ack-node-repairer
当节点出现故障时，自愈系统会自动对故障所在节点触发相应的修复操作。当故障被修复后，NPD会修改故障状态，达到故障检测以及修复的闭环。运维人员也可以自定义需要采取修复操作的故障以及具体的修复操作。NPD是Kubernetes节点诊断的工具，...
待处理事件
PolarDB-X 1.0 提供待处理事件服务，当出现待处理事件时，系统会通过邮件、短信和控制台等途径提醒您及时处理，本文将介绍如何在控制台上查看和管理待处理事件。背景信息 PolarDB-X 1.0 待处理事件包括：运维事件：如网络变更等运维提醒，...
常见问题概览
下载备份文件 性能、空间与内存 热点问题 其他常见问题 如何排查MongoDB实例负载过高的问题 MongoDB实例内存使用率高问题 MongoDB实例的CPU使用率高问题 MongoDB实例IOPS使用率高问题 MongoDB实例空间使用率高问题 为什么高可用系统会触发...
应用场景
前端的监控系统和大数据处理系统会利用 TSDB 的数据查询和计算分析能力进行业务监控和分析结果的实时展现。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。...
AMD实例规格与操作系统兼容性说明
AMD Zen架构发布于2017年，处理器的部分新特性在旧版操作系统上会出现部分功能支持上的缺陷。下文列出了各操作系统对于不同代系AMD实例的兼容性说明，并提供了官方兼容性说明文档以供您参考。购买AMD实例规格时，建议您使用表中列出的官方...
数据推送
POST的URL及body部分最好都要做url_encode，否则会出现解析及签名问题。数据源或者API推送增量时请注意，主键值重复的doc会被覆盖。使用RDS自动同步数据有TPS及大小限制，具体值请参考系统限制项：RDS单库内所有表的更新会产生一份binlog...
数据推送
POST的URL及body部分最好都要做url_encode，否则会出现解析及签名问题。数据源或者API推送增量时请注意，主键值重复的doc会被覆盖。使用RDS自动同步数据有TPS及大小限制，具体值请参考系统限制项：RDS单库内所有表的更新会产生一份binlog...
使用云监控功能监控网站环境（部署于ECS实例）
设置合理的监控可以让您实时了解系统业务的运行情况，并能帮助您提前发现问题，避免可能会出现的业务故障。同时，告警机制能让您在故障发生后第一时间发现问题，缩短故障处理时间，以便尽快恢复业务。前提条件 在开始设置云监控前，您需要...
消费重试
系统异常时处理中的消息状态如何恢复：帮助您了解当系统出现异常（宕机故障）等场景时，处理中的消息状态如何恢复，是否会出现状态不一致。消费重试策略 消费重试策略指消费者在消费某条消息失败后，消息重试的间隔时间和最大重试次数。...
什么是云拨测
实时告警与通知：云拨测提供实时告警功能，当业务出现异常时，会主动发送告警通知，快速响应并处理问题。数据可视化：通过直观的数据展示和报表，您可以轻松了解网络状况、性能以及故障分析。应用场景 网络性能监控：云拨测可以帮助企业和...
为什么实例会发生主备切换？
实例异常：阿里云检测到实例发生故障，无法正常使用时，系统会立即触发主备切换，及时恢复实例，缩短故障影响时长。宿主机下线或实例异常导致的主备切换会以站内信或邮件等形式通知到您，通知内容如下：【阿里云】尊敬的*：您的云数据库...
消费-搭建监控系统
众多应用比如OTS、ODPS、CNZZ等利用日志服务logtail收集日志数据，利用API消费数据，导入下游实时统计系统或者离线系统做分析统计。作为一个基础设施，日志服务具备：可靠性：经过多年阿里集团内部用户的检验，经历多年双十一考验，保证...
系统防护
系统防护即从整体维度对应用入口流量进行控制，结合应用的Load、总体平均RT、入口QPS和线程数等几个维度的监控指标，让系统的入口流量和系统的负载达到一个平衡，让系统尽可能跑在最大吞吐量的同时保证系统整体的稳定性。背景信息 长期以来...
概述
资金安全监控 资金安全监控平台是一个通过旁路方式，对业务流程中资金流向进行实时分析和实时告警、从技术上保障资金安全的实时核对平台，旨在保障资金在流经业务系统时，不会出现资金流失的问题。全链路压测 全链路压测（Loadcenter）为...
应用场景
当用户行为触发某些风险控制点时，系统会捕获这个事件，并根据用户当前和之前的行为进行分析，决定是否对用户进行风险控制。风控监测系统 实时计算Flink版可以处理复杂的流处理和批处理任务，也提供了强大的API，执行复杂的数学计算并执行...
强弱依赖治理概述
通过以上对比可以看出，当下游依赖出现问题时，当前系统会受到一些影响，严重影响用户体验的是强依赖，影响较小的则是弱依赖。强弱依赖治理 强弱依赖治理就是提前发现因为依赖问题可能导致的故障，避免依赖故障影响用户体验，积累数据持续...
管理集群
主机故障处理策略 设置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...
管理集群
主机故障处理策略 设置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...
节点诊断
节点文件系统只读状态 节点出现文件系统只读，通常是因为磁盘故障，会导致节点无法写入数据，可能造成业务异常。请尝试在节点上使用fsck命令修复文件系统，然后重启节点。节点硬件时间 检查节点硬件时钟与系统时间是否一致，时间相差超过2...
典型使用场景
而接合LindormStreams+Blink/Spark，可以构建出一套完整的实时数据系统：应用解耦-实时同步到消息队列 通常业务发生之后，应用系统产生的数据需要被其他应用使用或根据这个事件驱动其他应用的业务逻辑，应用之间一般通过消息队列进行消息...
