跨可用区容灾（Beta）
说明 RPO（Recovery Point Objective）即数据恢复点目标，指应用发生故障时预期的数据丢失量。容灾实例将和生产实例共用域名，域名在同一时刻仅指向其中一个实例。因此，同一时刻数据查询和写入仅能在生产或容灾实例选其一进行。释放容灾...
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...
设计方案
从提前发现系统风险、提升测试质量、完善风险预案、加强监控告警、提升故障应急效率等方面做到故障发生前有效预防，故障发生时及时应对，故障恢复后回归验证。基于故障本身打造分布式系统韧性，持续提升软件质量，增强团队对软件生产运行的...
功能概览
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...
异地应用双活切流
在⼀个数据中心发生故障或灾难的情况下，将流量切换到其他数据中心，其他数据中心可以正常运行并对关键业务或全部业务进行接管，实现故障灾难场景的业务快速恢复。本文将介绍在异地应用双活中如何创建切流任务并查看切流详情。前提条件 ...
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...
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...
判断条件-事件判断组件
选择行为 选择 发生 或 未发生：发生：发生过事件，并且属性、次数均满足要求的用户进入后续链路。未发生：不满足事件或属性、次数要求的用户进入后续链路，包含发生过事件但属性或次数不满足的用户。说明 当限制属性有多条，若属性之间的...
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...
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...
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、...
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...
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...
GTM如何实现同城容灾
创建1个全局访问策略，解析请求流量 选择 全局，主地址池集合 选择「业务中心01」地址池和「业务中心02」地址池，负载均衡策略 选择 返回全部地址，此设置可实现两个数据中心同时提供服务和发生故障时系统自动摘除故障地址的效果。...
源为PolarDB-X的功能规范和约束说明
源端执行大量DDL操作、网络、目的库性能等问题，可能会导致DTS任务存在延迟，此时如刚好遇到机房故障，且同步或迁移至目标库的最后一条数据的时间戳与故障发生时的时间戳之差大于RPO（如5分钟），那么切流需要非常谨慎，建议您暂时不要执行...
源为PolarDB-X的功能规范和约束说明
源端执行大量DDL操作、网络、目的库性能等问题，可能会导致DTS任务存在延迟，此时如刚好遇到机房故障，且同步或迁移至目标库的最后一条数据的时间戳与故障发生时的时间戳之差大于RPO（如5分钟），那么切流需要非常谨慎，建议您暂时不要执行...
自动或手动主备切换
当主实例发生故障或不可用时（例如操作系统错误、硬件故障等），系统会自动触发主备切换，主实例和备实例将进行互换，切换后实例地址保持不变，应用程序会自动连接到新的主实例（原备实例），从而保障业务的连续性和高可用性。此外，您还...
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，...
概述
在自建数据中心发生重大故障时，几分钟内在云上拉起，达到分钟级RTO。企业应用在线迁移上云：将自建数据中心内的服务器复制上云后，在云上恢复成ECS，实现应用的在线迁移上云。主要能力 应用数据实时复制：混合云容灾服务CDR能够实时监测和...
事件中心
物理链路丢包对业务的影响风险 带宽流量用量突增突减的故障风险 实例欠费即将停机风险 事件等级 按照对实例正常运行的影响程度进行划分，事件分为以下几个等级：严重：影响重大，需要尽快处理，否则可能导致实例无法使用。警告：有一定影响...
调用链采样配置最佳实践
优势是能够有效减少链路开销和数据成本，缺点是采样决策发生在端侧，命中错、慢或异常的链路概率可能较低。尾部采样：Tail-based sampling 尾部采样是每条调用链都是在调用完成后，在服务端根据规则决定这条调用链是否需要被采样，所以需要...
阈值检测
应用场景 当您发现经常收到某条告警，但是系统又没有发生任何故障时，可能是因为当前的阈值设置得不够合理，或者是该阈值不适合某些应用或接口。这种场景下，您可以使用 建议阈值 功能，对告警规则的阈值进行调整，或对部分应用、接口的...
