NAT网关故障排查指南
本文介绍NAT网关的常见故障及排查方案。流量不通类故障排查：ECS实例配置DNAT条目后无法被公网访问 VPC内新建交换机的ECS无法通过SNAT访问公网 VPC内存在多个NAT网关时，某交换机的ECS实例不能访问公网 访问流量异常类故障排查：客户端访问...
容灾恢复
解决了服务故障持续影响业务的问题，避免了雪崩效应，提高系统可用率。功能原理 单机故障剔除会统计一个时间窗口内的调用次数和异常次数，并计算每个服务对应 IP 的异常率和该服务的平均异常率。当 IP 的异常率大于服务平均异常率，且达到...
EasyCkpt：AI大模型高性能状态保存恢复
在训练过程中，可能会遇到硬件故障、系统问题、连接错误、以及其他未知的问题。这种频繁中断导致的训练进度的损失对于耗时又耗资源的大模型训练来说是难以承受的。尽管可以通过做Checkpoint来保存和恢复进度，但Checkpoint本身的耗时与模型...
I-V曲线诊断
数据服务中提供光伏智能运维的IV曲线诊断算法，结合环境光强度、环境温度等影响因素，对组串式光伏发电阵列的电流-电压曲线（I-V曲线）进行分析，检测系统可能出现的故障，进而提高设备的运行效率，保障电站高效运行。本文介绍光伏智能运维...
网络诊断
重要 使用故障诊断功能时，系统将在您的集群节点上执行数据采集程序并收集检查结果。采集的信息包括系统版本、负载、Docker、Kubelet等运行状态及系统日志中关键错误信息。数据采集程序不会采集您的业务信息及敏感数据。前提条件 已创建ACK...
系统类故障排查
概述 本文主要介绍使用阿里云服务器ECS时的系统类故障排查，包含CPU、磁盘I/O、内存、硬盘、带宽资源占用异常的问题排查与定位。详细信息 说明 阿里云提醒您：如果您对实例或数据有修改、变更等风险操作，务必注意实例的容灾、容错能力，...
高性能版实例
以下内容为 AnalyticDB PostgreSQL版 实例常见故障场景中高性能版和高可用版的对比：恢复（Recovery）模式 根据以往 AnalyticDB PostgreSQL版 运行情况，故障最大的场景为恢复模式，故障概率远大于另外两种场景（计算节点故障和计算节点宿...
主备切换
实例底层主机故障 阿里云检测到实例底层主机发生故障，例如进程异常中断、实例负载过高导致内存异常等无法正常使用时，系统会立即触发主备切换，及时恢复实例，降低故障影响时长。此类触发方式会以 短信或 站内信、邮件等形式通知到您，...
主备切换
实例底层主机故障 阿里云检测到实例底层主机发生故障，例如进程异常中断、实例负载过高导致内存异常等无法正常使用时，系统会立即触发主备切换，及时恢复实例，降低故障影响时长。此类触发方式会以 短信或 站内信、邮件等形式通知到您，...
新手指引
模块问题 计费常见问题 数据库常见问题 流量统计常见问题 网站管理常见问题 管理控制台常见问题 网站耗资源（客户程序故障）常见问题 更多常见问题，请参见 常见问题和故障排除汇总。反馈与建议 在使用阿里云云虚拟主机时，如果有任何疑问...
主从实例读写分离部署（共享存储）
数据状态保存在盘古分布式存储系统中，无需从计算节点迁移，计算节点轻量无状态，系统可以快速从故障中恢复。该方案为当前每个实例内部默认启用，当系统发生故障时，无需手工运维介入，系统可以自动恢复。在恢复期间，如果查询算子需要访问...
应用场景
能够解决 多源监控集成：支持多个常见监控系统集成，简单配置即可完成集成对接。报警统一处理：所有报警进行集中降噪处理，抑制收敛，避免报警风暴。事件闭环管理：对报警生成事件，进行全生命周期管理，不遗漏重大事件。体系化故障闭环...
故障演练常见问题
欢迎您反馈在使用故障演练过程中遇到的问题，目前提供以下常见问题供您参考。单个演练活动成功状态怎么判断？因为一个活动可能会有很多目标机器，当所有机器执行完毕之后，如果有机器没有执行成功，那么这个演练活动就会被系统判断为失败。...