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...
应用场景
当出现这些故障时，如果用户业务部署在单个地区，那么就会因为地区故障导致服务不可用，且不可用时间完全依赖故障恢复时间。通过构建灾备库，使用数据同步服务实时增量同步主库数据以确保主库与灾备库数据的完全一致，当业务中心发生地区...
DDH生命周期
是 故障 稳定状态 DDH出现故障。您可以 提交工单 检查并处理问题。是 已过期 稳定状态 包年包月DDH到期时出现的状态。对DDH续费后，DDH的状态会变为 运行中。续费详情，请参见 手动续费DDH。是 已释放 稳定状态 包年包月DDH过期后自动释放...
如何管理事件
故障状态：处理中（升级时故障还在处理中），输入发现故障的时间、已恢复（升级时故障已恢复），输入故障生成的时间和故障恢复的时间；所属服务：升级故障所属的 服务；影响服务：选择 影响服务（可多选）；进展摘要：处理人将事件升级为...
Linux系统的ECS实例运行卡顿，在/var/log/messages...
系统内核问题：当系统内核存在漏洞或者其他问题时，可能会出现hung task故障。系统资源紧张：ECS实例中应用或进程占用系统资源使用率（如CPU、内存等）过高时，可能会出现hung task故障。解决方案 出现hung task的原因比较复杂，您可以参考...
设置Pod故障处理策略
以库存不足创建ECI Pod失败为例，当Pod的故障处理策略为fail-fast时，Pod status condition为ContainerInstanceCreated的示例如下：说明 如果Pod的故障处理策略为fail-back，Pod创建失败后系统会自动尝试重调度。此时，Pod status.reason...
错误码说明
常见错误处理 错误码 处理方式 1000 一般为超时引起，重试后查看是否还会出现。如仍有报错，请提交工单，值班人员会尽快排查处理。3007 对于API推送系统是有频率限制，请控制好频率重试。4003 可以先按照文档样例，试下签名结果是否一致，...
如何解决备份客户端OOM问题
背景信息 使用 云备份 备份数据时，在极端大数据量以及系统资源不足的备份场景，备份客户端会占用较多的系统资源，可能会出现OOM问题，即备份进程触发OOM被系统终止而导致备份失败。重要 当遇到OOM问题时，您可以根据实际情况为备份客户端...
响应云盒维修事件
流程说明 运行中的ECS实例出现故障风险时，会向您发送ECS故障 事件（Reboot事件）通知，收到ECS故障事件通知后，您可以响应故障事件并按照建议进行处理，例如：将现有业务迁移到冗余资源保证业务正常运行，将出现故障风险的ECS实例作为备机...
什么是调用链
调用链可以帮助运维人员解决以下问题：故障排查：当请求失败或出现错误时，调用链可以显示整个请求的路径和每个服务的执行情况，从而帮助运维人员快速定位问题所在。性能优化：通过调用链，运维人员可以了解请求在系统中的执行时间和瓶颈...
故障协同处理（基于钉钉）
本文主要介绍什么是故障协同处理。云钉运维故障协同效果 功能概述 移动应用端（目前仅支持“钉钉”，以下功能说明均基于钉钉场景）支持接收故障消息提示和进行故障操作，且支持移动端操作管理故障，操作记录实时同步到 运维事件中心 控制台...
围绕混沌工程的平台实践
基于监控指标的自动恢复，如果指标触发了恢复规则，系统会自动执行演练恢复操作。基于演练时长的自动恢复。更多信息 关于AHAS Chaos的更多信息，请参见 Chaos Engineering的历史、原则以及实践 和 混沌工程实践经验：如何让系统在生产环境...
实例的节点故障处理机制
本文档介绍云数据库MongoDB版实例的节点故障处理机制。单节点实例 由于单节点实例架构的特殊性，单节点实例仅拥有一个节点。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...
常见问题
产品常见问题 EMAS崩溃保护机制导致SDK无法初始化且功能不可用 阿里百川账号如何在阿里云平台使用 覆盖patch需要重启App生效吗 热修复支持多进程吗 后台上传补丁的时候出现，找不到补丁的情况 补丁发错了怎么办，是否有相应办法补救 针对同...
处理挖矿程序最佳实践
挖矿程序具有联动作用，在清理过程中会存在处理不及时或清理不干净导致挖矿病毒反复发生、出现恶意脚本替换系统命令的现象，从而导致执行系统命令时触发恶意脚本执行（例如：xorddos）。因此，需要在挖矿程序的一个执行周期内，尽快将被...
设计方案
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 在发现故障后，需要快速定位问题，通常有以下做法：组织协调：故障发生后，需要迅速组织相关人员进行应急响应。组织协调包括...
创建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...
应用场景
您可以实时收集网站活动数据（例如注册、登录、充值、支付、购买），根据业务数据类型将消息发布到不同的Topic，然后利用订阅消息的实时投递，将消息流用于实时处理、实时监控或者加载到Hadoop、MaxCompute等离线数据仓库系统进行离线处理...
ECS实例操作系统内部（GuestOS）常见问题与修复方案
本文介绍ECS实例操作系统内部（GuestOS）的常见问题，以及对应的修复方案。...检查磁盘容量 Windows系统有时会出现C盘的磁盘空间不断减小的情况，导致系统不能正常操作。具体操作，请参见 Windows系统临时文件占用过多磁盘空间。
什么是移动应用
本文主要介绍什么是移动应用开通功能。定义 为拓展 运维事件中心 的使用场景，满足多团队协同及移动化运维的需求，移动协同应用应运而生。目前移动协同功能仅支持钉钉、企业微信（飞书将陆续支持），钉端移动应用名称为维蜜。关于移动应用...
- 产品推荐
- 这些文档可能帮助您