东软案例
总得来说，造成这种现象的主要问题原因，可总结为以下两个方面：新需求推动IT系统监控数据量激增：移动智能终端设备的普及使应用逐渐渗入到我们工作生活的方方面面，企业应用数量激增。企业面向客户、合作伙伴和内部员工建设IT系统及应用...
质量评估报告模板
每日发现故障趋势图。线下缺陷严重程度分类。需求实现说明 需求覆盖率（在测分文档中，需求与功能对应列表为准）：0%~100%。需求变更情况：包括已走正式流程的需求变更，邮件通告的需求变更，以及当前功能改动了原有需求的说明。阶段 说明 ...
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...
I-V曲线诊断
数据服务中提供光伏智能运维的IV曲线诊断算法，结合环境光强度、环境温度等影响因素，对组串式光伏发电阵列的电流-电压曲线（I-V曲线）进行分析，检测系统可能出现的故障，进而提高设备的运行效率，保障电站高效运行。本文介绍光伏智能运维...
故障诊断
lastState.terminated.reason="OOMKilled"]|any'#对jq表达式的结果进行匹配，结果是否匹配'true'-type:regexp expression:"true"#问题严重等级：Critical/Warning/Info level:Critical#问题总结 summary:Pod因OOM被Kill#问题原因,支持...
如何排查Java场景下故障注入不生效的问题
为解决此类问题，在创建或编辑演练时，您可以在故障执行阶段选择开启Debug模式，并通过相关的日志信息来了解故障注入失败的原因。开启Debug模式 在查看目标演练的故障注入日志前，您需要先确认该演练的故障执行步骤是否已开启Debug模式。若...
故障演练常见问题
故障不生效的原因较多，可能是参数配置不正确或无对应的请求命中，但故障规则已成功下发，故需要计费。刚刚购买的资源包为什么会被扣减次数？因为购买前已产生欠费，购买资源包后会先扣减所欠的次数。子账号的消费是否独立计费？不是，与主...
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...
网站耗资源（客户程序故障）常见问题
本文汇总了使用云虚拟主机出现网站耗资源（客户程序故障）时的常见问题。什么是网站耗资源（客户程序故障）？网站程序占用CPU及内存过多，是对资源的一种浪费。当您使用普通版共享云虚拟主机建站后，可能会因为网站程序编写不合理、代码...
网络资源
网络闪断故障可能由多种原因引起，如网络设备故障、电力波动、通信线路故障等。网络闪断会导致数据传输中断，影响系统和应用程序之间的数据传输，频繁的网络闪断可能导致系统或应用程序无法正常运行。常使用的容错策略如下：设备冗余：使用...
DeviceWanLinkDown
告警信息 事件名称 事件级别 状态码 状态描述 DeviceWanLinkDown CRITICAL down Wan Link Down 可能原因 WAN链路出现故障。处理方法 请提交工单，联系阿里云工程师。icmsDocProps={'productMethod':'created','language':'zh-CN',};
AccessGatewayFailover
告警信息 事件名称 事件级别 状态码 状态描述 AccessGatewayFailover INFO agwfailover Access Gateway Failover 可能原因 IPsec链路网络故障。处理方法 无需处理。icmsDocProps={'productMethod':'created','language':'zh-CN',};
灾备方案
Tair 容灾架构演进 当 Tair 实例因不可预料的原因（例如设备故障、机房断电等）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。Tair 提供多种灾备方案供您选择，可满足不同的业务场景。图 1.Tair 容灾架构演进 灾备方案 灾备级别 ...
灾备方案介绍
云数据库Redis容灾架构演进 当云数据库Redis实例因不可预料的原因（例如设备故障、机房断电等）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。云数据库Redis提供多种灾备方案供您选择，可满足不同的业务场景。图 1.Redis容灾架构...
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...
无法连接云原生多模数据库Lindorm
提示以下错误：Retry exhausted when update config from seedserver Failed to connect to jdbc:lindorm:table:url=*问题原因 无法连接云原生多模数据库Lindorm的原因如下：客户端到云原生多模数据库Lindorm的网络异常。白名单未配置或...
单实例快速恢复
当出现1分钟容器响应超时（可能是内存溢出、硬件故障、软件Bug等原因导致），Resource Manager会自动拉起新的计算节点，并迁移数据分片（Shard）职责到新的节点上（例如Worker Node3响应超时，Resource Manager拉起Worker Node4取代Worker ...
主从实例读写分离部署（共享存储）
当出现1分钟容器响应超时（可能是内存溢出、硬件故障、软件Bug等原因导致），Resource Manager会自动拉起新的计算节点，并迁移Shard职责到新的节点上（例如Worker Node3响应超时，Resource Manager拉起Worker Node4取代Worker Node3），...
故障取消
cancelReason Long Body 否 取消原因 取消原因 problemNotifyType Long Body 否 PROBLEM_NOTIFY PROBLEM_NOTIFY 通告类型 PROBLEM_NOTIFY：故障通告 PROBLEM_UPDATE：故障更新 PROBLEM_UPGRADE：故障升级 PROBLEM_DEGRADE：故障降级 ...
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...
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。...
