什么是故障演练
验证监控告警的时效性 通过对系统注入故障，验证监控指标是否准确，监控维度是否完善，告警阈值是否合理，告警是否快速，告警接收人是否正确，通知渠道是否可用等，提升监控告警的准确性和时效性。定位与解决问题的应急能力 通过故障突袭，...
快速构建主机监控能力
您可以从 操作系统监控、基础监控、GPU监控、进程监控、网络监控 和 云盘 监控维度查看ECS实例的监看数据。说明 您还可以通过Dashboard可视化查看ECS实例的监控数据。具体操作，请参见 查看云产品监控大盘。步骤三：开启一键报警 ECS实例...
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...
插件概览
云监控的主机监控服务通过在主机上安装云监控插件，为您提供主机的系统监控服务。插件版本 云监控插件共有三个版本，从前往后依次为Java、Go和C++版本，当前最新版本为C++版本。由于C++版本的云监控插件比Go和Java版本占用的CPU和内存资源...
全景监控
同时，全景监控提供统一的监控接入标准，全方位对接各种应用系统监控信息，实现覆盖所有系统、全流程的监控管理。数据全链路保障是指通过采集数据汇聚、数据融合、数据分析挖掘等阶段的各项任务状态信息，对异常状态进行预警和处置，实现对...
2022年
新增Windows Exporter监控 收集CPU、内存、磁盘、网络进程等指标，提供全面的Windows系统监控。更多信息，请参见 如何使用观测Windows。请参见 开服地域。2022年09月 功能名称 功能概述 支持地域 云服务集成中心全面改版 推出全新云服务...
诊断网页加载过慢的问题
慢加载详情 页面顶部的 页面信息 区域展示了本次访问的客户端IP地址、浏览器、操作系统等信息，帮助您确认故障原因。慢加载详情 页面的 页面资源加载瀑布图 区域展示了页面静态资源加载的瀑布图，帮助您快速定位资源加载的性能瓶颈。慢加载...
ARMS统一告警管理最佳实践
本文介绍告警统一管理的最佳实践，以帮助企业更好地处理异构监控系统所带来的挑战和问题。背景信息 在云原生时代，企业IT基础设施的规模越来越大，越来越多的系统和服务被部署在云环境中。为了监控这些复杂的IT环境，企业通常会选择使用...
故障止损恢复
故障初因定位 集成企业内部可利用的所有稳定性相关数据（变更事件，...通用垂直专项快恢能力：通过集成包括DB侧慢SQL限流、变更极速回滚、多活容灾切流快恢等通用的快恢能力，结合监控、日志等数据自动定位的故障原因进行对应的快恢方式推荐。
使用API查询监控数据
大型企业内部通常有自建的运维监控系统，上云过程中会面临如何将云资源监控数据与已有系统集成的问题。下面本文将为您介绍如何通过云监控接口查询各产品监控数据，从而将阿里云的监控数据与现有系统进行集成。指标类监控数据查询的接口 云...
什么是ARMS前端监控？
现有的服务器端监控系统相对已经很成熟，而页面加载和页面运行时的状态监控一直比较欠缺。例如：无法第一时间获知用户访问您的站点时遇到的错误。各个国家、各个地区的用户访问您的站点的真实速度未知。每个应用内有大量的异步数据调用，而...
如何使用Prometheus监控TiDB
每套完整的自建监控系统都需要安装并配置Prometheus、Grafana、AlertManager等，其过程复杂、实施周期长。缺少与阿里云ECS快速集成的服务发现（ServiceDiscovery）机制，因此无法根据ECS标签来灵活定义抓取Targets。如果自行实现类似功能，...
如何使用Prometheus监控Nebula
每套完整的自建监控系统都需要安装并配置Prometheus、Grafana、AlertManager等，其过程复杂、实施周期长。缺少与阿里云ECS快速集成的服务发现（ServiceDiscovery）机制，因此无法根据ECS标签来灵活定义抓取Targets。如果自行实现类似功能，...
