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...
单实例快速恢复
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恢复中的节点，则查询会立即失败。节点恢复速度在一分钟左右，当表数量明显增加时，恢复时间会更长。Hologres...
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...
设计方案
风险预测：风险预测是指在发生故障前，通过数据分析、机器学习等方式，预测系统的风险情况，提前进行预防和处理。在故障应急响应中，风险预测可以作为重要参考，帮助快速识别问题的根本原因，提高故障处理效率和精度。故障响应 在发现故障...
灾备规划
云容灾服务因免去了灾备中心建设、硬件系统采购、运维等复杂的工作，加上资源可弹性扩展、按量付费的特性，这些都降低了规划工作的难度。您只需花少量的时间进行选型、规划等就可以轻松使用阿里云作为您的容灾服务提供者。本文将从需求分析...
混沌工程缓存实战系列-Redis
Redis是一个开源高性能的Key-Value存储系统，虽然Redis本身具备了非常高的可用性，但是在实际应用中也会随着系统业务的复杂性以及不合理的使用，而导致很多的问题。本文将讲述如何通过混沌工程来暴露可能存在的使用风险，提升缓存问题的...
应用场景
如果主地域发生故障，您可以将用户请求切换到灾备地域。异地多活 随着业务的快速发展和用户数量的增长，如果业务部署在单个地域中，可能会面临如下问题：用户在地理位置上分布较广，地理位置较远的用户访问延迟较高，影响用户体验。单个...
功能特性
专线+Internet备份：智能接入网关支持Internet链路和专线互为备份链路，当主用链路发生故障时，自动切换至备用链路接入阿里云。说明 目前仅 SAG-1000支持专线功能，SAG-100WM不支持专线功能。更多信息，请参见 什么是高速通道。路由方式 ...
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...
可观测性的设计原则
可观测性设计是指为了更好地监控、分析和管理系统运行状态而进行的设计。在云原生、微服务等技术越发流行的今天，系统的可观测性变得越来越复杂。云上的可观测性主要从监控指标、链路追踪、日志记录、监控看板和事件告警五大方面来进行设计...
企业版和标准版功能对比
支持 支持 高可用性 单可用区高可用 多节点的架构可用于保障集群的高可用，当系统发生故障时，可读写的主节点和只读节点之间会自动进行故障切换（Failover）。支持 支持 多可用区高可用 PolarDB MySQL版 支持创建多可用区的集群。相比单...
监控、诊断和故障排除
另外，通过日志的时间戳，不仅可以迅速查找和定位日志范围，还能够了解在请求发生时间点范围内，客户端应用、网络或者服务系统发生的其他事件，有利于问题的分析和调查。RequestID OSS服务会为接收的每个请求分配唯一的服务器请求ID，即...
作业智能诊断
拓扑网络分析 如果TaskManager与JobManager的网络不通，则作业状态显示异常。如果最近10分钟内存在弹性网卡挂载超时，则作业启动慢。建议您耐心等待。上下游网络分析 如果TCP端口探测正常，但Connector无法连通，作业无法启动。建议您检查...
词汇表
这意味着如果一个可用区发生故障，其他可用区仍能保持正常运行，从而保证了高可用性。同一地域内的不同可用区之间内网互通，使用低时延链路相连。不同地域之间的可用区完全隔离。下图以地域1（包含3个可用区）和地域2（包含3个可用区）为例...
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”，...
App端性能体验功能说明
从FirstVC.viewDidLoad()到FirstVC.viewDidAppear()结束，首次渲染完成 网络分析字段 名词 名词解释 响应时间 服务端响应时间，包括接收响应内容的时间 吞吐量 Requests per minute，筛选条件下平均每分钟的 HTTP 请求数量 总耗时 单个网络...
步骤一：搭建云上专有网络
主数据中心发生重大故障时，所有的服务器可以在VPC内运行，让业务得以继续运行。考虑三个因素 搭建VPC时，您需要考虑选取哪一个阿里云地域作为容灾中心，数据中心与阿里云VPC之间使用哪一种网络连接，以及VPC使用哪个网段。如上图所示，...
