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...
代码逻辑场景
受影响的请求数 否 0 限制最多发生故障的请求总数，每生效一次故障计数加1，累计发生故障请求数超出设定值后，请求则不再发生故障。填写数值小于等于0时，则表示不限制。受影响的请求占比（%）否 0 限制发生故障的请求数占所有应该发生故障...
2024年
当地域级别故障发生时，可以进行地域切换，在备份集群地域基于已备份数据恢复生产。功能详细说明及使用请参见 跨地域灾备。目前跨地域灾备处于邀测阶段，如您需要使用此功能，请单击 申请开通，在新功能试用申请页面申请开通使用跨地域灾备...
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。
DeviceLinkDown
DeviceLinkDown事件提示您线下机构侧动态路由邻居发生故障或者静态接入链路发生故障。告警信息 事件名称 事件级别 状态码 状态描述 DeviceLinkDown CRITICAL linkdown Device Link State Change 可能原因 用户侧交换机设备故障。用户侧交换...
存储资源
连接复用：尽量使用连接复用的方式，即一个请求完成后，将连接释放回连接池，供其他请求复用。限流：可能因上游服务调用导致当前服务数据库访问频次增大，导致数据库连接数增加，超出当前服务处理的最大请求，需要当前服务具有限流能力，...
使用须知及高危风险操作说明
阿里云容器计算服务（简称ACS）提供容器计算服务相关的技术架构以及核心组件的托管服务，对于非托管组件以及运行在ACS集群中的应用，不当操作可能会导致业务故障。为了更好地预估和避免相关的操作风险，在使用容器计算服务ACS前，请认真...
CREATE TABLE AS（CTAS）语句
连接器名称 源表 结果表 备注 MySQL√分库分表合并同步时，默认会同步上游存储的数据库名称和表名称。单表同步时，不会同步数据库名称和表名称。如果您需要同步数据库名称和表名称，请使用SQL命令创建Catalog，并添加catalog.table....
测试指标
简称 Virtual Failure Ratio：FR:VU 标准 不同系统对错误率的要求不同，但一般不超出千分之六，即成功率不低于99.4%。资源指标 CPU 定义及解释 中央处理器是一块超大规模的集成电路，是一台计算机的运算核心（Core）和控制核心（Control ...
基本概念
RPO Recovery Point Objective（数据恢复点目标），指应用发生故障时预期的数据丢失量。例如，RPO=15 分钟，表示在应用发生故障时，最近 15 分钟的数据无法在云上恢复。RTO Recovery Time Objective（恢复时间目标），指故障发生时，在云...
JVM注入动态脚本
受影响的请求数 否 0 限制最多发生故障的请求总数，每生效一次故障计数加1，累计发生故障请求数超出设定值后，请求则不再发生故障。填写数值小于等于0时，则表示不限制。受影响的请求占比（%）否 0 限制发生故障的请求数占所有应该发生故障...
AccessGatewayFailover
AccessGatewayFailover事件提示您智能接入网关设备主IPsec链路发生故障。告警信息 事件名称 事件级别 状态码 状态描述 AccessGatewayFailover INFO agwfailover Access Gateway Failover 可能原因 IPsec链路网络故障。处理方法 无需处理。...
DeviceWanLinkDown
DeviceWanLinkDown事件提示您设备WAN链路发生故障。告警信息 事件名称 事件级别 状态码 状态描述 DeviceWanLinkDown CRITICAL down Wan Link Down 可能原因 WAN链路出现故障。处理方法 请提交工单，联系阿里云工程师。icmsDocProps={'...
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。
替换主机
当主机发生故障后，如果您创建 专属集群MyBase 时 主机故障处理策略 选择的是 手动替换主机，则您可以通过手动替换主机来解除故障。前提条件 专属集群MyBase 引擎的为MySQL，且主机存储类型为本地SSD盘。背景信息 当主机发生故障时，系统会...
替换主机
当主机发生故障后，如果您创建 专属集群MyBase 时 主机故障处理策略 选择的是 手动替换主机，则您可以通过手动替换主机来解除故障。前提条件 专属集群MyBase 引擎的为MySQL，且主机存储类型为本地SSD盘。背景信息 当主机发生故障时，系统会...
链路状态
当发生故障时，及时进行切换。操作步骤 登录 智能接入网关控制台。在 智能接入网关 页面，单击目标实例ID。在智能接入网关实例详情页面，单击 高可用配置，可查看链路状态。绿灯：表示链路正常。红灯：表示链路故障。icmsDocProps={'...
自动/手动主备切换
当系统发生故障时，PolarDB 集群会自动进行主备切换。您也可以手动进行主备切换，指定一个只读节点为新的主节点。注意事项 不论是自动切换还是手动切换，切换过程中，都可能会出现30秒左右的闪断，因此切换前请务必确保应用具备重连机制。...
自动/手动主备切换
当系统发生故障时，PolarDB 集群会自动进行主备切换。您也可以手动进行主备切换，指定一个只读节点为新的主节点。注意事项 不论是自动切换还是手动切换，切换过程中，都可能会出现30秒左右的闪断，因此切换前请务必确保应用具备重连机制。...
设备级高可用
在购买智能接入网关设备时，您可以选择购买两台设备，两台设备绑定到同一实例中，互为备份，在一台设备发生故障时进行设备切换，保障业务不中断。通过本文您可以在智能接入网关控制台查看设备级备份信息。前提条件 您购买的智能接入网关...