Mesh 常见问题
故障注入未生效 故障注入可能发生在客户端，也可能发生在服务端，通常用来注入一段时间异常或者直接注入异常。注入规则没生效时，先检查自己的注入规则是否配置正确，如客户端注入需填写客户端的应用名，服务端注入需填写服务端的应用名。...
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...
监控预警
管理预算并预警 对云上成本进行预算管理是管控云上成本的有效手段，通过预算编制、预警和预测、滚动调整预算、预实分析和优化，建立起基于预算的成本闭环管理链路。企业可以使用 预算管理 工具进行事前的云上成本规划与预算编制、事中预算...
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...
可观测性的设计原则
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，从而实现云上全方面的可观测性体系能力建设。监控指标 系统需要收集和显示有关运行状况的指标，例如CPU使用率、内存使用率、网络流量等。监控...
性能监控最佳实践
提高故障排查效率：当系统或应用出现故障时，传统的性能监控方案通常需要IT运维人员手动分析监控数据来确定故障原因，这样会浪费大量的时间和精力。而一体化性能监控能够对多种关联的监控数据进行自动分析和处理，帮助IT运维人员快速定位...
附录：SOFAStack 产品目录
分布式链路跟踪 分布式链路跟踪（Distributed System Tracing，简称 DST）是一款面向分布式架构、微服务架构和云原生架构的应用可观察性的金融级解决方案，帮助用户厘清应用间复杂的调用关系，迅速定位故障或者缓慢节点。产品架构 产品优势...
以太网接口频繁Up/Down
检查设备两端链路、接口模块是否故障。设备之间是通过双绞线连接，需要做如下检查。检查项 检查标准 后续操作 用测试仪测试双绞线是否故障。测试仪显示双绞线正常。如果检查出线缆故障，请更换线缆。设备间双绞线长度是否满足要求。设备间...
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/...
以太网接口无法接通
检查设备两端链路、接口模块是否故障。如果设备之间使用双绞线连接，请排查以下检查项。检查项 检查标准 后续操作 用测试仪测试双绞线是否故障。测试仪显示双绞线正常。如果测试仪检测出线缆故障，请更换线缆。设备间双绞线长度是否满足...
日志说明
load.test 判断当前是否为全链路压测：T：表示当前为全链路压测。当前线程中能获取到日志上下文，且上下文中有压测信息。F：表示当前非全链路压测。当前线程中不能获取到日志上下文，或上下文中没有压测信息。HttpClient 日志 SOFATracer ...
事件分析概述
链路追踪：提供事件轨迹能力，还原事件整体链路状态，帮助您快速排除故障，定位链路问题。低成本 事件总线EventBridge 支持事件以云服务事件总线和自定义事件总线形式接入，云服务事件总线支持接入所有阿里云产品事件，无缝支持云服务事件...
2020年
Kafka Partition同步策略说明 从RDS同步至自建Kafka集群 DTS产品接入至云监控平台，可以对实例重要的监控指标设置报警规则，让您及时得知指标数据发生异常，帮您迅速定位处理故障。通过云监控平台为DTS任务设置报警规则 周期性全量数据迁移...
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...
功能发布记录
故障演练支持自定义监控 故障演练支持自定义监控。演练场景、演练方案、演练执行单展示优化 演练场景、演练方案、演练执行单展示优化，区分我的和全部。场景实例、系统原子操作展示优化 场景实例、系统原子操作展示关联演练执行单列表。...
地域及可用区
建议您根据您的预算选择合适的地域。网络延迟 只有同一地域内的不同可用区之间内网互通，且使用低时延链路相连。不同地域之间的可用区完全隔离。当您和资源部署地域的距离越近，网络时延越低，访问速度越快。建议您需要结合业务的实际需求...
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，...
- 产品推荐
- 这些文档可能帮助您