故障管理
在IT和互联网企业的实践中，以下情况都有可能造成故障：按计划进行的硬件、操作系统维护所引起的故障，包括更换硬盘、操作系统补丁。应用性故障，包括软件应用性能问题、应用缺陷（bug）、系统应用变更。人为操作故障：包括误操作以及不按...
执行演练
在执行故障演练过程中，您可以实时查看演练进度、每个演练活动的运行状态及结果，同时也能够随时结束演练，进行恢复阶段的活动，清除故障演练影响。背景信息 一次完整的故障演练包括以下四个...后续步骤 停止演练 常见问题 故障演练常见问题
GTM如何实现同城容灾
概述 方案介绍 同城容灾指应用服务部署是多机房、单地域时，当其中一机房出现故障时，全局流量管理（简称GTM）可实现业务7*24小时稳定运行，即使单机房故障也不影响业务的可持续性，保障用户访问连续不间断。本文将以同城双活的灾备架构为...
测试指标
集群 对于使用集群方式的系统，主要通过以下方式考量其集群可靠性：集群中某个节点出现故障时，系统是否有业务中断情况出现。在集群中新增一个节点时，是否需要重启系统。当故障节点恢复后，加入集群，是否需要重启系统。当故障节点恢复后...
GTM如何实现异地容灾
概述 方案介绍 异地容灾是指应用服务部署在不同地域时，当其中一地出现故障时，全局流量管理（简称GTM）可以将出现故障地域的用户访问流量，调度至异地灾备中心，保障用户访问连续不间断。本文将以两地三中心灾备架构为读者讲解异地灾备的...
NVMe协议介绍
实际业务使用过程中单点故障是常态，确保故障情况下业务连续性是高可用系统的核心能力，在云上存储和网络具备极高的可用性。而计算节点则经常受断电、宕机、硬件故障等影响，所以业务通常搭建主备模式解决计算的高可用问题。例如数据库场景...
产品优势
主要优势 多监控系统集成：支持10+常见监控系统集成，简单配置即可快速完成对接；灵活的报警降噪能力：支持横向抑制、纵向收敛，全面压制报警风暴，不再遗漏核心报警；大幅降低事务性操作：完善的事件分派、通知机制，避免重复事务性操作，...
主备方案介绍
灾备方案 说明 单可用区高可用方案 主备节点部署在同一可用区中的不同机器上，当任一节点发生故障时，由高可用HA（High Availability）系统监控主备节点的健康状态并自动执行故障切换，避免单点故障引起的服务中断。同城容灾方案 主备节点...
Windows操作系统云虚拟主机耗资源（客户程序故障）...
本文主要介绍Windows操作系统云虚拟主机耗资源（客户程序故障）问题的原因分析及处理意见。调用Access程序问题（最常见）原因：Access数据库大小超过30M，频繁调用时耗用系统资源。解决方法：将数据库大小压缩到30M以内，或者升级到SQL ...
应用场景
简单易用：最终用户可以在任何本地设备上通过⽆影客户端访问各类专业设计应⽤，无需担心应⽤和系统的适配以及故障问题。性能强劲：提供了多个高性能的GPU实例规格，可以⽀撑不同类型的设计类应⽤运⾏负载。企业办公数据安全 场景痛点 企业...
应用场景
简单易用：最终用户可以在任何本地设备上通过⽆影客户端访问各类专业设计应⽤，无需担心应⽤和系统的适配以及故障问题。性能强劲：提供了多个高性能的GPU实例规格，可以⽀撑不同类型的设计类应⽤运⾏负载。企业办公数据安全 场景痛点 企业...
使用集群诊断
容器智能运维平台 提供一键故障诊断能力，包括节点诊断、Pod诊断、Service诊断、Ingress诊断、内存诊断、网络诊断，可以辅助您定位集群中出现的问题。本文介绍如何在ACK集群中使用集群诊断功能。前提条件 已创建Kubernetes托管版集群。具体...
