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。
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...
捷顺
DAS服务自动SQL限流和自动SQL调优，帮助DBA从救火员转向数据库架构师，有更多时间和精力帮助研发优化系统架构，审核数据库的变更和各种操作，进一步降低系统故障的概率。DAS服务自动对数据库实例进行治理，帮助捷顺科技把数据库的运维成本...
功能概览
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连续性保障，有效避免了地域性灾害导致的系统故障。更多信息，请参见 跨地域容灾。跨可用区容灾 当生产站点因为不可抗力因素（比如机房...
强弱依赖治理概述
强弱依赖治理的应用 强弱依赖治理主要可以被应用到以下场景：系统改造验收：对于分布式系统，至少在运行态中，不会因为依赖的系统后台出现故障，引起当前应用出现系统级可用性的故障，例如进程挂掉、频繁FullGC、负载飙高等，何时何地都应...
设计原则
因此，数据容灾对于企业来说是非常必要的，数据灾备是企业保护核心数据的重要手段，能有效降低勒索病毒、系统故障、自然灾害和运维事故导致的数据丢失和损坏问题，同时满足行业安全和合规要求，可以保障企业的正常运行和稳定发展。...
部署数据库
Oracle是一个多用户系统，能够自动从批处理或在线环境的系统故障中恢复运行。系统提供了一个完整的软件开发工具Developer2000，包括交互式应用程序生成器、报表打印软件、字处理软件以及集中式数据字典，用户可以利用这些工具生成自己的...
跨地域容灾
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，有效避免了地域性灾害导致的系统故障。准备工作 在实现跨地域容灾之前，您需要选择一个不同于生产环境的地域作为容灾目标地域...
跨地域容灾
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，有效避免了地域性灾害导致的系统故障。本文介绍跨地域容灾的操作步骤。前提条件 在实现跨地域容灾之前，您需要选择一个不同于...
使用ASM构建分布式系统的容错能力
重要 请勿频繁地重试或重试过长时间，避免出现级联的系统故障。解决方案 ASM支持使用虚拟服务定义HTTP请求重试策略。以下示例定义网格中的服务请求httpbin应用时，如果httpbin应用无响应或与httpbin应用建立连接失败，会重新请求httpbin...
使用ASM构建分布式系统的容错能力
重要 请勿频繁地重试或重试过长时间，避免出现级联的系统故障。解决方案 ASM支持使用虚拟服务定义HTTP请求重试策略。以下示例定义网格中的服务请求httpbin应用时，如果httpbin应用无响应或与httpbin应用建立连接失败，会重新请求httpbin...
ECS系统事件概述
时长说明如下：通知修复故障的系统事件通常在10分钟内完成。突发故障、违规操作等非计划内因素导致的非预期运维事件，只有短暂的事件执行窗口期。ECS事件Code和云监控事件名称的格式 ECS事件Code、云监控事件名称遵循了一定的命名格式，...
应用场景
故障恢复 通过ASM，可以轻松实现开箱即用的故障恢复功能：分布式系统存在高度复杂性，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导致业务系统的失效。提供了基于Istio的混沌工程能力，包括如何使用连接池配置和异常检测...
故障演练
为此每一层的系统都会面向失败做设计，对下游组件零信任，确保在故障发生时可以快速的发现和处理。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...
管理集群
资源分配策略 专属集群资源调度的默认分配策略：均衡分配：最大化追求更稳定的系统表现，优先从未分配资源或已分配资源较少的主机中分配资源。紧凑分配：最大化追求更充分的资源利用率，优先从创建时间较早且已分配资源较多的主机中分配...
管理集群
资源分配策略 专属集群资源调度的默认分配策略：均衡分配：最大化追求更稳定的系统表现，优先从未分配资源或已分配资源较少的主机中分配资源。紧凑分配：最大化追求更充分的资源利用率，优先从创建时间较早且已分配资源较多的主机中分配...
防御挂马攻击最佳实践
因此，网站被挂马攻击不仅会影响网站的公共形象，还可能会造成该网站用户的计算机系统故障和存储数据泄露，给用户的信息资产带来巨大的损失。如何防御挂马攻击 及时修复网站系统和网站所在服务器的各类漏洞，可以降低网站被挂马攻击的风险...
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，...
节点诊断
容器智能运维平台 构建了基于专家经验的故障诊断系统，并基于海量数据训练了AI智能故障诊断模型。基于专家经验和AI智能诊断两种诊断模式，节点诊断可以深入定位问题根因。节点诊断包括诊断检查项和诊断根因。诊断检查项：包括Node检查、...
Pod诊断
容器智能运维平台 构建了基于专家经验的故障诊断系统，并基于海量数据训练了AI智能故障诊断模型。Pod诊断融合了基于专家经验和AI智能诊断两种诊断模式，进一步深入定位问题根因。Pod诊断包括诊断检查项和诊断根因。诊断检查项：包括Pod检查...
Pod诊断
容器智能运维平台 构建了基于专家经验的故障诊断系统，并基于海量数据训练了AI智能故障诊断模型。Pod诊断融合了基于专家经验和AI智能诊断两种诊断模式，进一步深入定位问题根因。Pod诊断包括诊断检查项和诊断根因。诊断检查项：包括Pod检查...
管理MySQL集群
资源分配策略 专属集群资源调度的默认分配策略：均衡分配：最大化追求更稳定的系统表现，优先从未分配资源或已分配资源较少的主机中分配资源。紧凑分配：最大化追求更充分的资源利用率，优先从创建时间较早且已分配资源较多的主机中分配...
