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 ...
网络游戏：厦门真有趣信息科技有限公司
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，确保在线业务能够快速恢复以提供正常的服务。高度兼容 PolarDB 能够100%兼容MySQL 5.6、5.7和8.0，完全兼容MySQL各种生态和中间件开源工具，非常方便游戏历史战绩查询、...
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、...
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...
流水单据型业务场景多活实践
在北京单元发生故障的情况下，可以使用MSHA切流功能将受影响的用户流量切换到另外的单元，进行快速业务恢复。说明 这里区别于传统的解决思路，不是去排查、处理和修复故障，而是立即使用切流进行恢复，将业务恢复和故障恢复解耦。容灾切换...
读多写少型业务场景多活实践
在杭州单元发生故障的情况下，可以使用MSHA切流功能将受影响的用户流量切换到另外的单元，进行快速业务恢复（这里区别于传统的思路，不是去排查、处理和修复故障，而是立即使用切流进行恢复，将业务恢复和故障恢复解耦）。容灾切换预期：将...
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...
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...
本地盘最佳实践
如果本地盘发生故障、物理服务器发生宕机，或者人为误操作，本地盘会丢失数据。请勿在本地盘上存储需要长期保存的业务数据。但云盘采用分布式三副本机制，能防止意外硬件故障导致的数据不可用。如果应用没有多节点数据冗余架构，强烈建议您...
故障协同处理（基于钉钉）
时间线：展示故障的时间线记录，其中有7个节点必须完善详细内容，节点已用红星标注，包含：故障发生、故障发现、故障通告、业务响应、初因定位、恢复执行和故障恢复。节点记录和PC端故障时间线保持一致。复盘 按钮：故障恢复后，需进行故障...
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...
RedeployDedicatedHost-执行专有宿主机的故障迁移
接口说明 DDH 状态为报警状态（UnderAssessment），即故障潜伏期时，建议您调用该接口执行 DDH 的故障迁移，避免 DDH 产生永久性故障。您可以调用 API DescribeDedicatedHosts 查询专有宿主机的状态信息。调试 您可以在OpenAPI Explorer中...
RedeployDedicatedHost-执行专有宿主机的故障迁移
接口说明 DDH 状态为报警状态（UnderAssessment），即故障潜伏期时，建议您调用该接口执行 DDH 的故障迁移，避免 DDH 产生永久性故障。您可以调用 API DescribeDedicatedHosts 查询专有宿主机的状态信息。调试 您可以在OpenAPI Explorer中...
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 ...
基于多集群实现跨地域容灾和流量负载均衡
跨地域故障转移功能可以在某地域服务发生故障时，将该地域流量转移至其他地域，实现跨地域容灾。以Bookinfo应用为例，本文介绍如何使用跨地域故障转移和流量分布能力实现跨地域容灾和流量负载均衡。网络规划 在进行操作前，您需要对vSwitch...
基于多集群实现跨地域容灾和流量负载均衡
跨地域故障转移功能可以在某地域服务发生故障时，将该地域流量转移至其他地域，实现跨地域容灾。以Bookinfo应用为例，本文介绍如何使用跨地域故障转移和流量分布能力实现跨地域容灾和流量负载均衡。网络规划 在进行操作前，您需要对vSwitch...
使用须知
本地盘实例可靠性取决于宿主机可靠性，当发生单点故障时，ENS会进行同节点迁移帮助实例尽快恢复连通，不保证数据可靠性。单个边缘节点无法连通时，ENS会根据用户需求进行跨节点迁移帮助用户尽快恢复区域内连通，实例ID不变、实例IP改变，不...
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...
趋势分析
通过延时、丢包率、探测次数三个指标在不同维度、不同汇聚粒度的表现来判断网络趋势，可以用来定位网络故障发生的时间点以及业务的网络质量趋势。首页点击 详情分析 按钮，进入“趋势分析”页面。筛选条件：说明 筛选条件“统计时间段”，...
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...
发现和排查实例问题
合理使用监控相关的功能可以帮助您及时发现和排查实例问题，在故障发生前处理掉潜在风险，避免影响业务。诊断实例的健康状态 实例健康诊断功能可以全方位诊断实例的操作系统配置、网络状态、磁盘状态等。诊断报告中针对异常诊断项目的影响...
