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...
采集客户端数据的高可用方案
当Logstore A发生故障时，Logstore B的数据仍然实时可用。当Logstore B发生故障时，Logstore A的数据仍然实时可用。操作步骤：在日志服务控制台上，创建Project和Logstore。创建A地域的Project A和Logstore A。创建B地域的Project B和...
设计方案
从提前发现系统风险、提升测试质量、完善风险预案、加强监控告警、提升故障应急效率等方面做到故障发生前有效预防，故障发生时及时应对，故障恢复后回归验证。基于故障本身打造分布式系统韧性，持续提升软件质量，增强团队对软件生产运行的...
功能概览
当主系统发生故障时，业务系统切换到容灾系统，有效避免了地域性灾害导致的系统故障，保障业务的可用性，满足业务的RTO/RPO核心指标。云盘异步复制是一种基于块存储数据复制能力实现跨地域或者跨可用区数据保护的功能。更多信息，请参见 云...
功能概览
当主系统发生故障时，业务系统切换到容灾系统，有效避免了地域性灾害导致的系统故障，保障业务的可用性，满足业务的RTO、RPO核心指标。云盘异步复制是一种基于块存储数据复制能力实现跨地域或者跨可用区数据保护的功能。更多信息，请参见 ...
云盘异步复制概述
启动云盘异步复制功能 通过异步复制功能实现容灾恢复 您创建并启动云盘异步复制关系后，如果主盘发生故障，您可以通过异步复制提供的故障切换以及反向复制功能对主盘进行容灾恢复。通过异步复制功能实现容灾恢复 删除云盘异步复制关系 创建...
故障演练
例如，模拟在高速通道冗余链路中的一条链路发生故障时，网络流量会自动切换至其他冗余链路的场景。借助该工具，您可以测试和验证您与阿里云组建的混合云组网的可靠性。重要 故障演练会通过将被演练的资源关闭，使资源处于人工构造的故障...
GTM如何实现异地容灾
两地三中心容灾架构，是指在同城双中心的基础上，在异地的城市建立一个备份的灾备中心，用于双中心的数据备份，当双中心出现自然灾害等原因而发生故障时，异地灾备中心可以用备份数据进行业务的恢复。目标读者 企业网络部、业务运维部工作...
服务发布策略
当新版本v2存在问题或者发生故障时，可以快速切回旧版本v1。蓝绿部署的优点：部署结构简单，运维方便。服务升级过程操作简单，周期短。蓝绿部署的缺点：资源冗余，需要部署两套生产环境。新版本故障影响范围大。A/B测试 A/B测试基于用户...
异地应用双活切流
在⼀个数据中心发生故障或灾难的情况下，将流量切换到其他数据中心，其他数据中心可以正常运行并对关键业务或全部业务进行接管，实现故障灾难场景的业务快速恢复。本文将介绍在异地应用双活中如何创建切流任务并查看切流详情。前提条件 ...
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...
GTM如何实现同城容灾
创建1个全局访问策略，解析请求流量 选择 全局，主地址池集合 选择「业务中心01」地址池和「业务中心02」地址池，负载均衡策略 选择 返回全部地址，此设置可实现两个数据中心同时提供服务和发生故障时系统自动摘除故障地址的效果。...
FAQs
答：经过测试团队对GTM多次测试验证，当应用服务发生故障时，GTM能在 3分钟左右 准确发现故障并切换。全网故障恢复时间=故障发现时间+全网生效时间。说明 受限于拨测平台探点发生变化和全国各地运营商TTL缓存原因，如使用不同的拨测平台、...
常见问题-FAQ
答：经过测试团队对GTM多次测试验证，当应用服务发生故障时，GTM最快可在1分钟左右准确发现故障并切换。全网故障恢复时间=故障发现时间+全网生效时间。说明 受限于拨测平台探点发生变化和全国各地运营商TTL缓存原因，如使用不同的拨测平台...