常见问题
Q：当出现系统故障需要进行主备切换时，单节点集群地址下对应的只读节点能否切换为新主节点？A：主备切换时，单节点地址下对应的只读节点不会被自动切换为新主节点。但您仍可以通过手动切换将其设置为新主节点，详细操作请参见 自动/手动主...
故障排查
本文介绍阿里云容器服务ACK集群在使用过程中常见问题的故障分析和排查流程。ACK集群异常 添加Kubernetes集群节点的常见问题 容器镜像仓库构建服务失败问题排查 容器镜像服务源码绑定失败问题排查 Kubernetes集群如何指定安全组 Kubernetes...
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 ...
常见问题
本文汇总了 PolarDB 数据库代理相关的常见问题。读写分离 Q：为什么刚插入的语句，立即查的时候查不到？A：读写分离的架构下，主节点和只读节点之间复制会有延迟，但 PolarDB 支持会话一致性，即同一个会话内保证能读到之前的更新，详情请...
GTM实现跨网访问加速与故障切换
概述 方案介绍 大部分企业的应用服务都会使用多个运营商的IP地址，因此可能会存在跨网延迟、丢包、故障不可用等问题，而全局流量管理产品方案可以根据用户请求源地址的运营商，解析就近的应用服务器IP地址，实现就近接入、访问加速、故障...
Tair选型指南
选择容灾方案 图 3.Tair容灾架构演进 灾备方案 灾备级别 说明 单可用区高可用方案★主从节点部署在同一可用区中的不同机器上，当任一节点发生故障时，由高可用HA（High Availability）系统自动执行故障切换，避免单点故障引起的服务中断。...
故障排查
本文介绍微服务引擎MSE在使用过程中常见问题的故障分析和排查流程。微服务注册配置中心问题排查 在浏览器中输入 XXX:8848/nacos，访问MSE的Nacos注册中心时返回404错误。具体操作，请参见 通过“XXX:8848/nacos”访问MSE的Nacos注册中心时...
什么是数据库备份DBS
常见问题和故障处理 使用DBS时遇到的各类问题，例如需要修改备份源数据库、数据库恢复失败、如何备份RDS只读实例等，您可以在 常见问题 或 常见报错 内查找，可以解决您的绝大部分问题。说明 若在文档中未找到您遇到的异常或报错，或按照...
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...
概述
但随着各公司业务范围的扩展和软件系统架构持续迭代升级，系统的复杂度随之增加，面对更多的非预期事件风险，如各类软硬件故障、错误的变更、突发流量，甚至到光纤挖断、自然灾害等引起的整个机房不可用情况，如何保障系统稳定性具有很大...
事件分析概述
微服务领域：微服务在现代开发架构中比较常见，该架构由小型、松耦合、可独立部署的服务集合而成，这导致微服务架构很难调试，系统中某一部分的小故障可能会导致大规模服务崩溃。很多时候不得不跳过某些正常服务来调试单个请求。事件总线...
自动快照概述
应用场景 使用自动快照对运行关键应用的云盘进行定期数据备份，应对因误删、勒索病毒等造成的数据丢失或者应用系统故障，需要时能快速找回云盘数据以保证业务的连续性。注意事项 使用自动快照策略时，您需要注意以下事项：限制项 说明 自动...
管理MySQL集群
主机故障处理策略 主机故障时，系统的处理策略：自动替换主机：系统会自动替换故障主机。说明 如果故障主机是云盘主机，云盘会自动迁移计算资源以自动替换主机。如果故障主机是非云盘主机，则系统会先将故障主机上的实例迁移走，然后自动...
访问密钥（AccessKey）常见问题
本文为您介绍访问密钥（AccessKey）相关的一些常见问题。包括什么是AccessKey、如何查看AccessKey、AccessKey是否还在使用、AccessKey泄露后如何处理等。什么是AccessKey 访问密钥AccessKey（简称AK）是阿里云提供给阿里云用户的永久访问...
故障止损恢复
快恢能力主要包含人工梳理快恢预案、通用垂直专项快恢能力：人工梳理预案：通过全面梳理故障场景及风险场景的可用降级预案来达到该场景触发故障时，系统自动推荐前期关联的预案，提供故障群内一键执行的方式，也提供设定执行条件，符合条件...
- 产品推荐
- 这些文档可能帮助您