在进行系统架构设计时，您必须考虑到信息系统和基础设施可能遇到的各种潜在威胁，例如：硬件故障、软件系统崩溃、人为操作失误、安全攻击、自然灾害等。为了确保系统能够在各种异常故障场景下快速恢复并保持业务连续性，您必须为系统设计...
AKE 通过使用 Kubernetes 和 Docker 技术将整个物理资源进行池化，向上层服务提供按量使用的计算、网络和存储资源。ALB 负载均衡（Ant Financial Load Balancer，ALB）是将访问流量根据转发规则分发到后端多台后端服务器的流量分发控制服务...
层级 主要功能 4层 流量管理：TCP路由 安全：面向4层的简单授权策略、双向TLS 可观测：TCP监控指标及日志 7层 流量管理：HTTP路由、负载均衡、熔断、限流、故障容错、重试、超时等 安全：面向7层的精细化授权策略 可观测：HTTP监控指标、...
计算节点故障恢复快：计算节点发生Failover之后，数据可以按需从分布式的共享存储异步拉取。因此Failover的速度非常快。Hologres采用的是第三种存储计算分离架构，Hologres的存储使用的是阿里自研的Pangu分布式文件系统（类似HDFS）。用户...
流量调度器 资产管理 实例管理 修改弹性防护带宽、设置弹性业务带宽、设置弹性QPS、升级及续费实例等实例管理操作。实例管理 抗D包 抗D包由DDoS高防（新BGP）向满足条件的用户免费赠送，用于抵扣后付费中的弹性防护费用。抗D包 调查分析/...
背景知识 在告警管理中有一个非常重要的指标Mean Time To Contain（MTTC），MTTC描述了从检测到故障事件到控制和解决该事件所需的平均时间。它是一个关键指标，因为它衡量了一个组织对事件的响应能力和效率。较短的MTTC意味着组织能够快速...
当灾难发生时，多活系统可以分钟级内实现业务流量切换，用户甚至感受不到灾难发生。“同城多活架构”和“异地多活架构”（代号“单元化”）都是典型的应用多活实现技术。应用多活的优势 分钟级RTO：恢复时间快，阿里内部生产级别恢复时间...
日志管理 您可以在控制台的日志管理页面查询实例的错误日志、慢日志明细和慢日志统计，帮助您定位故障。操作详情请参见 查看错误日志和慢日志。历史事件 开启历史事件功能后您可以查看用户和阿里云的运维操作日志，例如在某个时间创建了...
实例健康诊断功能是一种自助诊断方式，可以对实例的计算服务状态、存储服务状态、网络服务状态、实例配置管理和实例操作系统内相关配置进行全方位的诊断，帮助您了解实例的健康情况，及时发现并解决常见的问题。本文介绍轻量应用服务器支持...
技术架构 应用架构 应用部署架构将云原生运行时环境分为业务产品和ADP底座两层，图中阐述了每一层的核心组件及依赖关系，可以让客户更加透明地了解到ADP底座的组成架构，如果出现问题，能够快速地确定是不是ADP底座的问题。业务产品：包括...
故障管理概述 故障管理是源于ITIL的一个概念，在IT企业或者互联网企业进行故障管理的目的是当生产环境出现重大宕机时尽快恢复正常的服务运营，将组件失败对业务所造成的负面影响降到最低，从而确保满足事先与业务客户之间所约定的服务级别...
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。...
在一个地域服务发生故障时，流量可以被转发到另一个地域的正常服务上，从而确保业务的连续性。全局流量管理简介 全局流量管理（Global Traffic Manager），简称GTM，是在 DNS 层面上实现的全球流量管理和负载均衡服务，可以帮助企业在短...
凭借配置变更、配置推送、历史版本管理、灰度发布、配置变更审计等配置管理工具，ACM能帮助您集中管理所有应用环境中的配置，降低分布式系统中管理配置的成本，并降低因错误的配置变更造成可用性下降甚至发生故障的风险。迁移到MSE Nacos ...
若需要新增接入层集群，具体操作，请参见 管理MSFE接入层集群。单击 下一步，添加路由标解析规则。路由标解析规则是指路由标到路由ID的解析过程，本示例中routeId=111123，按照10000取模，那么路由ID就是1123。单击 确定，添加单元分流。即...
高可用管理平台 HAS 在蚂蚁 SOFA 中间件以及 Café 应用发布平台的基础上，为用户应用及蚂蚁应用提供日常巡检、风险管理、应急预案、故障演练等技术风险管理能力，满足用户应用巡检、故障处置、应急管理、故障演练等多种应用运维场景。...
当ECS整机发生系统故障或者错误操作时，您可以通过备份点的克隆和恢复功能，实现ECS整机回退和创建新的ECS整机。本文介绍整机恢复的相关操作。前提条件 已创建ECS整机备份。具体操作，请参见 备份ECS整机。重要 当源ECS存在时，支持直接...
