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...
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、...
Multi-Master基础架构
FTS 容错服务（Fault-Tolerance Service），用于检测Segment节点及辅助协调节点的健康状态，并在Segment节点发生故障时进行Segment节点的Primary与Mirror角色的切换。Catalog 以系统表Catalog等信息为代表的全局元信息存储。Main Master ...
自动或手动主备切换
当主实例发生故障或不可用时（例如操作系统错误、硬件故障等），系统会自动触发主备切换，主实例和备实例将进行互换，切换后实例地址保持不变，应用程序会自动连接到新的主实例（原备实例），从而保障业务的连续性和高可用性。此外，您还...
跨可用区容灾
确保操作人员熟悉容灾恢复流程，确保在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 面板，选择 恢复...
跨地域灾备
同时MaxCompute统一元数据能力支持元数据跨地域高可用，则当主集群地域发生故障且无法恢复时，通过修改项目归属地域的元数据，将项目快速切换到备份集群地域，实现业务的无缝恢复，示意图如下所示。重要 目前跨地域灾备功能处于邀测阶段，...
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...
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、...
跨可用区容灾
确保操作人员熟悉容灾恢复流程，确保在主站真正发生故障时，操作人员可以顺畅地进行容灾切换。容灾演练操作步骤如下：登录 混合云容灾管理控制台。单击 切换到连续复制型容灾。在 概览 页面，单击目标容灾站点对。在容灾中心页面，单击 受...
订阅事件通知
数据传输服务DTS（Data Transmission Service）已接入云监控平台，您可以通过事件订阅对重要的事件设置定制化的报警通知，让您及时了解事件的发生与进展，帮助您实时掌握事件动态，便于您在业务故障时快速分析并定位问题。背景信息 云监控...
本地盘最佳实践
如果本地盘发生故障、物理服务器发生宕机，或者人为误操作，本地盘会丢失数据。请勿在本地盘上存储需要长期保存的业务数据。但云盘采用分布式三副本机制，能防止意外硬件故障导致的数据不可用。如果应用没有多节点数据冗余架构，强烈建议您...
企业版和标准版功能对比
支持 支持 高可用性 单可用区高可用 多节点的架构可用于保障集群的高可用，当系统发生故障时，可读写的主节点和只读节点之间会自动进行故障切换（Failover）。支持 支持 多可用区高可用 PolarDB MySQL版 支持创建多可用区的集群。相比单...
Postgres CDC（公测中）
即使发生故障，也能采用Exactly Once方式处理。本文为您介绍如何使用Postgres CDC连接器。背景信息 Postgres CDC连接器支持的信息如下。类别 详情 支持类型 源表 说明 您可以使用 JDBC 作为结果表和维表连接器。运行模式 仅支持流模式 数据...
读写分离架构
建议与使用须知 当一个只读节点发生故障时，请求会转发到其他节点；如果所有只读节点均不可用，请求会全部转发到主节点。只读节点异常可能导致主节点负载提高、响应时间变长，因此在读负载高的业务场景建议使用多个只读节点。只读节点发生...
读写分离版
建议与使用须知 当一个只读节点发生故障时，请求会转发到其他节点；如果所有只读节点均不可用，请求会全部转发到主节点。只读节点异常可能导致主节点负载提高、响应时间变长，因此在读负载高的业务场景建议使用多个只读节点。只读节点发生...
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...
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，...
订阅事件通知
图数据库GDB产品已接入云监控平台，通过对重要的系统事件设置报警规则，让您在第一时间得知事件的发生与进展，帮助您实时掌握事件动态。背景信息 云监控（CloudMonitor）是针对阿里云资源和互联网应用提供监控的服务。云监控的报警服务为您...
AIOps 解决方案专家服务内容说明
调研的服务范围包含：基础资源调研、业务现状调研、应用系统调研《调研报告》2 智能故障发现方案设计 基于业务数据、资源组维度建立业务组单元，将业务组单元指标通过智能AI算法进行实时分析，帮助企业快速发现故障，列出可疑根因事件，并...
云监控告警
事件名称 事件所属类型 说明 IP流量告警 数据监控告警 您可以设置数据监控报警通知，及时获知指标数据发生的异常，并在发生故障时及时发现问题，缩短故障处理时间，以便尽快恢复业务。连接数告警 QPS告警 状态码告警 DDoS黑洞事件告警 事件...
使用须知
本地盘实例可靠性取决于宿主机可靠性，当发生单点故障时，ENS会进行同节点迁移帮助实例尽快恢复连通，不保证数据可靠性。单个边缘节点无法连通时，ENS会根据用户需求进行跨节点迁移帮助用户尽快恢复区域内连通，实例ID不变、实例IP改变，不...
可观测性的设计原则
日志记录 系统需要记录关键事件和故障，以帮助诊断问题和解决故障。对于一个系统来说，日志是非常重要的。它可以记录在系统中发生的一切，包括成功的操作、错误的操作、警告信息等等。因此，日志记录是可观测性设计中最基本的需求之一。...
订阅事件通知
云数据库MongoDB产品已接入云监控平台，通过对重要的系统事件设置报警规则，让您及时得知事件的发生与进展，帮助您实时掌握事件动态。背景信息 云监控（CloudMonitor）是针对阿里云资源和互联网应用提供监控的服务。云监控的报警服务为您...
