跨地域容灾
容灾系统部署在阿里云的两个地域中，当生产站点发生故障（例如海啸、地震）时，业务系统切换到容灾站点。生产站点和容灾站点部署在不同的地域，提供容灾即服务，分钟级的高可靠的业务持续性保障，有效避免了地域性灾害导致的系统故障。
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 ...
为什么实例会发生主备切换？
实例异常：阿里云检测到实例发生故障，无法正常使用时，系统会立即触发主备切换，及时恢复实例，缩短故障影响时长。宿主机下线或实例异常导致的主备切换会以站内信或邮件等形式通知到您，通知内容如下：【阿里云】尊敬的*：您的云数据库...
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...
强弱依赖治理最佳实践
通过以上业务依赖的预判可以得出以下结论：前端对商品推荐服务预判为弱依赖，表示当推荐服务发生故障时前端正常访问不应该受阻。在购物链路中，商品服务product对商品数据库product-mysql预判为强依赖。表示如果扣减库存失败，则应该阻断下...
基于Kubernetes容器集群的容灾架构与方案
在进行系统架构设计时，您必须考虑到信息系统和基础设施可能遇到的各种潜在威胁，例如：硬件故障、软件系统崩溃、人为操作失误、安全攻击、自然灾害等。为了确保系统能够在各种异常故障场景下快速恢复并保持业务连续性，您必须为系统设计...
流量回放和压测
此外，在数据库发生故障且无法定位原因时，可以利用克隆库复现故障场景，以便更好地定位故障原因。前提条件 源数据库支持：RDS MySQL PolarDB MySQL版 说明 不支持 PolarDB MySQL版 的 企业版 单节点 实例。PolarDB-X 2.0。目标数据库实例...
智能压测
此外，在数据库发生故障且无法定位原因时，可以利用克隆库复现故障场景，以便更好地定位故障原因。前提条件 源数据库支持：RDS MySQL PolarDB MySQL版 说明 不支持 PolarDB MySQL版 的 企业版 单节点 实例。PolarDB-X 2.0。目标数据库实例...
故障排查
本文介绍微服务引擎MSE在使用过程中常见问题的故障分析和排查流程。微服务注册配置中心问题排查 在浏览器中输入 XXX:8848/nacos，访问MSE的Nacos注册中心时返回404错误。具体操作，请参见 通过“XXX:8848/nacos”访问MSE的Nacos注册中心时...
如何管理故障
更新故障通知：在故障处理的过程中，当故障进展发生变化，包括进度更新、影响恶化、故障等级变化、原因明确、根因定位等场景下，可更新故障过程中的内容，并在 故障详情 页点击更新故障通知，选择需要的故障通告类型，并最终确认发出故障...
混沌工程缓存实战系列-Redis
Redis是一个开源高性能的Key-Value存储系统，虽然Redis本身具备了非常高的可用性，但是在实际应用中也会随着系统业务的复杂性以及不合理的使用，而导致很多的问题。本文将讲述如何通过混沌工程来暴露可能存在的使用风险，提升缓存问题的...
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...
什么是云拨测
数据可视化：通过直观的数据展示和报表，您可以轻松了解网络状况、性能以及故障分析。应用场景 网络性能监控：云拨测可以帮助企业和个人用户实时监控网络状况，确保业务运行的稳定性和可用性。业务可用性验证：通过模拟真实用户请求，云拨...
可观测性的设计原则
可观测性设计是指为了更好地监控、分析和管理系统运行状态而进行的设计。在云原生、微服务等技术越发流行的今天，系统的可观测性变得越来越复杂。云上的可观测性主要从监控指标、链路追踪、日志记录、监控看板和事件告警五大方面来进行设计...
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 ...
智能分析-异常根因定位分析利器
传统监控只能去发现和通知那些已知可能会发生的故障，而可观测性则能够协助发现并定位未知的问题。OpenTelemetry作为当下可观测领域主流的开源项目，旨在提供可观测性领域的标准化方案，解决观测数据的数据模型、采集、处理、导出等标准化...
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...
功能特性
全量日志分析 系统日志 介绍如何查询DDoS高防实例90天内的弹性业务带宽账单、弹性QPS账单、规格超限告警以及目的限速事件。系统日志 操作日志 查看DDoS高防实例180天内的重要操作记录。操作日志 云监控告警 DDoS高防集成云监控告警功能，...
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。...