流水单据型业务场景多活实践
说明 基于MSHA流量监控或其他监控能力，确定业务稳态的监控指标，以便在故障发生时判断故障影响面以及在故障恢复后判断业务的实际恢复情况。演练预期如下：下单链路对订单应用是强依赖，强依赖故障会影响业务不可用。故障爆炸半径控制在...
创建DDH
关闭宿主机故障时自动迁移服务：DDH发生故障停机后，您需要 提交工单 申请置换一台健康的DDH。默认值：开启宿主机故障时自动迁移服务。您也可以在创建DDH后修改该配置，具体操作，请参见 设置宕机自动迁移。重要 本地SSD型DDH不支持宿主机...
创建专有宿主机
关闭宿主机故障时自动迁移服务：DDH发生故障停机后，您需要 提交工单 申请置换一台健康的DDH。默认值：开启宿主机故障时自动迁移服务。您也可以在创建DDH后修改该配置，具体操作，请参见 设置宕机自动迁移。重要 本地SSD型DDH不支持宿主机...
步骤五：应用容灾
确保操作人员熟悉容灾恢复流程，当主站真正发生故障时，操作人员可以顺畅地进行容灾切换。按如下步骤进行容灾演练：在 受保护服务器 页签，单击要启动容灾演练服务器右侧对应的 操作 列表下的 容灾演练。在 容灾演练 页面，选择 恢复网络、...
读多写少型业务场景多活实践
在杭州单元发生故障的情况下，可以使用MSHA切流功能将受影响的用户流量切换到另外的单元，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）。容灾切换预期：将...
EasyCkpt：AI大模型高性能状态保存恢复
因此，在发生故障时，迫切需要一种以低成本的方法来保存最新的Checkpoint。这样在重新启动训练时就无需重复计算，从而减少时间和成本的浪费。功能介绍 针对频繁故障的情况，PAI通过之前的故障失败场景总结出以下GPU和深度学习场景故障的...
EMR Kafka磁盘故障运维
当磁盘发生故障时，应及时完成相关故障的处理，及时恢复集群的容错能力。磁盘运维概述 本文从磁盘监控和磁盘故障恢复角度来介绍磁盘运维策略。磁盘监控 以下内容从Kafka服务层面以及ECS系统层面来简单了解一下磁盘的监控策略。Kafka服务...
网络架构容灾
当地址池中地址发生故障时，HealthCheck模块会准确的检测到异常情况并与DNS交互（如下图中序号3所示），摘除故障地址（如下图中序号4所示），这样用户端会自动解析到可用的地址池（如下图中序号5所示）。并当故障地址恢复时，自动恢复至...
故障演练
确保操作人员熟悉容灾恢复流程，确保在生成站点真正发生故障时，操作人员可以顺畅地进行容灾切换。前提条件 保护组处于 增量复制中 或者已有恢复点之后，您就可以进行故障演练。如何创建跨可用区和跨地域容灾的保护组，请参见 跨可用区容灾...
故障演练
确保操作人员熟悉容灾恢复流程，确保在生成站点真正发生故障时，操作人员可以顺畅地进行容灾切换。前提条件 保护组处于 增量复制中 或者已有恢复点之后，您就可以进行故障演练。如何创建跨可用区和跨地域容灾的保护组，请参见 跨可用区容灾...
组复制简介
数据 强 一致性 在组复制中，事务总是先传输到集群中其他节点，然后写入Binlog文件，这保证无论主节点在什么时刻发生故障，重新启动后数据都不会比集群选出的新主节点多。旧主节点故障重启后，能够自动加回集群，拉取它缺失的Binlog，就...
高性能版实例
即使计算节点发生故障，也可以保证实例无数据丢失。高可用 AnalyticDB PostgreSQL版 高性能版由于减少了一个副本，在高可用方面出现了一些下降，在物理机故障等极端情况下，集群恢复的时间会变长（8小时以内）。高性能版通过ESSD多副本技术...
