ReportInstancesStatus-反馈一台或者多台ECS实例异常...
SAS/RAID 卡故障 hardware-fan-error：风扇故障 others：其他 hardware-cpu-error InstanceId array 是 ECS 实例 ID 列表。最多可输入 100 个实例 ID。string 是 ECS 实例 ID。i-bp165p6xk2tmdhj0*DiskId array 否 发生相同异常问题的磁盘 ...
实时分析链路数据
而磁盘打满、内存溢出等故障仅影响单个容器。因此，在排查单机故障时，可以根据宿主机IP和容器IP两个维度分别进行分析。面对这类问题，可以通过调用链分析先筛选出异常或超时请求，然后再根据宿主机IP或容器IP进行聚合分析，可以快速判断...
监控面板说明
Memory Copy Utilization 表示节点GPU卡内存复制利用率。Encoder Engine Utilization 表示节点GPU卡编码器利用率。Decoder Engine Utilization 表示节点GPU卡解码器利用率。Memory and BAR1 GPU Memory Details 表示节点GPU内存信息：UUID...
监控集群GPU资源最佳实践
Memory&BAR1 ⑩ GPU Memory Details GPU内存信息，包括GPU卡的UUID、索引号、卡型号等。⑪ BAR1 Used 已使用BAR1为7 MB。⑫ Memory Used GPU卡已使用的显存大小为8.36 GB。⑬ BAR1 Total 总BAR1为33 GB。GPU Process ⑭ GPU Process ...
故障协同处理（基于钉钉）
2.故障应急场景群：事件升级故障后，群内推出 故障处理中 消息卡片，如果满足自动生成故障场景群的需求（下文详细介绍创建故障场景群逻辑），故障场景群内同时推出 故障处理中 消息卡片。本群故障消息卡片包含按钮：签到、签到记录、应急...
应用场景
Node.js 提供的精确到虚拟机级别的深度监控，能够如实的反应应用运行状态，通过配置报警规则，用户可以在发现系统出现故障（内存泄露或者 CPU 热点等）趋势时，通过诊断接口迅速定位故障点。Node.js 性能平台特别适合业务发展迅速、应用...
单实例快速恢复
当出现1分钟容器响应超时（可能是内存溢出、硬件故障、软件Bug等原因导致），Resource Manager会自动拉起新的计算节点，并迁移数据分片（Shard）职责到新的节点上（例如Worker Node3响应超时，Resource Manager拉起Worker Node4取代Worker ...
Tair选型指南
3 选择容灾方案 云原生内存数据库Tair 实例若因不可预料的原因（例如设备故障、机房断电等）发生故障，容灾机制保障数据的一致性和业务可用性。云原生内存数据库Tair 提供多种灾备方案供您选择，可满足不同的业务场景。4 预估内存规格 提前...
跨可用区容灾
当生产站点因为不可抗力因素（比如机房火灾、断电）或者设备故障（软、硬件破坏）导致应用在短时间内无法恢复时，ECS容灾服务支持业务的跨可用区（Availability Zone）的容灾能力，对整体的应用做容灾备份来应对单地区的故障，满足业务的...
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...
主从实例读写分离部署（共享存储）
当出现1分钟容器响应超时（可能是内存溢出、硬件故障、软件Bug等原因导致），Resource Manager会自动拉起新的计算节点，并迁移Shard职责到新的节点上（例如Worker Node3响应超时，Resource Manager拉起Worker Node4取代Worker Node3），...
灾备方案
云原生内存数据库Tair 作为高性能的内存数据库，在业务场景中往往承载着大量的重要数据，为保障数据安全性，Tair 提供了多种灾备方案供您选择。Tair 容灾架构演进 当 Tair 实例因不可预料的原因（例如设备故障、机房断电等）发生故障，容灾...
功能特性
高可用管理平台 HAS 定位于 IT 技术...故障演练平台支持触发 CPU 利用率升高、内存利用率升高、内存占用、网络丢包、容器宕机、物理机宕机等常见故障，并针对故障制定出详细的演练和恢复计划，保证用户能够有计划地测量和观测应用高可用能力。
故障演练
进程外的故障，比如其他进程突然抢占了内存，导致当前系统异常等。对于大多数无损突袭演练的故障模拟，只需要关注故障对当前系统的影响，而不是真的需要外部产生故障。此外，还有一类故障，可能是人为失误，或流程不当导致，这部分不做重点...
标准架构
Redis进程Fork导致Copy-On-Write，Copy-On-Write导致主节点进程内存消耗，极端情况下造成主节点内存溢出，程序异常退出。Redis主节点生成备份文件导致服务器磁盘IO和CPU资源消耗。发送GB级别大小的备份文件，会导致服务器网络出口爆增，...
使用限制
本文介绍 云原生内存数据库Tair 各数据类型以及部分功能特性的使用限制。项目 说明 List数据类型 List及其包含的元素个数无限制，但单个元素的最大值为512 MB。推荐List的元素个数小于8192，整体Value不超过1 MB。Set数据类型 Set及其包含...
步骤七：故障切换
保护组进入增量复制状态后，您就可以进行故障切换操作。本文介绍故障切换和恢复的基本操作。故障切换类型 数据同步后切换 该故障切换会先停止保护组中被保护的实例，并且等到所有被保护的实例停止后再进行最后一轮数据同步，等待数据同步...
管理集群
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...
步骤七：故障切换
保护组进入增量复制状态后，您就可以进行故障切换操作。本文介绍故障切换和恢复的基本操作。故障切换类型 数据同步后切换 该故障切换会先停止保护组中被保护的实例，并且等到所有被保护的实例停止后再进行最后一轮数据同步，等待数据同步...
