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...
应用场景
以此，降低产品使用过程中故障发生概率，提高故障恢复效率，进而实现产品高可用性的有效提升。机房级容灾 同城双活 同一个城市，建设两个机房环境，两地距离 50 km 以内，万兆光纤专线互连，业务应用层面可以两个机房同时提供业务服务，当...
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 ...
SA混合云存储阵列
当控制器故障时，支持在线故障切换，业务连续性不受影响。阿里云混合云存储阵列将云存储的高性价比和可扩展性与本地数据中心架构相结合，帮助客户轻松实现数据在本地数据中心和公共云之间的无缝流动。产品规格 阿里云 SA混合云存储阵列 ...
故障演练
但这些措施在故障发生时的有效性、故障恢复工具的真实容灾能力、处理问题人员的熟练度，沟通机制、容灾措施对上层的影响等问题，平时并没有太多的机会验证，往往都是在真实故障中暴露。故障演练就是这个背景下诞生的，沉淀通用的故障场景，...
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...
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...
混合云应用双活容灾最佳实践
说明 演练前，基于MSHA流量监控或其他监控产品，确定业务稳态的监控指标（如日常情况RT≤200ms，错误率），以便在故障发生时判断故障影响面以及在故障恢复后判断业务的实际恢复情况。步骤二：应用故障注入 这里使用阿里云故障演练产品，对...
应用场景
平时，您还可以方便地进行容灾演练，确保真实故障发生时恢复流程顺畅，保证容灾计划的准确性。混合云容灾服务让您无需承担自建灾备中心的巨大投入，也无需担心传统容灾方案复杂的软硬件部署运维，极大减少了异地容灾的成本，提高容灾的有效...
部署高可用及共享存储Web服务
1个公网负载均衡CLB：基于对流量按需分发的能力，可以将流量分发到不同的后端服务器，可消除系统中的单点故障，当某个服务器发生故障时，CLB会自动将请求分配到其他正常的服务器上，从而保证服务的连续性和稳定性。2个文件存储NAS：实现多...
产品架构介绍
多活流量必须经过接入层，以便在故障发生时，通过接入层切换入口流量。比例分流：接入层支持按比例将流量分流到机房。特殊场景下，可以将机房流量切零，从而实现故障情况下的流量切换。精准路由：接入层支持根据HTTP请求Header/Cookie/...
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...
内存诊断
Vmalloc Linux操作系统的一种基于伙伴系统的非线性映射内存分配器。filecache Linux在读写文件时，用内存缓存磁盘文件的内容，程序访问文件时直接操作内存，从而加快程序对文件的读写。匿名内存 在系统运行过程中动态分配（new、malloc、...
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...
ECS安全组实践（安全组设置）
在安全组的使用过程中，通常会将所有的云服务器放置在同一个安全组中，从而可以减少初期配置的工作量。但从长远来看，业务系统网络的交互将变得复杂和不可控。在执行安全组变更时，您将无法明确添加和删除规则的影响范围。合理规划和区分...
AIOps 解决方案专家服务内容说明
根据智能AI算法和阿里多年积累的AIOps经验，在故障发生后，提供自动化解决方案。在方案设计中我们提供包括时序预测和根因分析、历史数据预测的3大类算法场景的设计，更多具体算法详见《10.1算法列表》《智能故障发现设计方案》3 定制化业务...
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，...
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...
读写分离简介
以此确保单个只读实例发生故障时，不会影响应用的正常访问。当实例被修复后，MyBase MySQL会自动将该实例纳回请求分配体系内。请求转发逻辑 只发往主实例 INSERT、UPDATE、DELETE、SELECT FOR UPDATE。所有DDL操作（建表/库、删表/库、变更...
什么是读写分离
以此确保单个只读实例发生故障时，不会影响应用的正常访问。当实例被修复后，RDS会自动将该实例纳回请求分配体系内。说明 为避免单点故障，建议您为一个主实例创建至少两个只读实例。可自定义设权重和阈值，符合多场景使用。您可以自定义...
读写分离
以此确保单个只读节点发生故障时，不会影响应用的正常访问。当节点被修复后，该节点会自动被加入请求分配体系内。功能限制 暂不支持如下命令或功能：不支持Replication-mode方式进行建连，即不支持通过读写分离地址自行搭建主备复制集群。...
读写分离简介
读写分离模块会自动对只读实例进行健康检查，当发现某个实例发生宕机或延迟超过阈值时，系统将不再向该实例分配读请求，而是在剩余的健康实例间进行分配，以此确保单个只读实例发生故障时，不会影响应用的正常访问。当实例被修复后，RDS会...
