什么是消息演练
随着应用规模的扩大，系统变得越来越复杂，不可避免地会走向分布式化。各种中间组件会相继被引入系统，其中分布式消息服务更是系统中必不可少的一...需要注意的是演练场景仅是组件表象，其内部故障原因可能是多种多样的，需要进一步进行分析。
服务等级协议
本服务等级协议（Service Level Agreement，以下简称“SLA”）约定了阿里云向客户提供的运维事件中心（简称“运维事件中心”）的服务可用性等级指标及赔偿方案。特别提示您，除非另有约定，本协议不适用于运维事件中心公测、邀测、免费的...
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...
变更管理
运维事件中心是阿里云提供的云上变更管理服务，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...
附录：SOFAStack 产品目录
分布式链路跟踪 分布式链路跟踪（Distributed System Tracing，简称 DST）是一款面向分布式架构、微服务架构和云原生架构的应用可观察性的金融级解决方案，帮助用户厘清应用间复杂的调用关系，迅速定位故障或者缓慢节点。产品架构 产品优势...
概述
在企业数字化转型过程中，基于云计算平台服务，可以让企业快速构建新业务、减少业务故障率、持续观测业务指标、提升业务稳定性，使企业更加专注于业务本身。总体而言，主要包括以下几个关键领域：卓越运营第一个关键领域是确定组织的运营...
常见问题
A：PolarDB 是一个关系型数据库云服务，目前已在全球十多个地域（Region）的数据中心部署，向用户提供开箱即用的在线数据库服务。PolarDB 目前支持3种独立的引擎，分别可以100%兼容MySQL、100%兼容PostgreSQL、高度兼容Oracle语法，存储...
常见问题
目前一致性从高到低分别为 全局一致性（强一致性）、会话一致性和最终一致性，详情请参见 一致性级别。Q：单节点故障的情况下是否可以保证RPO为0？A：可以。Q：升级规格配置（比如从2核8 GB升级到4核16 GB）后端是怎么实现的？对业务有什么...
如何解决MSE Nacos实例域名无法解析的问题？
如果使用的是ACK，请 提工单 联系ACK技术支持协助排查CoreDNS故障原因。方案二：使用ping命令 使用 ping${mse.nacos.host} 指令尝试解析。如果提示 unknown host，则无法解析域名。如果提示 PING${mse.nacos.host}(xxx.xx.xx.xx)56(84)...
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...
应用故障自动诊断
在EDAS中进入应用总览页面时，会按照您自定义的时间段对该应用的运行情况做一个自动诊断。...数据支持：这一部分包含了得到推测结论的数据支持，不同故障原因的诊断报告中包含的分析数据将不一样。图 1.故障诊断报告示例图-RT诊断
一键诊断
相关文档 通过一键诊断了解数据库性能情况的全貌后，您可以使用如下功能对数据库进行全面细致的诊断，准确定位故障原因，并解决故障。会话管理 性能趋势 锁分析 慢SQL 空间分析 常见问题 Q：一键诊断中，如何计算会话的线程使用率、连接数...
访问策略
6.备用地址池是在默认地址池因故障原因不可用时，可以将用户的访问流量切换至备用地址池上。在 备用地址池 的下拉框中，选择已创建的地址池名称，最后单击 下一步。如果您还没有创建地址池，请参考 创建地址池 文档。注意：如未设置备用...
实例容灾
将实例A作为主实例，实例B作为容灾实例，当实例A所在地域发生突发性故障（例如自然灾害）时，实例B可以作为主实例。通过修改应用程序中的数据库连接配置，将应用请求转到实例B上，实现跨地域的数据容灾。说明 建议您在实例B上部署与实例A上...
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，...
故障管理
应用性故障，包括软件应用性能问题、应用缺陷（bug）、系统应用变更。人为操作故障：包括误操作以及不按规定非标准操作引起的故障。系统软件故障：包括操作系统死机、数据库的各类故障。硬件故障：包括硬盘、网卡损坏。相关设备故障：包括...
什么是故障
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...
设计方案
基于稳定性支柱设计原则，整体稳定性设计方案可参考如下：架构设计原则 软件系统从所有的功能都在一个应用程序内运行的单体应用架构，到不同的功能模块分别部署在不同的服务器上的传统分布式应用架构，再到服务细分通过轻量级的通信机制...
Redis客户端重连指南
引发暂时性故障的原因 原因 说明 故障触发了高可用机制 云数据库Redis支持节点健康状态监测，当监测到实例中的主节点不可用时，会自动触发主备切换，例如将主节点和从节点进行互换，保障实例的高可用性。此时，客户端可能会遇到下列暂时性...
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...
Tair客户端重连指南
引发暂时性故障的原因 原因 说明 故障触发了高可用机制 云原生内存数据库Tair 支持节点健康状态监测，当监测到实例中的主节点不可用时，会自动触发主备切换，例如将主节点和从节点进行互换，保障实例的高可用性。此时，客户端可能会遇到...
读多写少型业务场景多活实践
创建杭州单元商品中心故障的演练，具体操作，请参见 创建演练。故障注入。在多活容灾的 监控大盘 页面 异地双活 区域，查看故障演练前配置的路由规则。本示例中UserID为0~1575之间的用户会路由到杭州单元，UserID为1576~9999之间的用户会...