如何使用Prometheus监控TiDB
每套完整的自建监控系统都需要安装并配置Prometheus、Grafana、AlertManager等，其过程复杂、实施周期长。缺少与阿里云ECS快速集成的服务发现（ServiceDiscovery）机制，因此无法根据ECS标签来灵活定义抓取Targets。如果自行实现类似功能，...
如何通过阿里云注册集群和Prometheus...多云容器集群监控
Prometheus可有效监控系统层指标、应用层指标、业务层指标等，采集监控指标后进行存储，同时结合Grafana可实现监控指标的展示和告警等。Prometheus和Grafana结合的方案可有效进行容器集群监控指标采集、存储、展示、告警等，能够有效帮助...
如何使用Prometheus监控Nebula
每套完整的自建监控系统都需要安装并配置Prometheus、Grafana、AlertManager等，其过程复杂、实施周期长。缺少与阿里云ECS快速集成的服务发现（ServiceDiscovery）机制，因此无法根据ECS标签来灵活定义抓取Targets。如果自行实现类似功能，...
如何通过阿里云注册集群和Prometheus...多云容器集群监控
Prometheus可有效监控系统层指标、应用层指标、业务层指标等，采集监控指标后进行存储，同时结合Grafana可实现监控指标的展示和告警等。Prometheus和Grafana结合的方案可有效进行容器集群监控指标采集、存储、展示、告警等，能够有效帮助...
如何使用Prometheus监控Kafka
每套完整的自建监控系统都需要安装并配置Prometheus、Grafana、AlertManager等，其过程复杂、实施周期长。开源Kafka JMX Agent 在某些场景下占用CPU高，对自建Kafka业务有一定干扰。对于 阿里云消息队列Kafka（简称阿里云Kafka），自建...
如何使用Prometheus监控Kafka
每套完整的自建监控系统都需要安装并配置Prometheus、Grafana、AlertManager等，其过程复杂、实施周期长。开源Kafka JMX Agent 在某些场景下占用CPU高，对自建Kafka业务有一定干扰。对于 阿里云消息队列Kafka（简称阿里云Kafka），自建...
设计方案
故障恢复 定位故障原因后，按照应急预案快速恢复业务，并在事后进行复盘总结。预案执行：在故障响应的过程中，需要按照事先制定的应急预案进行执行。应急预案包括了应急响应流程、各个岗位的职责、处理流程等。预案执行能够保证故障恢复和...
版本说明
本文为您介绍云监控插件的版本...当系统负载较重或其他原因导致云监控插件的系统资源占用超过限制时，插件会自动退出。修复问题 解决Go版本的云监控插件自动修改系统时间等问题。早期版本 云监控插件的早期版本说明，请参见 早期版本说明。
围绕混沌工程的平台实践
原则3在生产环境中运行实验 混沌工程推荐故障演练是在生产环境中进行，主要的原因有以下两点：系统的行为会根据环境和流量模式的变化，例如系统依赖的组件在测试环境和生产环境会有比较大的差异。系统的监控和人员的应急响应在测试环境和...
应用场景
电力化工及工业制造监控分析 传统电力化工以及工业制造行业需要通过实时的监控系统进行设备状态检测，故障发现以及业务趋势分析。设备通过工业接口协议将自身状态数据和生产业务数据接入工业设备网关，然后通过 MQTT 协议发送到物联网平台...
功能架构
应用监控 系统能同时监控容器应用和经典应用，并通过 LDC、IDC 和单机实例等多视角、多维度逐层下钻分析，实时展现服务实例、依赖的中间件和基础资源运行状态、使用趋势和告警信息，发掘应用故障所在的层级和对象，保证应用的流畅运行。...
故障管理
包括根因检查点（如故障原因、最近活动、注入方式、恢复方式等）、故障变更检查、监控检查，并需要对每一个故障明确责任人及团队；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...
监控报警概述
故障预警 云电脑的故障信息、故障原因及故障时间等信息。使用场景 在日常业务运行的过程中，监控大盘帮助您及时了解账号下全部云电脑资源的全局情况，实时监控提供更详细的数据指标和故障预警信息，帮助您了解终端用户使用云电脑的情况，...
