Prometheus 监控业务指标 在 Kubernetes 已经成了事实上的容器编排标准之下，微服务的部署变得非常容易。但随着微服务规模的扩大，服务...

1.故障处理原则 故障处理的原则只有两个： 以恢复业务优先及时升级 1.1 恢复业务优先 恢复业务优先是指，不管在任何情况...

这是一个很有趣的事情。由于流量突增临时扩充多个node部署服务，但遇到一个问题全量接口调用失败总是返回无关的返回结果。简单说在...

从 Docker 迁移到 Docker Swarm，再到 Kubernetes，然后处理了多年来的所有各种 API 更改之后，我非常乐意发现部署中出现的问题和把问题进行修...

Trouble Shooting 故障1 这种情况是ks文件中的安装源路径出错,改为如下： centos6:url --url=http://httpserver/ksdir/ks.cfg或者url --url=$tree centos7:url --url...

日本亚马逊AMAZON AWS云端伺服器自2019年8月23日中午开始出现大规模异常，许多使用相关服务的日本手机游戏纷纷出现连线异常状态的lag或是...

768k天将在几个月之内到来，不仅让我们想起512k日的时候，美国AT&T，BT，comcast，sprint和verizon网络的大面积中断。 网络里程碑意义的&#...

一、为什么要进行故障演练？ 伴随着海量请求、节假日峰值流量和与日俱增的系统复杂度一起出现的，很有可能是预料之中以及意...

众所周知，故障是运维人员永远的痛！相信每一个运维人员的KPI中都有一项：可用性。 可用性高就是不出故障，各个公司对可用性和故障...

3月3日凌晨消息，阿里云疑似出现大规模故障情况，新浪微博博主@辣笔小球称，华北相当多的互联网公司都炸了，App、网站全部瘫痪，一...

线上故障是指提供给客户使用的IT服务全部或部分不可用，包括服务性能的降低，如：服务延迟导致用户体验变差。 在创业前期，为了抢...

9 月 4 日，微软在美国中南部地区的圣安东尼奥数据中心由于雷电天气影响导致电压激增，数据中心的冷却系统发生故障。为保证数据和硬...

阿里云午夜在官网、微博发布了故障公告： 6月27日下午，我们在运维上的一个操作失误，导致一些客户访问阿里云官网控制台和使用部分...

1.MySQL主从延迟复制介绍 从MySQL5.6开始支持了主从延迟复制，这个功能主要解决的问题是，当主库有逻辑的数据删除或错误更新后，所有的...

高效运维社区致力于陪伴您的职业生涯，与您一起愉快的成长。 作者简介： 韩晓光 DevOps Master、信息系统项目管理师、ITIL Foundation、RHCE...

6月19日午间11时34分，因机房故障，少部分地区出现支付异常和配送延迟等问题，故障于12时5分修复。饿了么向受到故障影响的用户和商户...

IT之家6月17日消息 从今天下午16:30开始，新浪微博突发大面积故障，用户无法打开微博。 通过Ping命令测试IP可用性发现，新浪微博目前服...

源起 线上执行ALTER时，通过show processlist查看到出现Waiting for table metadata lock ，导致后面的查询都无法执行。 5217122 | create_table_04 | 172.100.2...

同事发现某台机器上message日志数量突然暴增，简单查看了下有内存相关的报错，所以转交给我来查看。 Message日志 进入服务器查看messag...

作者介绍 林伟壕，网易游戏资深运维工程师。现任职于网易游戏，从事游戏运维相关工作；曾就职于中国电信，负责数据网络维护、网络...