳理演练场景 对于示例应用，可以按照以下思路来梳理演练场景：明确缓存监控的指标。分析影响这些指标可能的因素、故障场景、参数等。因为客户端层面的影响面可控，...
Redis客户端重连指南
由于受网络和运行环境的影响，应用程序可能会遇到暂时性的故障，例如瞬时的网络抖动、服务暂时不可用、服务繁忙导致超时等。通过设计自动重试机制可以大幅避免此类故障，保障操作的成功执行。引发暂时性故障的原因 原因 说明 故障触发了高...
Tair客户端重连指南
由于受网络和运行环境的影响，应用程序可能会遇到暂时性的故障，例如瞬时的网络抖动、服务暂时不可用、服务繁忙导致超时等。通过设计自动重试机制可以大幅避免此类故障，保障操作的成功执行。引发暂时性故障的原因 原因 说明 故障触发了高...
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...
- 产品推荐
- 这些文档可能帮助您