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...
附录：SOFAStack 产品目录
SOFAStack 源于自蚂蚁内部沉淀十多年的金融级分布式中间件技术体系，吸收了支付宝自创立以来在关键金融交易系统锤炼出来的架构实践。SOFAStack 所有的产品技术均经过蚂蚁集团自身严苛的金融场景验证，为金融交易技术保证风险安全的同时，...
安全响应
系统安全类事件 勒索病毒 系统遭受勒索病毒攻击，核心数据被加密 高 系统事件往往会来自云安全中心，云安全中心同样会对入侵事件进行定级，建议参考云安全中心的定级说明 故障稳定性类事件 云稳定性事件 网络或应用宕机 高 稳定性事件通常...
用云成本需求分析
在计划阶段，通过对用云成本进行需求分析，确保相关人员的业务需求都被识别和跟踪，并在规划和实施阶段有针对性的采取措施，使资源利用率达到最优，进而使用云成本在组织内部做到可管可控、可持续经营。捕获成本需求 企业级客户主要从以下...
诊断项与诊断结果说明
实例管控系统异常 ECS实例后台管控系统发生异常。检查该实例的后台管控系统是否正常工作。如果后台管控系统未正常工作，可能会导致实例运行异常。您可以尝试通过重启实例进行恢复。实例性能短暂受损 检查实例是否受到底层软硬件问题的影响...
如何使用Prometheus监控Windows
高CPU使用率和处理器队列长度的峰值意味着操作系统缺乏足够的计算资源来完成任务。线程上下文切换次数 Major WMI（ContextSwitchesPersec）当处理器完成任务执行（或在完成前中断）并切换到新任务时，就会发生上下文切换。上下文切换的具体...
如何使用Prometheus监控Windows
高CPU使用率和处理器队列长度的峰值意味着操作系统缺乏足够的计算资源来完成任务。线程上下文切换次数 Major WMI（ContextSwitchesPersec）当处理器完成任务执行（或在完成前中断）并切换到新任务时，就会发生上下文切换。上下文切换的具体...
东软案例
解决方案 东软集团围绕运营商、政务云和汽车等行业新一代数字信息系统IT运维场景海量监控数据存储分析痛点，将从遍布全国多地域的手机、平板等终端连接应用系统业务服务的数字足迹和客户数字体验数据、云端&数据中心网络抓包分析数据，应用...
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...
发现并处理大Key和热Key
在使用 云原生内存数据库Tair 的过程中，如果未能及时发现并处理Big keys（下文称为“大Key”）与Hotkeys（下文称为“热Key”），可能会导致服务性能下降、用户体验变差，甚至引发大面积故障。本文将介绍大Key与热Key产生的原因、其可能...
发现并处理Redis的大Key和热Key
在使用Redis的过程中，如果未能及时发现并处理Big keys（下文称为“大Key”）与Hotkeys（下文称为“热Key”），可能会导致服务性能下降、用户体验变差，甚至引发大面积故障。本文将介绍大Key与热Key产生的原因、其可能引发的问题及如何快速...
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...
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、...
演练场景说明
网络故障是系统运行过程中时常遇到的问题，所以需要提升系统在网络异常情况下的容错能力。Java 场景名称 特性 虚拟机场景 故障演练支持的虚拟机场景。代码逻辑场景 故障演练支持的代码逻辑场景。JVM注入动态脚本 向指定的Java方法注入一段...
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，...
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...
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 ...
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。...
灾备方案
图 1.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...
灾备方案介绍
图 1.Redis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...
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...
网络资源
容灾：建立容灾和高可用的系统架构，将系统部署在多个地理位置或数据中心，并使用负载均衡和故障切换技术，以确保即使发生网络分区，系统仍然可以继续提供服务。网络闪断故障 指网络连接在短时间内频繁中断和恢复，造成网络连接不稳定的...
- 产品推荐
- 这些文档可能帮助您