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，进行原盘恢复或者创建新盘操作来实现数据恢复。前提条件 已创建ECS整机备份。具体操作，请参见 备份ECS整机。背景信息 云盘恢复...
这些能力可以有效提升云盒IaaS层的故障和风险应对能力，但也需要一定的冗余资源，以便在硬件设备出现故障时及时迁移业务。您可以参考以下两种方式来提高云盒IaaS层的冗余资源，以确保业务连续性。根据业务需求选择SKU时，增加一定量的冗余...
当智能接入网关设备发生网络故障后，您可以先观察现象、收集信息，然后对现象和信息进行分析诊断，尝试修复问题。本文为您介绍智能接入网关设备故障处理流程。SAG-100WM故障处理流程说明 通过SAG-100WM访问阿里云，发现故障，请参见以下...
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...
6、容灾预案：容灾预案可以帮助用户实现容灾演练，或发生故障时快速切换访问流量，包括创建容灾预案、执行/回滚等相关信息。7、日志信息：介绍全局流量管理运行状态的告警日志，包括：健康检查告警、健康检查恢复、地址池不可用、地址池...
当主系统发生故障时，业务系统切换到容灾系统，有效避免了地域性灾害导致的系统故障，保障业务的可用性，满足业务的RTO、RPO核心指标。云盘异步复制是一种基于块存储数据复制能力实现跨地域或者跨可用区数据保护的功能。更多信息，请参见 ...
当主系统发生故障时，业务系统切换到容灾系统，有效避免了地域性灾害导致的系统故障，保障业务的可用性，满足业务的RTO/RPO核心指标。云盘异步复制是一种基于块存储数据复制能力实现跨地域或者跨可用区数据保护的功能。更多信息，请参见 云...
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故障时，直接将业务流量切换到灾备中心，即可立刻恢复服务。在灾备接管期间，通过反向数据同步，可实现随时切回主库。
当系统发生故障时，PolarDB 集群会自动进行主备切换。您也可以手动进行主备切换，指定一个只读节点为新的主节点。注意事项 不论是自动切换还是手动切换，切换过程中，都可能会出现30秒左右的闪断，因此切换前请务必确保应用具备重连机制。...
当系统发生故障时，PolarDB 集群会自动进行主备切换。您也可以手动进行主备切换，指定一个只读节点为新的主节点。注意事项 不论是自动切换还是手动切换，切换过程中，都可能会出现30秒左右的闪断，因此切换前请务必确保应用具备重连机制。...
您可以通过控制台手动触发健康度检查，来评估当前云原生网关实例的风险。风险管理功能会针对风险情况提出建议和处理方案，并记录和评分检查...关闭接收通知之后，您将不再收到通知提醒，但仍然建议您按照风险 建议 进行操作，以免发生故障。
管理函数 管理函数层 层可以为您提供公共依赖库、运行时环境及函数扩展等发布与部署能力。您可以将函数依赖的公共库提炼到层或者使用函数计算官方公共层，以减少部署或更新函数时的代码包体积。创建自定义层 在函数中配置自定义层 在函数中...
当您创建并启动云盘异步复制关系后，如果主盘发生故障，您可以通过异步复制功能对主盘进行容灾恢复。本文主要介绍如何进行容灾恢复操作。前提条件 反向复制前，请确保源云盘（主盘）已经从对应的ECS实例上卸载，即主盘处于未挂载状态。具体...
主备容灾：当云数据库HBase实例因不可预料的原因（例如设备故障、机房断电断网等）发生故障，容灾机制可用于保障数据的一致性和业务可用性。功能优势 主备双活：请求低毛刺。故障自动容错。资源利用率高。主备容灾：支持云数据库HBase、EMR...
为此每一层的系统都会面向失败做设计，对下游组件零信任，确保在故障发生时可以快速的发现和处理。但这些措施在故障发生时的有效性、故障恢复工具的真实容灾能力、处理问题人员的熟练度，沟通机制、容灾措施对上层的影响等问题，平时并没有...
以此，降低产品使用过程中故障发生概率，提高故障恢复效率，进而实现产品高可用性的有效提升。机房级容灾 同城双活 同一个城市，建设两个机房环境，两地距离 50 km 以内，万兆光纤专线互连，业务应用层面可以两个机房同时提供业务服务，当...
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...
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...
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...
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...
NLB实例的 可用区J 发生故障时，NLB能够在短时间内停用该可用区，并继续使用其他启用的可用区提供服务。步骤四：容灾切回演练 容灾切回功能：NLB可用区故障恢复后，验证NLB的容灾恢复能力。容灾切回概念：与容灾切换相反，将资源切回到执行...
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，容灾机制可用于保障数据的一致性和业务可用性。Tair 提供多种灾备方案供您选择，可满足不同的业务场景。图 1.Tair 容灾架构演进 灾备方案 灾备级别 ...
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...