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...
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...
基于Kubernetes容器集群的容灾架构与方案
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，您必须为系统设计一套完善的容灾方案。本文以Kubernetes集群（包括 容器服务 Kubernetes 版 的ACK集群、第三方云厂商集群和本地IDC集群）为基础，结合阿里云的网络、数据库...
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...
源为PolarDB-X的任务配置方案
配置 PolarDB分布式版 下多个RDS MySQL至目标库的DTS任务，如其中一个DTS任务发生故障，则不影响其他DTS任务的运行，且只需恢复发生故障的DTS任务即可。稳定性一般。仅配置一个以 PolarDB分布式版 为源的DTS任务，如该DTS任务发生故障，则...
源为PolarDB-X的任务配置方案
配置 PolarDB分布式版 下多个RDS MySQL至目标库的DTS任务，如其中一个DTS任务发生故障，则不影响其他DTS任务的运行，且只需恢复发生故障的DTS任务即可。稳定性一般。仅配置一个以 PolarDB分布式版 为源的DTS任务，如该DTS任务发生故障，则...
通过一致性复制组实现容灾恢复
当生产站点发生故障时，将开启读写权限的容灾站点中云盘挂载到临时创建的ECS实例上继续运行业务，直到生产站点故障修复完成。警告 故障切换功能会暂停异步复制功能，您需要确保您的生产站点发生故障时再使用故障切换功能，避免数据丢失。...
故障应急协同
故障通告及更新 基于7x24监控值班工作特性，对于业务异常达到故障等级时，以用户定制的（语音、短信、IM）的方式在约定时间内将故障影响信息以及处理进展通知给对应的接收人/组，并持续更新直至故障结束。故障应急协同群 故障发生后，可以...
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...
一致性复制组概述
容灾站点 除了生产站点以外另外建立容灾站点，当生产站点发生故障时，容灾站点可以接管业务，实现业务不间断。恢复点目标（RPO）由于云盘异常可能丢失的数据量，以时间为单位，是异步复制功能的数据指标之一（一致性复制组功能的RPO默认为...
实例的节点故障处理机制
当节点发生故障后，系统会对故障节点进行检查与修复。节点故障期间实例的相关服务不可用。说明 单节点实例适用于测试、培训、非核心业务等场景，生产环境建议使用副本集实例或分片集群实例以保障服务的高可用性。副本集 图 1.副本集架构 ...
围绕混沌工程的平台实践
因此混沌工程是一门学科，它提供了基本的理论指导，而故障演练是混沌工程的具体实践，通过向目标系统注入真实可能发生的故障来考量系统的稳定性。混沌工程和AHAS Chaos AHAS Chaos是以混沌工程为理论指导的故障演练平台，目标是成为混沌...
Tair选型指南
3 选择容灾方案 云原生内存数据库Tair 实例若因不可预料的原因（例如设备故障、机房断电等）发生故障，容灾机制保障数据的一致性和业务可用性。云原生内存数据库Tair 提供多种灾备方案供您选择，可满足不同的业务场景。4 预估内存规格 提前...
产品简介
当前事件：当发生涉及区域性或多产品的故障时，阿里云健康看板会在页面头部重点显示事件信息。事件详情：每个事件都会尽可能详细的描述（受影响产品、受影响地域，事件进展、问题报告等），以帮助客户理解其对自身应用程序和服务的影响程度...
故障管理
故障改进：支持对故障制定明确的改进及验收措施、责任人及完成时间，确保每个深度复盘后的故障都能对业务连续性形成改进，避免历史同类故障重复发生。最佳实践 运维事件中心是阿里云提供的云上故障管理服务。制定故障应急响应流程机制。可...
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...
灾备方案
Tair 容灾架构演进 当 Tair 实例因不可预料的原因（例如设备故障、机房断电等）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。Tair 提供多种灾备方案供您选择，可满足不同的业务场景。图 1.Tair 容灾架构演进 灾备方案 灾备级别 ...
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...
灾备方案介绍
云数据库Redis容灾架构演进 当云数据库Redis实例因不可预料的原因（例如设备故障、机房断电等）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。云数据库Redis提供多种灾备方案供您选择，可满足不同的业务场景。图 1.Redis容灾架构...
- 产品推荐
- 这些文档可能帮助您