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...
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，...
故障演练
故障演练就是这个背景下诞生的，沉淀通用的故障场景，以可控成本在线上故障重放，以持续性的演练和回归方式的运营来暴露问题，不断验证和推动系统、工具、流程、人员能力的提升，从而提前发现并修复可避免的重大问题，或通过验证故障发现...
内存诊断
OOM分析 对系统发生的OOM进行快速诊断，并输出诊断结论，主要包括以下内容。检查项 说明 主机OOM次数 从开机到诊断时刻，主机OOM总次数。剩余内存 系统剩余内存。Low水线 系统配置的Low水线，剩余内存低于Low水线时，会触发内存异步回收。...
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...
高可用和容灾设计
可通过集群可读地址访问备节点，在发生故障切换时，RDS的高可用系统会自动执行以下三个步骤：将一个备节点提升为主节点，该备节点从集群可读地址中移除，同时清除该备节点上的可读连接，此时集群可读地址会发生闪断。故障主节点从集群读写...
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...
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。
应用场景
物联网设备无时无刻不在产生海量的设备状态数据和业务消息数据，这些数据有助于进行设备监控、业务分析预测和故障诊断。背景信息 设备将原始数据通过 MQTT 协议发送到物联网平台，经由物联网平台将数据转发到消息服务系统，继而通过流计算...
观察监控指标
抓取性能数据进行分析 点击左侧的 堆快照、堆时间线、CPU Profile、GC Trace 按钮，即可实现性能数据的抓取，对应的数据保存文件和分析操作在右侧导航栏的 文件 一栏中进行，具体可以查看 故障诊断 一节。系统数据监控 本栏目展示服务器...
Windows系统异常重启以及蓝屏的处理方法
方案一：在 事件查看器 中，打开 系统日志，在问题发生时间点，如果看到有来源”volmgr”抛出的 事件 ID 为 46 的事件，说明之前发生过蓝屏，但是由于没有配置页面文件以及内存转储文件的配置，导致dump收集失败，故障转储初始化未成功。...
畅捷通
畅捷通通过日志服务的异常预测函数，从海量指标中快速定位异常，将有问题的地方显示出来，快速发现系统故障。畅捷通通过日志服务将各块汇集过来的数据进行标记后，与应用的配置信息进行关联和整合，通过时序发现故障的根因，从而可以实现...
通过错/慢调用链排查应用产生异常的原因
在生产环境中，引发应用异常（如耗时突增、错误率突增）的原因有很多，常见的包括流量不均、单机故障、程序异常和依赖组件故障等。在新应用上线或大促备战前通常建议做一次系统性的性能调优，分析当前系统存在哪些性能瓶颈，梳理出常出错的...
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...
RDS与自建数据库对比优势
备节点的故障发现时长为秒级，在99%的场景下，备节点从故障发生到节点恢复不超过10分钟。在好的架构下才能实现高可靠性。实现RPO=0的成本极高，需要单独购买研发服务。数据可靠性一般，取决于单块磁盘的损害概率。实现RPO=0的成本极高，...
查看智能洞察事件列表
智能洞察详情 应用服务整体平均响应时间突增 应用服务整体平均响应时间突增 类型的事件详情页面显示了事件发生时间点、根因分析和故障传播链。在智能洞察详情页面，您可以执行以下操作：单击 根因分析 区域的疑似根因链接，在疑似根因面板...
变更管理简介
有计划、受管控的变更操作降低故障发生率、业务连续性异常。规范变更准备及变更方案，提高变更成功率与可靠性。变更有记录，所有变更可回溯。核心功能 针对变更操作的审批管控以及所有变更记录 基础配置：支持自定义配置变更系统、变更类型...
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...
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...
ES实例节点配置说明
说明 本地盘存储数据有丢失数据的风险，例如ECS实例所在物理机发生硬件故障。部分地域和ES版本不支持本地盘规格族，以购买页为准。根据业务情况选择CPU类型，Intel和AMD类型的支持情况，以购买页为准。不同规格族支持多种不同的规格，支持...
成本可视化
成本分析可视化 定期对云上成本进行全方位多维度的分析是非常必要的，能够帮助企业从不同维度进行经营管理分析，并及时发现业务问题和成本优化机会。通过使用 成本分析 工具，企业可以多维度查看资源成本的趋势（最大支持12个月），分析...
- 产品推荐
- 这些文档可能帮助您