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...
网络游戏：心动网络股份有限公司
同时在主实例发生故障的时候，系统能在短时间（30s~60s）内完成快速切换，确保在线业务能够在保证数据完整性的同时快速恢复以提供正常的服务。丰富的业务支持 PolarDB 能够100%兼容MySQL 5.6、MySQL 5.7和MySQL 8.0，完全兼容MySQL各种生态...
修改DNS服务器
重要 阿里云注册域名不支持同时配置多家厂商DNS服务器，因为NS记录缓存时间一般为48小时，部分场景下的故障发生时，NS缓存短时间无法消除，依然会有解析请求到故障DNS。同时不同厂商之间的解析数据不一致问题也容易引发故障。阿里云注册...
Windows系统挂载NAS共享目录时报错“发生系统错误 58...
本文介绍Windows系统挂载NAS共享目录时报错“发生系统错误 58”的问题原因及解决方案。问题描述 在Windows Server 2008 32位标准版系统中，访问NAS共享目录时，无法访问“\\xx\myshare”，错误信息提示如下。问题原因 Windows Server 2008 ...
API概览
API 描述 CreateProblem 故障升级 GetProblemImprovement 故障复盘改进详情 GetProblemPreview 获取故障通知预览 UpdateProblemImprovement 更新故障复盘改进详情 CancelProblem 取消故障 CreateProblemSubtotal 故障新增备注小计 ...
应用场景
系统稳定性差，任何一个下游发生故障，将直接影响整个业务系统的可用性。为提升核心应用用户体验和稳定性，您可以通过DTS提供的数据订阅，将深耦合业务优化为通过实时消息通知实现的异步耦合，让核心业务逻辑更简单可靠，具体调整为：该...
故障动态
PROBLEM_IN_REVIEW 完结 PROBLEM_REOPENED 取消 PROBLEM_CANCEL 更新故障通告 PROBLEM_UPDATE_NOTIFY 添加故障小计 PROBLEM_ADD_SUBTOTAL 更新故障 PROBLEM_UPDATE problemId Long 12312 故障Id problemName String 这是一个故障 故障名称 ...
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...
订阅事件通知
云监控的报警服务为您提供以下两种报警通知能力，当阿里云产品发生系统异常时，您可以及时知晓发生的事件，并自动处理异常事件（例如云产品故障）。提供通过 短信、邮件、钉钉机器人的方式，对事件发生进行报警。提供将事件分发到您的消息...
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，RPO低至1分钟、RTO低至15分钟的高可靠的业务持续性保障，有效避免了地域性...
功能特性
专线+Internet备份：智能接入网关支持Internet链路和专线互为备份链路，当主用链路发生故障时，自动切换至备用链路接入阿里云。说明 目前仅 SAG-1000支持专线功能，SAG-100WM不支持专线功能。更多信息，请参见 什么是高速通道。路由方式 ...
云盘异步复制概述
启动云盘异步复制功能 通过异步复制功能实现容灾恢复 您创建并启动云盘异步复制关系后，如果主盘发生故障，您可以通过异步复制提供的故障切换以及反向复制功能对主盘进行容灾恢复。通过异步复制功能实现容灾恢复 删除云盘异步复制关系 创建...
互联网行业
一旦设备发生故障需要维修，将严重影响业务和工作效率。弹性不足：传统的电脑办公系统无法满足战略和项目的快速调整，资源不足或过剩都会影响业务和成本。方案介绍 安全办公研发：无影云电脑、安全策略、无影云盘或NAS（加上AD连接器和云...
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、...
计算资源
即使其中一个节点发生故障或异常中断，其他节点仍然可以继续执行剩余的子任务，提高任务的容错性和可靠性。任务重复执行 由于各种原因导致计算任务被多次执行的情况，如重复操作、消息重复、调度重复等原因。常见的容错策略如下：去重：...
EasyCkpt：AI大模型高性能状态保存恢复
因此，在发生故障时，迫切需要一种以低成本的方法来保存最新的Checkpoint。这样在重新启动训练时就无需重复计算，从而减少时间和成本的浪费。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...
多可用区部署
当主实例1发生故障或者可用区A不可用时，用户将访问的连接切换至备实例2或者可用区B，从而实现高可用，主备容灾的高可用架构图如下所示。主备容灾的方案虽然能够满足大部分用户的高可用需求，但是这种主备容灾方案并不适用所有的业务，存在...
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...
SysAK 2.2.0版本导致运行DNF命令发生段错误，如何处理...
SysAK（System Analyse Kit）是阿里云操作系统提供的一个全方位的系统运维工具集，可以覆盖系统的日常监控、线上问题诊断和系统故障修复等常见运维场景。本文为您介绍Alibaba Cloud Linux 2/3系统的SysAK 2.2.0版本导致运行DNF（Dandified ...
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...
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...
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...
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...
RDS SQL Server异地容灾
RDS SQL Server提供了异地容灾方案，可以将源实例的业务数据自动同步至容灾实例中，当源实例所在地域的RDS实例发生故障时，可手动切换系统到容灾地域的RDS实例上，从而保障业务的连续性和可用性。前提条件 已在地域A和地域B分别创建了RDS ...
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，...
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...
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...
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...
订阅事件通知
云监控的报警服务为您提供以下两种报警通知能力，当阿里云产品发生系统异常时，您可以及时知晓发生的事件，并自动处理异常事件（例如云产品故障）。通过 短信、邮件、钉钉机器人的方式，对事件发生进行报警。将事件分发到您的URL回调中，...
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...
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。...
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...
订阅事件通知
云监控的报警服务为您提供以下两种报警通知能力，当阿里云产品发生系统异常时，您可以及时知晓发生的事件，并自动处理异常事件（例如云产品故障）。提供通过 短信、邮件、钉钉机器人的方式，对事件发生进行报警。提供将事件分发到您的消息...
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...
使用ASM构建分布式系统的容错能力
分布式系统存在高度复杂性的特点，在基础设施、应用逻辑、运维流程等环节都可能存在稳定性风险而导致业务系统的失效。因此构建一个具有容错能力的分布式系统非常重要。本文介绍如何通过ASM设置超时、重试、隔板和熔断机制构建分布式系统的...
使用ASM构建分布式系统的容错能力
分布式系统存在高度复杂性的特点，在基础设施、应用逻辑、运维流程等环节都可能存在稳定性风险而导致业务系统的失效。因此构建一个具有容错能力的分布式系统非常重要。本文介绍如何通过ASM设置超时、重试、隔板和熔断机制构建分布式系统的...
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。...
订阅事件通知
云监控的报警服务为您提供以下两种报警通知能力，当阿里云产品发生系统异常时，您可以及时知晓发生的事件，并自动处理异常事件（例如云产品故障）。提供通过 短信、邮件、钉钉机器人的方式，对事件发生进行报警。提供将事件分发到您的消息...
系统账号说明
PolarDB MySQL版 提供了多种类型的...实例故障时，管控系统通过该账号登录实例执行管控操作，例如主备切换、实例监控等。replicator 主从复制账号。用于主节点和备节点之间的数据同步。说明 在您创建数据库账号时，请勿与以上系统账号重名。
- 产品推荐
- 这些文档可能帮助您