检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
为了预防单可用区故障，可借助华为云多可用区（Availability Zone，简称AZ）能力，应用可以用较小成本来完成容灾架构部署。应用系统可设计为使用分布在多个可用区中的资源池，并利用云服务实例本身具备或应用自身支持的跨AZ数据复制与切换能力，在多个AZ之间复制数据、负载均衡和跨AZ
Organizations：为企业用户提供多账号关系的管理能力。用户可以将多个华为云账号整合到创建的组织中，并可以在组织中设置治理策略。 应用身份管理服务 OneAccess：为云提供的应用身份管理服务，具备集中式的身份管理、认证和授权能力，保证企业用户根据权限访问受信任的云端和本地应用系统，并对异常访问行为进行有效防范。
用实例时，需要借助其他云服务或应用层实现跨AZ容灾；以ECS为例： 对于无状态ECS实例，可利用AS弹性伸缩服务的跨AZ伸缩能力，或ELB跨AZ负载均衡能力，实现跨AZ高可用，在一个可用区故障时能自动快速切换。 对于有状态ECS实例，或BMS实例，建议从应用层实现跨AZ容灾，支持
概述 本章节介绍常用云服务的可靠性功能与故障模式，以便应用系统能充分利用云服务提供的可靠性能力，提升应用系统的可靠性，并能针对云服务的常见故障模式，进行故障恢复处理，以便最大限度减少故障，并能从故障中恢复。 父主题： 云服务可靠性介绍
期间业务处理性能短暂下降或中断。 对已部署的应用系统，改造为支持高可用能力的实施步骤： 确定应用系统的关键组件；所谓关键组件是指一旦故障，会导致整个应用系统或其中的关键功能受损。 针对关键组件，检查其高可用能力，即在其故障的情况下，是否能自动故障转移，进行业务恢复。 针对未支持高可用的关键组件，进行如下优化处理：
OPS04-03 基础设施即代码 基础设施即代码（IaC）是指使用代码而不是手动流程来管控基础设施的能力。 应用程序环境都需要许多基础设施组件，例如操作系统、数据库连接和存储。 开发人员必须定期设置、更新和维护基础设施，以开发、测试和部署应用程序。 手动管理基础设施既耗时又容易出错，尤其是在大规模管理应用程序时。
高可用能力，要实现较高的可用性，仍需要构建针对各种偶发故障下的恢复能力，如： 由于硬件故障导致的高可用切换或跨AZ切换过程中，导致瞬时链接中断，需要应用系统具备链接中断重试的功能。 由于外部流量突发导致业务过载，需要应用系统具备流量控制的能力。 部分强依赖于硬件的负载，如依赖本地
HIVE优化 概述 Hive架构 Hive提供了Hadoop的SQL能力，主要参考标准的SQL，Hive进行了部分的修改，形成了自己的特有的SQL语法HQL（Hive SQL），更加适合于Hadoop的分布式体系，该SQL目前是Hadoop体系的事实标准。 Hive调优 用户输入
同时如果同一个函数在不同场景下对内存和CPU资源的要求不一样，可以使用动态内存能力，参考配置动态内存。 最大实例数 如果函数执行并发量较大，那么默认的最大实例数可能不足以支撑业务调用，如果超出最大实例数对应的处理能力，可能造成执行排队时延升高，甚至出现报错。建议最大实例数和业务实际最大并发数保持一致。
应用内组件的高可用能力，在应用内部分节点故障时业务自动恢复能力 备份 应用数据被破坏的情况下的恢复能力 容灾 在Region/AZ/IDC或其他云站点发生灾难的情况下的恢复能力 监控告警 应用系统故障后的检测和告警能力 弹性扩缩容 应用容量不足时的自动恢复能力 变更防差错 变更对应用业务中断的影响
Fix）平均修复时长 变更风险控制 在变更作业过程中，建立事前检查、事中拦截和事后验证的能力，防止异常行为。 安全生产 安全生产目的是为了持续保障现网“安全、稳定、高质量”，从人员、工具、产品能力、流程规范等方面在安全预防、过程监控、结果稽查等维度进行端到端管理，减少或防止现网故障
通过混沌实验编排攻击目标、攻击策略进行故障注入，支持添加背景流量和资源监控，同时在故障注入能力的基础上，通过体系化的流程和规范来创建故障演练，从而验证和提升系统可靠性和技术团队应急响应能力。 父主题： 卓越运营云服务介绍
风险等级 高 关键策略 故障发生后，通过对现网重大故障处理过程 Review 及根因进行分析和改进总结，规范整个恢复过程，实现对可用性和技术能力的提升。故障复盘的技术过程按照 RASA 法、Review（回顾）、Analyze（分析）、Summary（总结）、Action（行动）。
周期采取一系列控制流程，包含故障预防、故障发现、故障定位、故障恢复、故障复盘及持续改进（含故障演练），基于故障模式库，面向全流程、构建恢复能力、保证平均恢复时长（MTTR）的长效收敛，实现故障的快速恢复。 设计建议 父主题： OPS07 进行故障分析和管理
事件回顾：定期回顾已处理的事件，评估自动化响应的效果，识别改进点。 规则与策略更新：根据回顾结果，更新自动化响应规则和策略，增强系统的自适应能力。 培训与演练：定期对安全团队进行自动化响应流程的培训和演练，确保人员熟悉流程并在实际操作中高效执行。 依赖剧本实现威胁处置自动化，让顶级
手段，支持故障和业务流程编排的可靠性评估测试、压力负荷测试、CHAOS随机故障注入、生产环境故障演练等能力。 云运维中心 COC：支持混沌演练，为用户提供一站式的自动化演练能力，覆盖从风险识别、应急预案管理、故障注入到复盘改进的端到端的演练流程。 父主题： RES11 可靠性测试
In Depth） 多点、多重的安全防护机制来分层保护组织的网络、资产和资源。 不依赖单层安全防护能力，不因单一安全防护能力失效而完全暴露。 假设系统受到攻击，系统有一定的韧性能力保持最小化系统运行，可以提供最小化服务。 最小化原则（Least Privilege） 最小化身份：
存量应用的韧性、安全性、性能及资源利用率，适应现代化软件开发，降低运营成本。 伙伴能力标签认证 华为云合作伙伴能力标签（简称能力标签）是华为云合作伙伴达到能力标准后获得的标识，华为云定义并维护能力标签的全集。 合作伙伴通过学习卓越架构技术框架（Well-Architected F
支持自动弹性伸缩；针对ECS，通过ELB实现ECS实例的故障检测与负载均衡，并可通过AS监控负载随时添加和移除ECS实例来扩展应用系统的服务能力；针对RDS for MySQL，可根据负载监控情况，自动扩缩规格或增删只读节点。 变更防差错 软件更新采用金丝雀或蓝绿部署，部署过程自动完成，在部署过程中出现问题时自动回滚。
段快速定位定界发现根因。可以通过应用模型建设三维的拓扑，把架构-空间-时间数据关联起来。这里面的关键是架构模型的建立及分层指标的聚合可视化能力，需要依赖持续的资源治理和数据治理。 相关云服务和工具： 优化顾问 OA 云监控服务 CES 应用运维管理 AOM 父主题： 性能看护
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