如何将一棵LSM-Tree塞进NVM
Engine为基础结合非易失内存的优势与限制，重新设计并实现了存储引擎的主要内存数据结构、事务处理和持久化内存分配器等基础组件，最终实现了不需要记录预写式日志的高性能事务处理，降低了整体系统的写入放大并提高了存储引擎的故障恢复...
什么是读写分离
提升数据库系统的可用性 读写分离模块自动对集群内的所有节点进行健康检查，当发现某个节点宕机或者延迟超过阈值后，PolarDB 将不再分配读请求给该节点，读写请求在剩余的健康节点间进行分配，以此确保单个只读节点发生故障时，不会影响...
企业单AZ架构升级到多AZ
多可用区部署的常见应用：关键业务系统：对于需要高可用性和连续性的关键业务系统，如金融服务、医疗保健和电子商务平台，多AZ部署可以确保系统即使在一个数据中心发生故障的情况下也能继续运行。容灾要求高的场景：当组织需要符合特定的...
指标说明
任务名称（Job Name）指标类型 指标名称 指标说明_arms-prom/kubelet/1 基础指标 promhttp_metric_handler_requests_in_flight-go_memstats_mallocs_total 是一个计数器值，用于显示有多少堆对象进行分配了。可以使用 rate()函数来计算堆...
指标说明
任务名称（Job Name）指标类型 指标名称 指标说明_arms-prom/kubelet/1 基础指标 promhttp_metric_handler_requests_in_flight-go_memstats_mallocs_total 是一个计数器值，用于显示有多少堆对象进行分配了。可以使用 rate()函数来计算堆...
分配辅助私网IP地址
故障转移场景：当实例发生故障时，您可以将辅助弹性网卡从故障实例解绑并绑定至备用实例，通过其辅助私网IP访问的请求流量也随之切换到备用实例，实现故障转移。负载均衡场景：通过为实例分配多个辅助私网IP地址，可以实现负载均衡机制，将...
什么是读写分离
以此确保单个只读实例发生故障时，不会影响应用的正常访问。当实例被修复后，RDS会自动将该实例纳回请求分配体系内。说明 为避免单点故障，建议您为一个主实例创建至少两个只读实例。请求转发逻辑 只发往主实例 INSERT、UPDATE、DELETE、...
集群高可用架构推荐配置
多可用区的地域：所有托管组件均严格采用多副本、多AZ均衡打散部署策略，确保在单个可用区或节点发生故障时，集群仍然能够正常提供服务。单可用区地域：所有托管组件均严格采用多副本、多节点打散部署策略，确保在单个节点发生故障时，集群...
读写分离
以此确保单个只读节点发生故障时，不会影响应用的正常访问。当节点被修复后，该节点会自动被加入请求分配体系内。功能限制 暂不支持如下命令或功能：不支持Replication-mode方式进行建连，即不支持通过读写分离地址自行搭建主备复制集群。...
基于MSE云原生网关实现同城多活
在同城多活的场景下，能够确保对跨可用区的多个业务集群的请求实现高效负载均衡分配，在单个可用区内的业务集群发生故障时，可在1秒内完成故障节点的自动摘除从而实现故障转移，有效的保障服务连续性和高可用性。容灾概述 目前云上容灾主要...
设备无法上电
问题现象 设备的系统指示灯（SYS或RUN）和电源指示灯都不亮。可能原因 未打开设备电源开关。...如果是可插拔电源适配器，可通过更换其它可以正常供电的电源适配器，更换之后如果设备可以正常上电，则可以确认是设备的可插拔电源适配器有故障。
跨地域Web安全加速（海外域名）
全球加速依托阿里云优质BGP带宽和全球传输网络，通过联动DDoS高防和Web应用防火墙，可以有效防御DDoS攻击和Web攻击，同时可以通过全局流量管理实现故障隔离或流量切换，为Web服务商提供一套高安全的跨地域加速方案。背景信息 某Web服务部署...
CLB释放和挂载
挂载CLB后，ClickHouse集群将实现自动故障转移，通过健康检查分配流量至正常节点，确保集群高可用。挂载CLB属于依赖付费项，如果您不需要该功能，可以对其进行释放。为了保证您的服务可靠性不建议您释放CLB。注意事项 RAM用户暂时不支持CLB...
配置健康检查
将边界路由器VBR（Virtual Border Router）连接至云企业网实例后，您可以通过云企业网的健康检查功能探测VBR实例关联的物理专线的连通性。在云企业网和本地数据中心存在冗余路由的场景下，健康检查探测到物理专线故障后支持自动切换到可用...
网络资源
网络资源是指用于节点之间通信和数据传输的硬件和软件资源，除了包括广域网、局域网、交换机、路由器，还包括常用到的专有网络、虚拟交换机、负载均衡、弹性公网、VPN、DNS、CDN等资源。在分布式系统中，网络资源的主要作用是支持节点之间...
- 产品推荐
- 这些文档可能帮助您