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...
服务等级说明
服务等级说明 数据总线服务等级协议 本服务等级协议（Service Level Agreement，以下简称“SLA”）规定了阿里云向客户提供的数据总线（简称“数据总线”）的服务可用性等级指标及赔偿方案。1.定义 1.1 服务周期 一个服务周期为一个自然月。...
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...
高可用拓扑
背景信息 您可以通过购买两台智能接入网关设备组成高可用网络接入阿里云，智能接入网关设备备份方式分为双机冷备和双机热备两种：双机冷备：主设备在线，当主设备发生故障时，用备设备替换主设备连接入网，且需在智能接入网关管理控制台...
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...
故障管理
通过建立一个规范可遵循、全流程闭环的故障管理体系，配合技术手段的提升，可以有效降低故障发生的几率，缩短故障的MTTR，最终使故障造成的破坏性趋近于0。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...
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...
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。
集群系列
基于EBS（Elastic Block Storage）提供的秒级快照能力，将数据恢复耗时从几十分钟缩短到1分钟，从而实现了99%的场景下，备节点从故障发生到节点恢复不超过10分钟。应用场景 适用于有大量流量高峰读请求和数据智能分析需求的大中型企业的...
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...
事件中心
该视图可以帮助您在应用出现故障时，快速排查关联的资源各自发生了什么问题。例如在大型企业中，由于某个员工的误操作，重启了生产环境的RDS，导致线上业务故障，利用该视图，可以快速的发现应用访问的RDS出现了重启操作。订阅规则 订阅...
事件中心
该视图可以帮助您在应用出现故障时，快速排查关联的资源各自发生了什么问题。例如在大型企业中，由于某个员工的误操作，重启了生产环境的RDS，导致线上业务故障，利用该视图，可以快速的发现应用访问的RDS出现了重启操作。集群视图 集群...
历史功能发布记录（2023年之前）
增强网格拓扑渲染能力，以不同维度展示应用服务间调用的拓扑关系及网格相关信息。全面支持第三方令牌在ACK集群的兼容，提高工作负载安全性。发布即插即用的插件市场，解决用户自定义EnvoyFilter的诉求。全部 v1.14 全部 使用插件市场扩展...
功能特性
查看事件记录 事件订阅 NIS生成的网络异常事件提供订阅能力，帮助用户第一时间得知事件的发生与进展，实时掌握网络动态。设置NIS事件订阅 网络洞察仪 公网场景洞察 实时分析洞察仪下云网络资源与公网互访的流量运行状况，及时感知公网质量...
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...
搭建高可用架构
MySQL：RDS MySQL集群版实例采用计算与存储分离、一主多备的架构，支持自动故障切换、任意备节点可切换为主节点、备节点可读、按需增删节点、多可用区容灾、节点粒度的监控、集群节点拓扑管理等功能，同时还可启用MGR保障RPO=0，相比自建...
UpdateMeshFeature-更新服务网格的功能配置
true LocalityLBConf string 否 跨地域负载均衡配置，取值：failover：跨地域故障转移配置，例如：failover:[/struct，跨地域故障转移配置。{/当北京地域服务故障时，流量转移到杭州同服务。from:"cn-beijing",to:"cn-hangzhou",}]...
查看和管理实例连接地址和端口
只读地址中始终保持用户设置的备节点数量，确保可用性：只读地址连接的某个备节点故障时，该备节点会自动重搭。只读地址连接的某个备节点被提升为主节点时，会有新的备节点自动加入到只读地址中。查看和管理集群只读地址 节点直连地址 用户...
设置宕机自动迁移
若您未开启宕机自动迁移，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。警告 本地SSD型DDH（例如本地SSD型i2）不支持自行手动迁移和故障时自动迁移。如果本地SSD型DDH出现故障，您可以 提交工单 申请人工迁移，但迁移后本地...
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...
应用场景
传统型负载均衡CLB（Classic Load Balancer）的应用场景为高访问量的业务，提高应用程序的可用性和可靠性。应用于高访问量的业务 如果您的应用访问量很高，您可以通过配置监听规则将流量分发到不同的云服务器ECS（Elastic Compute Service...
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...
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...
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...
Tair选型指南
3 选择容灾方案 云原生内存数据库Tair 实例若因不可预料的原因（例如设备故障、机房断电等）发生故障，容灾机制保障数据的一致性和业务可用性。云原生内存数据库Tair 提供多种灾备方案供您选择，可满足不同的业务场景。4 预估内存规格 提前...
网络拓扑概述
网络拓扑图可以清晰地展示网络中资源的连接和关系，可视化网络结构，帮助您快速了解您的云上网络架构，进行网络配置验证、网络问题排查和云网络资源统一运维。背景信息 当前阿里云上网络资源类型丰富，功能形态各异，大量网络资源分散在...
什么是混合云容灾服务
RTO Recovery Time Objective（恢复时间目标），指故障发生时，在云上将应用恢复运行所需要的时间。混合云灾备一体机 阿里云推出的具有容灾备份功能的一体机。混合云容灾定价 HDR支持按量付费和包年包月资源包。关于混合云容灾HDR的计量项...
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...
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...
云数据库Redis版产品选型必读
选择容灾方案 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。选择大版本 推荐使用更新的大版本...
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...
通过CADT实现NLB可用区级容灾演练
NLB实例的 可用区J 发生故障时，NLB能够在短时间内停用该可用区，并继续使用其他启用的可用区提供服务。步骤四：容灾切回演练 容灾切回功能：NLB可用区故障恢复后，验证NLB的容灾恢复能力。容灾切回概念：与容灾切换相反，将资源切回到执行...
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...
- 产品推荐
- 这些文档可能帮助您