随着阿里大数据产品业务的增长，服务器数量不断增多，IT运维压力也成比例增大。各种软、硬件故障而造成的业务中断，成为稳定性影响的重要因素之一。本文详细解读阿里如何实现硬件故障预测、服务器自动下线、服务自...
...拟化计算在不同应用场景下的数据存储需求。本地磁盘：服务器上的本地磁盘，通常采用 RAID 条带化保证磁盘数据安全。性能高，扩展性差，虚拟化环境下迁移较为困难，适用于高性能且基本不考虑数据安全业务场景。商业化存...
...虑在这些机房实施相关的自动化恢复方案。比如义桥机房服务器已经全部配备远程管理卡，并且基于ceph存储作为系统盘+云硬盘的云主机也已经上线到该机房，这是我们实施该方案的基础。基于ceph存储后端的云主机在异常恢复过...
...度任务的控制和管理，用于决策虚拟机运行在哪一台物理服务器上，同时管理虚拟机状态及迁移计划，保证虚拟机可用性和可靠性。智能调度系统实时监测集群所有计算节点计算、存储、网络等负载信息，作为虚拟机调度和管理...
...。 第5步：如果不能开机，接着使用最小系统法，将硬盘、软驱、光驱的数据线拔掉，然后检查电脑是否能开机，如果电脑显示器出现开机画面，则说明问题在这几个设备中。接着再逐一把以上几个设备接入电脑，当接入某...
...包括应用是否能以足够好的性能处理请求。对于一个大型服务器而言，重启 MySQL 后，可能需要几个小时才能预热数据以保证请求的响应时间。这里的几个小时也应该包括在宕机时间内。 到此为止，我们应该有个大致的印象，可...
...包括应用是否能以足够好的性能处理请求。对于一个大型服务器而言，重启 MySQL 后，可能需要几个小时才能预热数据以保证请求的响应时间。这里的几个小时也应该包括在宕机时间内。 到此为止，我们应该有个大致的印象，可...
...据磁盘。存储系统兼容并支持多种底层存储硬件，如通用服务器（计算存储超融合或独立通用存储服务器）和商业存储，并将底层存储硬件分别抽像不同类型集群的存储资源池，由分布式存储系统统一调度和管理。在实际应用场...
遇到服务器故障，问题出现的原因很少可以一下就想到。我们基本上都会从以下步骤入手，这些也是绝大多数运维工程师在定位故障时前几分钟的主要排查点：一、尽可能搞清楚问题的前因后果不要一下子就扎到服务器前面，...
...点心得供各位奋斗在一线的运维人员提供一点帮助 遇到服务器故障，问题出现的原因很少可以一下就想到。我们基本上都会从以下步骤入手： 一、尽可能搞清楚问题的前因后果 不要一下子就扎到服务器前面，你需要先搞明白...
...点心得供各位奋斗在一线的运维人员提供一点帮助 遇到服务器故障，问题出现的原因很少可以一下就想到。我们基本上都会从以下步骤入手： 一、尽可能搞清楚问题的前因后果 不要一下子就扎到服务器前面，你需要先搞明白...
...月份的时候，某电商公司一个做DBA的朋友来咨询我，本地硬盘已经删除了的文件有没有办法恢复？我便产生了一些疑问，为什么数据库运维要管这些呢？后来详细聊了下事情的原委，才知道他们公司由于设置了30天的数据库日志...
ChatGPT和Sora等AI大模型应用，将AI大模型和算力需求的热度不断带上新的台阶。哪里可以获得...
大模型的训练用4090是不合适的，但推理（inference/serving）用4090不能说合适，...
图示为GPU性能排行榜，我们可以看到所有GPU的原始相关性能图表。同时根据训练、推理能力由高到低做了...
刘明
李涛
阿罗
王陆宽
史占广
刘厚水