订阅事件通知
RDS支持云监控的报警服务，通过对重要的系统事件设置报警规则，您可以及时通过 短信、邮件、钉钉机器人等方式得知事件的发生与进展，帮助您实时掌握事件动态。并且支持将事件分发到消息服务队列、函数计算、URL回调和日志服务中，以便您...
文档修订记录
新说明 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。单实例快速恢复 2023.07.05 新增产品形态。新说明 计算抵扣包是实时数仓Hologres推出的计算资源抵扣包，用于抵扣实例...
监控、诊断和故障排除
另外，通过日志的时间戳，不仅可以迅速查找和定位日志范围，还能够了解在请求发生时间点范围内，客户端应用、网络或者服务系统发生的其他事件，有利于问题的分析和调查。RequestID OSS服务会为接收的每个请求分配唯一的服务器请求ID，即...
测试指标
集群 对于使用集群方式的系统，主要通过以下方式考量其集群可靠性：集群中某个节点出现故障时，系统是否有业务中断情况出现。在集群中新增一个节点时，是否需要重启系统。当故障节点恢复后，加入集群，是否需要重启系统。当故障节点恢复后...
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。...
发现和排查实例问题
合理使用监控相关的功能可以帮助您及时发现和排查实例问题，在故障发生前处理掉潜在风险，避免影响业务。诊断实例的健康状态 实例健康诊断功能可以全方位诊断实例的操作系统配置、网络状态、磁盘状态等。诊断报告中针对异常诊断项目的影响...
窃电用户自动识别概述
通过采集电量异常、负荷异常、线损异常、终端报警、主站报警信息，建立数据分析模型，工作人员可以实时监测窃漏电情况并发现计量装置故障。根据报警事件发生前后，客户计量点有关的电流、电压和负荷等数据情况，构建基于指标的用电异常分析...
诊断项与诊断结果说明
实例管控系统异常 ECS实例后台管控系统发生异常。检查该实例的后台管控系统是否正常工作。如果后台管控系统未正常工作，可能会导致实例运行异常。您可以尝试通过重启实例进行恢复。实例性能短暂受损 检查实例是否受到底层软硬件问题的影响...
配置自动调优
外部系统故障或访问变慢时，会导致作业并发度增大，加重外部系统的压力，导致外部系统雪崩。常见的外部系统问题如下：数据总线DataHub分区不足或消息队列RocketMQ吞吐量不足。Sink性能问题。云数据库RDS死锁。智能调优和定时调优都支持基础...
网络资源
容灾：建立容灾和高可用的系统架构，将系统部署在多个地理位置或数据中心，并使用负载均衡和故障切换技术，以确保即使发生网络分区，系统仍然可以继续提供服务。网络闪断故障 指网络连接在短时间内频繁中断和恢复，造成网络连接不稳定的...
实时分析链路数据
如果您的应用遇到流量不均、单机故障、慢接口治理、业务流量统计、灰度发布监控等问题，可以通过应用监控的调用链分析快速定位问题代码。本文介绍如何通过调用链分析快速定位五种经典线上问题，更直观地了解调用链分析的用法与价值。背景...
功能特性
通过日常巡检功能，可以例行化、自动化地对系统稳定性、可用性进行巡查，并将巡检结果实时同步推送至指定的钉钉群中，便于运维人员第一时间了解应用风险；同时支持生成巡检报告，供运维人员统一归档。巡检插件支持多种类型，包括 python、...
附录：SOFAStack 产品目录
传统实现方式是在系统代码里指定任务的执行顺序，当业务发生变化时需要修改代码才可以正常工作，可维护性很差。使用 SOFAStack 任务调度中的任务编排功能，可以轻松完成任务之间的依赖调整，大大提高了可维护性，并可以直观地看到任务的...
功能特性
云监控 慢Query日志Query Log 慢Query的查询与分析可以帮助您对系统中发生的慢Query或失败Query进行诊断、分析和采取优化措施。慢Query日志查看与分析 表统计信息日志Table info 提供表统计信息日志系统表table_info按日收集实例内表的统计...
如何使用Prometheus监控Windows
中断导致延迟的任务数 Major WMI（DPCsQueuedPersec）延迟过程调用（DPC）在Windows系统上提供了一种低优先级中断机制：某些硬件要求实时、不受限制地访问CPU，以确保在需要时执行高优先级的工作（如键盘输入）。中断提供了一种设备可以...
作业调试
如果单个TaskManager资源过大，则TaskManager上运行的作业数会很多，一旦TaskManager发生单点故障，影响面会很大。日志配置 根日志等级 日志级别从低到高的顺序如下：TRACE：比DEBUG更细粒度的信息。DEBUG：系统运行状态的信息。INFO：重要...
安全响应
系统安全类事件 勒索病毒 系统遭受勒索病毒攻击，核心数据被加密 高 系统事件往往会来自云安全中心，云安全中心同样会对入侵事件进行定级，建议参考云安全中心的定级说明 故障稳定性类事件 云稳定性事件 网络或应用宕机 高 稳定性事件通常...
- 产品推荐
- 这些文档可能帮助您