源为PolarDB-X的功能规范和约束说明
源端执行大量DDL操作、网络、目的库性能等问题，可能会导致DTS任务存在延迟，此时如刚好遇到机房故障，且同步或迁移至目标库的最后一条数据的时间戳与故障发生时的时间戳之差大于RPO（如5分钟），那么切流需要非常谨慎，建议您暂时不要执行...
归档存储服务等级协议
赔偿方案 阿里云对用户存在故障的每个Archive按不可用时间的100倍赔偿，即赔付金额=发生故障的Archive故障前24小时平均每分钟费用×不可用时间×100倍；其中:(1)赔偿只针对使用归档存储服务已产生费用的用户，以归档存储代金券的形式赔偿，...
容灾管理服务介绍
容灾切换：模拟故障发生时，验证业务系统是否能够达到预期的灾备效果。容灾切回：故障恢复后，将资源切回到之前的状态，验证系统的灾难恢复预案是否合理。相关概念 容灾计划 当CADT应用需要进行容灾演练时，需要为其创建容灾计划，加入了容...
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...
如何管理故障
故障发生条件 当事件重要程度上升、整体影响面恶化、持续长时间未解决，综合评估已达到故障时（P1-P4），处理人可手动将事件升级为故障。当报警来源的指标持续恶化，触发故障产生规则，系统自动产生故障。故障过程 故障过程用于记录管理...
故障应急协同
故障应急协同群 故障发生后，可以基于钉钉的沟通协同能力和API，自动创建故障处理应急协同场景群。将故障相关成员直接拉进处理群，相关成员包括故障受影响业务的“应急接口人”、可疑原因业务的“应急接口人”，并且系统自动电话通知。进群...
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...
诊断决策树
对于已知的明确故障，可以根据诊断现象，编排诊断决策树，进而故障发生时执行，完成故障定位。对于未知的故障，您可以依据运维经验，编排出常见的排查路径，辅助快速故障定位。新建诊断决策树 登录高可用管理控制台。在左侧导航栏上，单击 ...
诊断规则
而后，在实际故障发生时，即可执行自动化、标准化的故障排查，并直接输出诊断报告，反馈诊断结果。故障诊断功能有效提升了故障排查效率，实现故障的快速定位与处理。本节将向您介绍诊断规则的相关操作。诊断规则是诊断节点的构成，诊断规则...
什么是消息演练
单个或多个模块都可能会有不同类型的故障发生，导致模块不能正常运行，例如Producer无法发送消息，这种场景叫做消息的演练场景。需要注意的是演练场景仅是组件表象，其内部故障原因可能是多种多样的，需要进一步进行分析。
混合云应用双活容灾最佳实践
说明 演练前，基于MSHA流量监控或其他监控产品，确定业务稳态的监控指标（如日常情况RT≤200ms，错误率），以便在故障发生时判断故障影响面以及在故障恢复后判断业务的实际恢复情况。步骤二：应用故障注入 这里使用阿里云故障演练产品，对...
产品架构介绍
多活流量必须经过接入层，以便在故障发生时，通过接入层切换入口流量。比例分流：接入层支持按比例将流量分流到机房。特殊场景下，可以将机房流量切零，从而实现故障情况下的流量切换。精准路由：接入层支持根据HTTP请求Header/Cookie/...
服务等级目标SLO概述
告警规则 告警规则能够根据故障的严重程度，在故障发生时及时发出不同等级的提醒，帮助您在错误预算被过多消耗之前及时响应。ASM基于“多窗口多燃烧率告警策略”生成告警规则，适用于大多数场景。多燃烧率策略下，短时间内的高故障率或持续...
服务等级目标SLO概述
告警规则 告警规则能够根据故障的严重程度，在故障发生时及时发出不同等级的提醒，帮助您在错误预算被过多消耗之前及时响应。ASM基于“多窗口多燃烧率告警策略”生成告警规则，适用于大多数场景。多燃烧率策略下，短时间内的高故障率或持续...
- 产品推荐
- 这些文档可能帮助您