监控指标说明
该指标协助您进行作业诊断，排查作业Task级别的故障原因。次数 TM GC Time 每次TM GC时间。长时间GC会导致占用过大内存空间，从而影响作业性能。该指标协助您进行作业诊断，排查作业级别的故障原因。毫秒（ms）TM ClassLoader/...
如何管理故障
可对故障根因进行原因检查并结构化录入，检查点包括：故障原因、最近活动、注入方式、恢复方式等；关联故障期间的故障变更，新增故障改进措施等操作。故障状态 处理中：处理中仍未恢复的故障；已恢复：故障对处理中的故障做 恢复 操作后是...
概述
SOFARegistry 是蚂蚁集团开源的一个生产级、高时效、高可用的服务注册中心，采用 AP 架构（CAP 理论中的 AP，强调可用性），支持秒级时效性推送，同时采用分层架构支持无限水平扩展。SOFARegistry 最早源自于淘宝的 ConfigServer，十年来，...
名词解释
另一方面是在⼀个数据中心发⽣故障或灾难的情况下，其他数据中心可以正常运行并对关键业务或全部业务实现接管，实现用户的故障无感知。两地三中心 即生产数据中心、同城灾备中心、异地灾备中心建设方案。这种模式下，两个城市的三个数据...
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...
什么是应用实时监控服务ARMS？
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表现情况，并支持日志数据查询，帮助您快速跟踪定位故障原因，提升用户体验。...
查看运行分析
该指标协助您进行作业诊断，排查作业Task级别的故障原因。个 TM自JVM启动以来已加载的类总数（TM ClassLoader）TM自JVM启动以来已加载的类总数。JM所在的JVM创建后加载类的总数或卸载类的总数过大，会导致占用过大内存空间，从而影响作业...
托管节点池节点自动恢复
当发现节点故障时，ACK会根据故障原因触发对应恢复任务，并记录相应的事件。当恢复任务完成后，故障状态解除，节点恢复正常状态。当恢复任务完成后，故障状态依然存在，节点会被置为恢复失败状态。说明 如果集群中存在多个节点池，节点池...
源为PolarDB-X的功能规范和约束说明
在出现故障（如网络中断、机房批量设备故障或互联网数据中心IDC故障），且DTS任务存在延迟的情况下，此时如更新至目标库的最后一条数据的时间与故障发生时的时间之差小于RPO（如5分钟），则可以业务优先恢复为准则切流。切流后可能有5分钟...
源为PolarDB-X的功能规范和约束说明
在出现故障（如网络中断、机房批量设备故障或互联网数据中心IDC故障），且DTS任务存在延迟的情况下，此时如更新至目标库的最后一条数据的时间与故障发生时的时间之差小于RPO（如5分钟），则可以业务优先恢复为准则切流。切流后可能有5分钟...
应用场景
场景四：异地容灾 由于地区断电、断网等客观原因，产品可用性并不能达到 100%。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...
跟踪概览
故障诊断与运维 服务故障分析：在出现服务中断或性能下降时，可以使用跟踪日志来分析事件前后的操作，以帮助确定故障原因。配置变更追踪：记录对云资源配置的所有更改，帮助识别可能导致服务中断的配置错误。基本概念 概念 说明 跟踪 跟踪...
智能压测
此外，在数据库发生故障且无法定位原因时，可以利用克隆库复现故障场景，以便更好地定位故障原因。前提条件 源数据库支持：RDS MySQL PolarDB MySQL版 说明 不支持 PolarDB MySQL版 的 企业版 单节点 实例。PolarDB-X 2.0。目标数据库实例...
流量回放和压测
此外，在数据库发生故障且无法定位原因时，可以利用克隆库复现故障场景，以便更好地定位故障原因。前提条件 源数据库支持：RDS MySQL PolarDB MySQL版 说明 不支持 PolarDB MySQL版 的 企业版 单节点 实例。PolarDB-X 2.0。目标数据库实例...
DescribeDedicatedHosts-查询专有宿主机详细信息
PermanentFailure：永久性故障，专有宿主机不可用。TempUnavailable：宿主机临时不可用。Redeploying：宿主机恢复中。默认值：Available。Available DedicatedHostType string 否 专有宿主机的规格。您可以调用 DescribeDedicatedHostTypes...
DescribeDedicatedHosts-查询专有宿主机详细信息
PermanentFailure：永久性故障，专有宿主机不可用。TempUnavailable：宿主机临时不可用。Redeploying：宿主机恢复中。默认值：Available。Available DedicatedHostType string 否 专有宿主机的规格。您可以调用 DescribeDedicatedHostTypes...
专线连接类
排查物理专线故障原因，具体操作，请参见 故障排查。本地数据中心到阿里云的线路中断，如何解决？请在本地数据中心的网关设备上测试物理专线的客户端侧IP到阿里云侧IP是否可达，即此物理专线的直连IP是否可以ping通。如果不通，则需您向...
数据容灾
当断网、断电或者发生灾难事件导致某个机房不可用时，仍然能够确保继续提供强一致性的服务能力，整个故障切换过程用户无感知，业务不中断、数据不丢失，可以满足关键业务系统对于“恢复时间目标（RTO）”以及“恢复点目标（RPO）”等于0的...
- 产品推荐
- 这些文档可能帮助您