常见问题旧版索引
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？产品FAQ 授权管理FAQ 集群管理FAQ 节点与节点池FAQ 容器网络FAQ Service FAQ Ingress FAQ DNS FAQ 应用FAQ 存储FAQ-CSI 存储FAQ-Flexvolume 容器安全FAQ 为什么可观测监控 ...
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...
无法连接到同一个云连接网内的本地客户端
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。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，查看当前设备状态是否为 可用。如果离线，请参见 设备显示离线 处理。...
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...
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...
DeviceSwitched
告警信息 事件名称 事件级别 状态码 状态描述 DeviceSwitched CRITICAL switched Device Role Changed 可能原因 智能接入网关主设备故障。智能接入网关主设备动态路由邻居故障。处理方法 无需处理。icmsDocProps={'productMethod':'created...
基本概念
更多请查看 什么是事件 故障 在日常运营中，无论什么原因导致业务服务中断、服务品质下降或用户服务体验下降的现象，称为故障，但不包括用户侧环境或用户自身操作引起的问题。故障比事件优先级更高，事件在处理过程中出现影响扩大或恶化时...
ConnectionDisconnect
告警信息 事件名称 事件级别 状态码 状态描述 ConnectionDisconnect CRITICAL disconnect Connection Disconnected 可能原因 主备IPsec链路均出现网络故障。处理方法 检查用户侧运营商网络接入是否正常。icmsDocProps={'productMethod':'...
账单和用量查询
您可以在用户中心查看 云原生多模数据库Lindorm 的账单详情。用户中心支持月账单概览、月账单详情、账单流水、明细账单、分账账单等。查看和管理账单，请参见 账单使用说明。常见问题 为什么没有购买Lindorm，但账单和成本中看到Lindorm的...
使用集群诊断
容器智能运维平台 提供一键故障诊断能力，包括Pod诊断、Service诊断、Ingress诊断，可以辅助您定位集群中出现的问题。本文介绍如何在ACS集群中使用集群诊断功能。前提条件 已创建ACS集群。具体操作，请参见 创建ACS集群。确保ACS集群运行...
使用集群诊断
容器智能运维平台 提供一键故障诊断能力，包括节点诊断、Pod诊断、Service诊断、Ingress诊断、内存诊断、网络诊断，可以辅助您定位集群中出现的问题。本文介绍如何在ACK集群中使用集群诊断功能。前提条件 已创建Kubernetes托管版集群。具体...
NVMe协议介绍
实际业务使用过程中单点故障是常态，确保故障情况下业务连续性是高可用系统的核心能力，在云上存储和网络具备极高的可用性。而计算节点则经常受断电、宕机、硬件故障等影响，所以业务通常搭建主备模式解决计算的高可用问题。例如数据库场景...
故障应急协同
故障通告及更新 基于7x24监控值班工作特性，对于业务异常达到故障等级时，以用户定制的（语音、短信、IM）的方式在约定时间内将故障影响信息以及处理进展通知给对应的接收人/组，并持续更新直至故障结束。故障应急协同群 故障发生后，可以...
EasyCkpt：AI大模型高性能状态保存恢复
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功能特点：特点1：任务的故障是部分的。通常，故障的根因是一到两台机器的故障，这只会影响部分Worker。对于大规模分布式训练任务而言，不会所有...
开启健康检查
开启健康检查是指对地址池中的地址配置健康检查策略，开启后可监测应用服务的可用性状态，并最终帮助企业实现自动故障隔离和自动故障切换的功效。健康检查的类型包括：Ping监控、TCP监控、HTTP（S）监控。前提条件 已完成 创建实例、创建...
为何Pod中仍存在已恢复故障的“僵尸进程”？
在K8s环境中，下发的故障已经被恢复了，但是Pod中仍存在该故障的“僵尸进程”。本文介绍该情况可能的原因以及解决方案。可能原因 这是因为容器中存在PID Namespace隔离。在容器中，故障演练进程的父进程是PID=1的进程，容器中的一号进程不...
某全球领先媒介投资管理公司迁移Bigtable到Lindorm
解决方案 云原生多模数据库 Lindorm 跨可用区高可用容灾能力，提供机房级别故障强一致容灾（RTO 60s,RPO=0）以及最终一致容灾能力（RTO，RPO），保障用户业务持续在线。主要使用场景如下：99.99%以上SLA场景。机房级容灾，RTO小于1分钟。...
多可用区部署
云原生多模数据库 Lindorm 支持创建多可用区的实例。该方案将一个Lindorm实例部署在多个可用区，多可用区实例具备更高的容灾能力，同时Lindorm实例可以实现多个可用区之间数据的强一致，也可以在数据最终一致下发出请求返回最快的结果，...
开源ChaosBlade与商业化AHAS CHAOS故障演练对比
ChaosBlade是一款简单易用且功能强大的混沌实验实施工具，AHAS CHAOS故障演练是ChaosBlade的商业化产品。本文介绍AHAS CHAOS故障演练与开源ChaosBlade的能力对比。产品简介 开源ChaosBlade与商业化AHAS CHAOS故障演练的特点如下：开源...
- 产品推荐
- 这些文档可能帮助您