步骤七：故障切换
保护组进入增量复制状态后，您就可以进行故障切换操作。本文介绍故障切换和恢复的基本操作。故障切换类型 数据同步后切换 该故障切换会先停止保护组中被保护的实例，并且等到所有被保护的实例停止后再进行最后一轮数据同步，等待数据同步...
产品架构
产品架构图 AHAS Agent AHAS Agent安装在指定的目标机器上，用来执行服务端下发的故障注入命令以及采集演练相关的必要信息，例如CPU、内存占用等。主要有以下特点：快捷高效：支持在控制台一键安装AHAS Agent，如果是公网则需要用户手动...
步骤七：故障切换
保护组进入增量复制状态后，您就可以进行故障切换操作。本文介绍故障切换和恢复的基本操作。故障切换类型 数据同步后切换 该故障切换会先停止保护组中被保护的实例，并且等到所有被保护的实例停止后再进行最后一轮数据同步，等待数据同步...
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，...
管理集群
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...
功能特性
云原生内存数据库Tair 云原生内存数据库Tair是阿里云自研数据库，兼容Redis的同时提供更多数据结构和企业级能力，包括全球多活、任意时间点恢复和透明加密等。支持多种存储介质和不同场景性价比需求：内存型支持超高吞吐，性能为Redis三倍...
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...
功能优势
丰富的故障场景 丰富的故障场景也是 AHAS Chaos 的一大特色，包括了以下场景：常见的基础设施资源例如CPU、内存、磁盘等。应用级别的故障注入，目前只支持 Java 应用，后续将陆续推出对于 NodeJs 和 C++ 的应用故障注入。云原生领域的演练...
云盒计算资源配置最佳实践
例如：您的业务需要100台4 vCPU，8 GiB内存的ECS实例，共计需要400 vCPU，800 GiB内存的算力，由于所需ECS实例的vCPU和内存配比要求为1：2，此时可以选择最大实例规格为ecs.c6.26xlarge的SKU，该规格族的vCPU和内存配比为1：2，在满足需求...
什么是云原生内存数据库Tair
云原生内存数据库Tair 是阿里云国产自研的云原生内存数据库。在完全兼容Redis的基础上，提供了丰富的数据模型和企业级能力来帮助客户构建实时在线场景。同时，Tair与新型存储介质——持久内存的高效结合，相比内存型，成本降低30%以上，并...
集群架构
云原生内存数据库Tair 提供双副本集群架构实例，可轻松突破Redis自身单线程瓶颈，满足大容量、高性能的业务需求。集群架构支持代理和直连两种连接模式，您可以根据本章节的说明，选择适合业务需求的连接模式。注意事项 云原生 版集群架构不...
跨可用区容灾
当生产站点因为不可抗力因素（比如机房火灾、断电）或者设备故障（软、硬件破坏）导致应用在短时间内无法恢复时，ECS容灾服务支持业务的跨可用区（Availability Zone）的容灾能力，对整体的应用做容灾备份来应对单地区的故障，满足业务的...
步骤五：应用容灾
当被保护的服务器完成阿里云复制服务（AReS）安装并重启后，您就可以对受保护的服务器启动、停止容灾复制、故障切换、容灾演练等一系列的应用容灾操作。前提条件 已安装阿里云复制服务。更多信息，请参见 步骤四：安装阿里云复制服务。操作...
开启Sentinel兼容
Redis Sentinel简介 Redis Sentinel为开源Redis提供主从实例监控、故障告警、自动故障切换等服务，很多使用本地自建Redis数据库并且对可靠性要求较高的业务场景都用到了Sentinel。为了给这类场景中的Redis数据库迁移上云提供方便，阿里云...
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...
网站耗资源（客户程序故障）常见问题
网站耗资源（客户程序故障）主要分为过度消耗CPU资源和过度消耗内存资源两种情况。网站耗资源（客户程序故障）与大流量的区别是什么？大流量会导致网络带宽被严重占用，而网站耗资源（客户程序故障）则导致服务器无法正常运行。两者的具体...
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...
手动执行主备切换
除了自动故障转移，云原生内存数据库Tair 支持手动执行主备切换（即切换节点角色），方便您进行实时容灾演练，验证客户端程序的差错处理能力。如果实例部署在多可用区，您还可以根据业务的部署情况执行主备切换，满足应用就近连接的需求。...
报警设置
订阅事件通知：当 Tair 实例产生了主动运维事件（如实例迁移）、实例发生了故障或触发了高可用切换，系统将自动发送报警通知，帮助您及时接收报警通知并处理。包含InstanceMaintenance（主动运维事件）、实例异常、实例维护等。常见问题 ...
故障诊断
抓取性能数据 功能，如下图所示：一般来说，如果涉及到内存泄漏的，可以抓取 堆快照，如果是 CPU 异常飙高的，可以抓取 CPU Profile 数据，下面我们以一个 CPU 异常飙高和内存泄漏的例子来看下如何使用 Node.js 性能平台提供的故障诊断功能...
开源ChaosBlade与商业化AHAS CHAOS故障演练对比
项目 AHAS CHAOS故障演练 ChaosBlade CPU演练 支持 支持 内存演练 支持 支持 网络演练 支持 支持 应用进程演练 支持 支持 K8s演练 支持 支持 阿里云云服务演练（ECS、Redis）支持 不支持 场景化——微服务强弱依赖演练 支持 不支持 场景化...
- 产品推荐
- 这些文档可能帮助您