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...
强弱依赖治理概述
强弱依赖治理的应用 强弱依赖治理主要可以被应用到以下场景：系统改造验收：对于分布式系统，至少在运行态中，不会因为依赖的系统后台出现故障，引起当前应用出现系统级可用性的故障，例如进程挂掉、频繁FullGC、负载飙高等，何时何地都应...
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...
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 ...
查看实例的系统日志和屏幕截图
系统通过串口打印输出的日志会包含两种类型的信息，一类是系统启动开机时的日志内容，另一类是系统内核故障或异常时的日志内容。更多详情，请参见《云栖社区》博客 操作系统有异常？诊断日志来帮忙。使用限制 使用该功能时您需要注意如下...
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...
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...
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...
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...
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...
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...
关键技术竞争力
基于混沌工程的红蓝攻防能力 TRaaS 基于混沌工程、建立演练机制，提供故障注入、演练编排体系能力，支持在不同环境、不同阶段，主动对业务系统进行故障注入，从而在主动观测单应用健壮性的同时，验证整个体系的故障发现能力、应急响应能力...
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。
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...
安装日志采集客户端
下图是为 Linux 系统配置指令模板的示例：说明 在不同 workspace 中执行脚本需要修改相应的 instanceId 和 region 参数。instanceId 为机器组标识，可以在 分布式链路跟踪>设置 页面查看。region 为域环境标志，如华东 2（上海），即 ...
性能说明FAQ
本文介绍NAS SMB/NFS协议文件系统性能相关的常见问题及解决方案。文件系统的读写吞吐阈值与什么相关？通用型NAS 单个文件系统的读写性能上限（峰值）与文件系统的当前使用容量线性相关且成正比例关系，即使用容量越大，吞吐性能上限（峰值...
运维服务内容说明
因客户自身原因导致的问题故障，不属于阿里云运维服务范围。如客户有不定期现场服务需求，可按天购买运维专家现场服务。运维服务专家可帮助客户进行疑难问题现场处理，故障现场救援，变更现场保障、现场运维培训等服务。运维专家现场服务需...
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...
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 ...
围绕混沌工程的平台实践
原则3在生产环境中运行实验 混沌工程推荐故障演练是在生产环境中进行，主要的原因有以下两点：系统的行为会根据环境和流量模式的变化，例如系统依赖的组件在测试环境和生产环境会有比较大的差异。系统的监控和人员的应急响应在测试环境和...
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...
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...
单实例快速恢复
为了能够快速恢复系统故障，Hologres提供了单实例快速恢复的机制。本文为您介绍单实例快速恢复的触发条件和行为。实例快速恢复逻辑说明 Hologres在 V2.0版本之前，Hologres计算节点均为容器调度（即下图中的Worker Node），资源管理器...
错误码
本文为您介绍使用Dataphin过程中常见错误码、错误原因和解决方案。分类 详情 Bbox DPN.Bbox.Any DPN.Bbox.MetaCenterServiceError DPN.Bbox.ModelNotFound DPN.Bbox.ServerError DPN.Bbox.AttributeMissing DPN.Bbox.CatalogNotFound DPN....
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...
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）...
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...
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...
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...
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...
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...
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...
地址标准化服务等级协议
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