围绕混沌工程的平台实践
原则5最小化爆炸半径 最小化爆炸半径意味着混沌工程的影响范围必须得到控制，逐渐扩大故障范围，要保证演练是可控的，因此在演练当中需要您时刻关注在稳态假设中配置好的系统指标，如果影响范围超出了预期，请立刻终止演练，并且修复问题。...
云盘恢复
当ECS挂载的云盘发生系统故障或者错误操作时，您可以通过云盘在源地域的备份点或者复制到目标地域后的备份点，进行原盘恢复或者创建新盘操作来实现数据恢复。前提条件 已创建ECS整机备份。具体操作，请参见 备份ECS整机。背景信息 云盘恢复...
创建MySQL集群
资源分配策略 专属集群资源调度的默认分配策略：均衡分配：最大化追求更稳定的系统表现，优先从未分配资源或已分配资源较少的主机中分配资源。紧凑分配：最大化追求更充分的资源利用率，优先从创建时间较早且已分配资源较多的主机中分配...
负载均衡
负载均衡SLB（Server Load Balancer）是一种对流量进行按需分发的服务，通过将流量分发到不同的后端服务来扩展应用系统的服务吞吐能力，并且可以消除系统中的单点故障，提升应用系统的可用性。
基础术语
通过流量分发扩展应用系统对外的服务能力，通过消除单点故障提升应用系统的可用性。IAM 蚂蚁科技身份访问管理（Identity and Access Management，IAM）控制台是管理成员、分配权限、管理身份源、查看操作记录的平台。OceanBase OceanBase ...
云盘恢复
当ECS挂载的云盘发生系统故障或者错误操作时，您可以通过云盘在源地域的备份点或者复制到目标地域后的备份点，进行恢复原盘或者创建新盘操作实现数据恢复。本文介绍云盘恢复的相关操作。前提条件 已创建云盘备份。更多信息，请参见 创建云...
快速使用专属集群MyBase
重要 选择对应的引擎创建集群，才能在添加主机时选择对应的系统镜像，以及创建实例时选择对应的数据库类型。引擎设置后无法修改，请确保引擎选择正确。架构系列 仅引擎选择 MySQL 时出现此参数，默认为 高可用。专属集群名称 专属集群的...
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...
常见问题
code=exited”错误 启动SSH服务时出现“error while loading shared libraries”错误 ECS网络问题 Windows实例ping外网地址提示“一般故障”Linux系统的ECS中没有禁ping却ping不通的解决方法 使用ping命令测试ECS实例时ping不通的排查方法 ...
操作系统迁移中问题（Windows）
本文介绍Windows操作系统迁移相关的故障问题及解决方案。异常报错提示Run OSM Check Script Error，错误码M10_1001，怎么办？异常报错提示Run OSM Check Script Error，错误码M10_1002，怎么办？异常报错提示Run OSM Check Script Error，...
基于ack-lingjun-aiast组件实现集群自动化运维
该系统能够实时监测并分析系统的运行状态，快速检测故障并采取恢复措施，例如硬件故障、网络故障、软件错误等，从而降低运维成本，提高系统可靠性和稳定性。组件介绍 安装灵骏AI助手开启PAI的作业监控和恢复功能后，当发生故障或异常时，...
AI助手使用说明
PAI AIMaster和灵骏AI助手是一套全自动化的故障快速恢复系统。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...
网络游戏：心动网络股份有限公司
PolarDB 采用存储和计算分离的架构，提供分钟级的配置升降级、秒级的故障恢复、全局数据一致性和免费的数据备份容灾服务，既融合了商业数据库稳定可靠、高性能、可扩展的特征，又具有开源云数据库简单开放、自我迭代的优势。本文介绍心动...
故障管理
故障管理概述 故障管理是源于ITIL的一个概念，在IT企业或者互联网企业进行故障管理的目的是当生产环境出现重大宕机时尽快恢复正常的服务运营，将组件失败对业务所造成的负面影响降到最低，从而确保满足事先与业务客户之间所约定的服务级别...
搭建高可用架构
为保障您的业务正常运行，RDS提供各类高可用功能，例如独享型规格、高可用系列、多可用区、跨地域备份恢复等等。创建高可用架构实例 在 创建实例 时，您需要关注如下几个涉及高可用架构的选项：系列：RDS支持多种系列，建议您选择 高可用...
GxP欧盟附录11标准合规包
13.1 应报告和评估所有事件，而不仅仅是系统故障和数据错误。应确定重大事件的根本原因，并应成为纠正和预防行动的基础。使用云安全中心企业版 使用云安全中心企业版或者更高级别的版本，视为“合规”。1.1 风险管理应贯穿计算机化系统的...
什么是消息演练
定位故障根源：经过消息演练之后，积累了消息系统的处理经验，对于未来的系统诊断定位有参考和提升作用。消息的演练场景 消息服务通常是由不同的模块组成。例如，RocketMQ分为生产者Producer、消费者Consumer、服务集群Broker和注册中心...
运维事件中心
运维事件中心是企业业务连续性的运营管理平台，提供丰富的监控集成、强大的报警降噪、可靠的通知、灵活的事件流转、基于ITIL的故障管理等功能，一站式管理、多端协同，帮助企业实现更实时的数字化管理、更快的故障响应、更短的故障时长、更...
- 产品推荐
- 这些文档可能帮助您