功能概述
数据库发生故障后，无法在发生故障时定位到原因，可以通过智能压测功能，在克隆库上复现故障场景，定位故障原因。功能架构 智能压测的功能架构如下图所示：源数据库：将要进行大促、将要业务变更或者已经发生故障，需要进行流量捕获的数据...
高可用版
优势 可用性 采用经典高可用架构，主备之间通过复制（默认半同步）实现数据同步，一旦主库发生故障，将迅速检测并触发主备切换来保证可用性。备库故障对业务无影响，但会快速被检测到并触发备库自愈。可靠性 计算与存储分离，计算节点的...
设计原则
数据容灾是指在数据中心或服务器发生故障、灾难或意外情况时，能够保证数据的安全性和可用性的一系列措施和策略。数据容灾的目标是确保在不可避免的情况下，数据的完整性、可恢复性和可用性不受到严重影响，以保障业务的持续运行和数据的...
使用Hint语法
执行该命令后，后续所有命令只发往rr-bpxxxxx实例，如果这个实例发生故障，则返回报错 set force node 'rr-bpxxxxx' is not found,please check.说明 通常不建议使用/*force_proxy_internal*/语法，会导致后续所有请求都发往该实例，读写...
为RDS创建灾备实例
当RDS实例所在可用地域发生故障时，可基于灾备实例快速恢复服务。应用场景 创建RDS灾备实例可以为主实例提供数据备份和灾难恢复保障，当主实例出现故障或不可用时，灾备实例将自动接管数据服务，保证业务的连续性和可用性。风险等级 默认...
主从（备）切换原因
实例故障 阿里云检测到实例发生故障，无法正常使用，系统会发起主从（备）切换，及时恢复业务正常运转，缩小故障影响范围。主从（备）切换完成后，实例状态会显示运行中，您不需要进行任何操作，实例可以正常运行。您可以在 服务可用性 ...
备份和灾难恢复
阿里金融云可以支持同城双活/灾备、两地三中心等架构方式。1.同城双活 同城双活、灾备是阿里金融云的...故障切换回切：DNS将生产IP从原生产中心修改到灾备中心，实现跨Region的故障切换和服务恢复机制，主站发生故障时，由备站继续提供服务。
主备方案介绍
主备容灾：当云数据库HBase实例因不可预料的原因（例如设备故障、机房断电断网等）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。功能优势 主备双活：请求低毛刺。故障自动容错。资源利用率高。主备容灾：支持云数据库HBase、EMR...
同城容灾架构概述
非机房级故障（某个机房的单产品故障，例如其中一个机房的ECS服务器损坏），可以通过对单产品的灾备设计来保障发生故障时系统及时切换。应用设计相关参考标准 应用设计相关参考标准如下：无状态化。分布式集群设计、避免单点逻辑出现。幂等...
概述
分布式系统将计算任务和数据分布在多个节点上以实现更高的性能、可靠性和可扩展性，当一个节点发生故障或错误时，其他节点可以继续工作，相比于单机系统，架构本身就有较高的节点容错性。但随着服务拆分，更多组件的引入，分布式系统的复杂...
配置设备级高可用
当主网关设备发生故障时，HA机制能够从备份的网关设备中选举一台设备成为新的主网关设备，用来承担数据流量，从而保障网络的可靠通信。动态HA功能无需配置虚IP地址，系统会主动帮您探测设备状态，在主网关设备故障时，自动帮您切换流量。...
开通备份恢复
说明 数据恢复点目标（Recovery Point Objective，简称RPO），指应用发生故障时预期的数据丢失量。例如，RPO为15分钟，表示在应用发生故障时，最近15分钟的数据无法在云上恢复。默认全库备份，支持对单个表或多个表进行备份恢复。指定时间...
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...
什么是混合云容灾服务
RPO Recovery Point Objective（数据恢复点目标），指应用发生故障时预期的数据丢失量。例如，RPO=15 分钟，表示在应用发生故障时，最近 15 分钟的数据无法在云上恢复。RTO Recovery Time Objective（恢复时间目标），指故障发生时，在云...
AI助手使用说明
安装AI助手并开启PAI的作业监控和恢复功能后，当训练任务发生故障或异常时，能自动上报故障信息、隔离问题节点，无需人工干预即可快速恢复任务。本文为您介绍AI助手的具体配置方法。前提条件 已创建带有ACK灵骏托管版的集群。具体操作，请...
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...
标准版-单副本
当数据库节点发生故障时，数据会丢失，系统会重新拉起一个Redis进程（没有数据），当节点故障业务自动切换完成后，应用程序需要将数据重新预热。单副本架构不支持以下功能：自动或手动备份、离线全量Key分析 和 实例回收站。若您对数据有...
如何通过 mPaaS 框架解决 App 线上问题
如果真的在线上发生故障，开发者就可以通过服务器推送开关，及时将故障代码关闭。这种推拉结合的方式，即时到达率 100%。发布 H5 离线包更新如果某些故障是发生在离线包内，在定位到问题后，可以直接通过实时发布控制台发布新的版本即可。...
教程概览
6、容灾预案：容灾预案可以帮助用户实现容灾演练，或发生故障时快速切换访问流量，包括创建容灾预案、执行/回滚等相关信息。7、日志信息：介绍全局流量管理运行状态的告警日志，包括：健康检查告警、健康检查恢复、地址池不可用、地址池...
通过异步复制功能实现容灾恢复
当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功能对主盘进行容灾恢复。本文主要介绍如何进行容灾恢复操作。前提条件 反向复制前，请确保源云盘（主盘）已经从对应的ECS实例上卸载，即主盘处于未挂载状态。具体...
- 产品推荐
- 这些文档可能帮助您