什么是应用实时监控服务ARMS？
专注于对Web场景、App移动应用场景和小程序场景的监控，以用户体验为切入点，完整再现用户操作过程，从页面打开速度（测速）、请求服务调用（API）和故障分析（JS错误、网络错误等）稳定性（JS错误、崩溃、ANR 等）方面监测前端应用性能...
基本概念
监控源产生的告警是整个报警、事件、故障的源头。集成接入 集成接入是将监控源跟运维事件中心数据打通的必要配置。本产品提供了详细的集成步骤，帮助用户完成集成接入。集成密钥 集成密钥是监控源跟运维事件中心数据打通的唯一标识。每一个...
EMR Kafka磁盘故障运维
当出现磁盘故障时，需要根据故障原因、故障影响程度、业务需求（是否接受数据丢失、是否允许服务较长时间不可用）、集群状态等综合考虑恢复采取的策略。如果业务优先保证服务可用，但允许丢失部分数据，则应考虑在可能会丢失数据的情况下，...
故障复盘
复盘文档一般包含以下内容：故障简述：故障概述、影响面、处理人等 故障背景：故障发生时的业务链路 故障时间线：着重强调故障引入、故障发生、故障发现、业务响应、恢复执行、故障恢复几个时间点 故障原因分析：建议先一句话总结，再进行...
概览
典型异常 异常可能原因 监控指标 报警条件 负载过高、负载波动较大或负载持续峰值 系统资源不足、进程异常（死循环、内存泄露等）、进程数量突增、某些应用程序或系统服务在某些时候突然产生了大量的请求或数据处理操作。(ECS)CPU使用率 ...
监控、诊断和故障排除
相对于传统应用程序，开发云端应用虽然降低了用户在基础设施搭建、运维等方面的成本，但却增大了监控、诊断和故障排查的难度。OSS存储服务为您提供了丰富的监控和日志信息，帮助您深刻洞察程序行为，及时发现并快速定位问题。本文主要描述...
功能概览
高可用 支持双机房容灾架构，组件多实例运行，数据库多副本同步，并提供自监控、故障自动恢复等能力。开放自主 所有组件皆为自研可控，并经过大规模生产验证；提供完善的产品功能和数据的 OpenAPI，更好的和第三方系统集成对接。
故障应急协同
将故障相关成员直接拉进处理群，相关成员包括故障受影响业务的“应急接口人”、可疑原因业务的“应急接口人”，并且系统自动电话通知。进群后的成员，可直接在群内签到。每个故障建议设置单独的故障处理群，群内成员均为故障的相关人，为...
查看应用分组
在目标应用分组的左侧导航栏，您可以根据所需查看该应用分组的 组内资源、监控视图、故障列表、可用性监控、组进程监控、系统事件、自定义事件、日志监控、自定义监控、报警历史、报警规则 和 业务监控。功能 说明 组内资源 您可以查看目标...
接入ARMS监控
故障演练时通过接入应用实时监控服务ARMS（Application Real-Time Monitoring Service）可以对演练过程的指标进行监控，包含JVM内存、JVM线程数、JVMGC相关、网络出入口流量、磁盘、CPU等指标。本文介绍如何在故障演练中接入ARMS并监控演练...
NAT网关故障排查指南
如果您存在多台Linux操作系统的ECS实例通过NAT网关并发访问基于Linux操作系统服务端的场景，由于Linux操作系统内核实现的原因，可能存在TCP连接请求被Linux操作系统内核丢弃而导致连接超时或失败的情况。更多信息，请参见 Linux内核协议栈...
FAQs
GTM是集成了DNS的智能解析功能、云监控的应用服务监控功能，为客户输出不同网络或地区用户访问实现就近接入、应用服务运行状态的健康检查、故障自动切换等能力。GTM 是现有云解析DNS中全局负载均衡（GSLB）的升级和替代产品，GTM比GSLB支持...
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...
常见问题-FAQ
GTM是集成了DNS的智能解析功能、云监控的应用服务监控功能，为客户输出不同网络或地区用户访问实现就近接入、应用服务运行状态的健康检查、故障自动切换等能力。全局流量管理（GTM）的CNAME接入域名是否能直接通过URL访问？答：不可以使用 ...
- 产品推荐
- 这些文档可能帮助您