带你读《云上自动化运维宝典》——提升云上资源稳定性的两大利器:事件驱动体系构建&自诊断工具(3)

本文涉及的产品
轻量应用服务器 2vCPU 4GiB,适用于网站搭建
轻量应用服务器 2vCPU 1GiB,适用于搭建电商独立站
轻量应用服务器 4vCPU 16GiB,适用于搭建游戏自建服
简介: 带你读《云上自动化运维宝典》——提升云上资源稳定性的两大利器:事件驱动体系构建&自诊断工具(3)

更多精彩内容,欢迎观看:

带你读《云上自动化运维宝典》——提升云上资源稳定性的两大利器:事件驱动体系构建&自诊断工具(2):https://developer.aliyun.com/article/1405330


7. 一键定位 – ECS 健康诊断

image.png

第一部分,一键定位 ECS 健康诊断。首先,我们先举一个例子,利用健康诊断定位 ssh 无法连接问题,当用户通过 SSH 连接 0.129 这台 ECS时发现无法通过 ssh 登录。SSh 命令报错。

 

于是第二步,用户通过 ECS 控制台的实例问题排查页面对 ECS 实例发起了远程无法连接问题的健康诊断。

 

第三步,用户通过健康诊断得到了健康诊断报告,在健康诊断报告中,它可以明确的看到健康诊断对实例的 SSH 服务状态进行了诊断,该诊断结果表明,想登录的 ECS ssh 服务没有启动,并且在详细说明中有诊断修复方案的超链接。

 

第四步,用户通过该超链接获取了如何解决该问题的解决方案。通过该方案,用户可以主动的人工去修复该问题,从而解决问题。在这个 case 中,我们演示了一个用户从发现问题到发起,诊断,获取诊断报告。最后通过诊断报告中的解决方案,人工修复了该问题的完整过程。

 

使用健康诊断,快速定位 ECS 具体问题实例。

 

image.png

 

健康诊断功能可以对实例的系统状态,网络状态,磁盘状态等进行全方位的诊断,可以帮助用户了解实例的运行状态,及时发现并解决常见问题。这个图就是一个用户在进行实例健康诊断之后的诊断报告。我们可以看出,该实例通过诊断并没有发现任何问题。而且通过该图,可以看见该诊断对实例的多个方面进行了全方位的诊断结果。

 

实例健康诊断能够诊断很多常见的实例健康问题。

image.png

 

这些问题包括实例性能问题,诊断 ECS 实例, CPU 负载高,内存负载高,带宽负载高,磁盘 bps iops 高或者实例性能受损等。实例无法连接或启动异常,诊断 VNC 无法远程连接、SSH 无法连接、实例处于运行状态,实例操作系统无法启动等问题。网络问题诊断,诊断ECS 实例的网络性能受损,或者 ping 不通等问题。实例操作未生效,诊断 ECS 实例的变更操作未生效问题,例如云盘扩容实际未生效。资源配额不足的问题,能够诊断ECS 实例的各种配额是否达到了上限。有哪些达到了上限。

 

费用类问题,诊断 ECS 实例购买、退款、续费、升降配、转换计费方式等问题。安全风险检测,诊断 ECS 实例是否存在安全风险。例如系统漏洞,安全告警,恶意进程等。实例费用及安全行为审计,对 ECS 实例状态,实例费用,安全组等相关的操作进行审计追溯。用户可以拿到该实例的历史行为记录,从而对该实例的历史操作进行审计和问题追查。

 

介绍一下诊断报告的详细组成部分。

 

image.png

 

诊断报告由三个部分组成。

 

第一个是诊断指标。诊断指标是健康诊断的核心功能,一个诊断指标指明了该实例的一个具体的检查点,比如说 CPU 利用率,诊断结果条目,对诊断指标进行检查,返回的是诊断结果条目,一个诊断指标对应着多个诊断结果条目,诊断结构条目按照严重等级分为 InfoWarnCriticalCritical 类型的诊断结果条目是已经影响到实例的正常运行,强烈建议用户进行修复。

 

强调一个特殊点,因为一个诊断指标对应的实际故障问题多种多样,有一些可能我们还没有覆盖的实际问题,所以当诊断结果条目没有异常时并不意味着该诊断指标在实际中不存在问题。诊断指标集合,一组诊断指标的集合,可以一次性对诊断指标里的所有指标进行诊断。

 

也就是说,诊断指标集合是发起健康诊断的起点,用户可以自定义诊断指标集合,比如说只关心网络的用户,可以把网络相关的诊断指标自定义为一个诊断集合,在发起健康诊断时只对该网络相关的诊断指标集合进行诊断,只诊断这些指定的诊断指标。又比如说一些用户可能只关心费用类问题,他可以把费用类的诊断指标组成一个诊断指标集合。每次诊断只发起该诊断指标集合的诊断,从而只得到关于费用的诊断结果,右图是各个诊断按指标概念所对应的内容。

 

诊断指标分类,在诊断报告里,为了方便用户查看和排查问题,我们先预定义的将诊断指标进行了分类。

 

image.png

 

这些分类只显示在诊断报告中与诊断指标集合无关。现在我们支持 8 大类诊断指标,集合,包括计算服务健康诊断,网络服务健康诊断,存储服务健康诊断,实例配置管理诊断,安全控制诊断,费用类诊断以及 Linux windows 的实例操作系统内的相关本配置诊断,以及用户的行为回复。

 

重点介绍一下 Linux windows 的实例操作系统内相关诊断。我们不仅能够诊断云操作系统的底座问题,我们还能帮助用户进行用户 guest os 内相关配置和行为的检查。当用户授权以后,我们可以帮用户进行windows Linux 操作系统内各种配置状态和服务的检查,从而帮助用户定位内部的问题。

 

健康诊断入口。

 

image.png

 

第一个入口是在 e cs 控制台自主问题排查页面。用户可以在自主排查中通过预定义好的问题,选择合适的场景,发起健康诊断,从而获取诊断报告。第二个入口是 ECS 控制台工单在线服务,在线,入口在用户发起在线诊断后,机器人和可以根据用户的问题也建议用户是否走健康诊断。

 

用户点击健康诊断,入口就可以发起健康诊断,从而获取详细的 e cs 诊断结果。第三个入口是 ECS 控制台提交工单入口。在提交工单中,用户选择了云服务器,ECS 产品就会给用户提供很多的 ECS 排查工具。而这些排查工具底层使用的就是实例健康诊断工具。它这里只是帮用户根据场景做了预定义的诊断集。每一个具体的工具问题对应了不同的诊断集。以上我们介绍了两种自助排查的工具。

 

介绍一下 ECS 故障自主排查的最佳流程。

 

image.png

 

当业务用户的业务报警,用户怀疑 ECS 出了问题时可以首先检查健康状态。如果健康状态当前是 impaired 的状态。那么说明 ECS 的实例有问题,那么它可以进一步发起健康诊断定位 ECS 的具体问题。通过诊断报告中的异常诊断结果条目,它可以看到 ECS 的问题是什么,并通过健康诊断结果条目中的修复建议进行 ECS 的恢复。

 

另外一个场景是当用户想知道历史的业务故障时,它可以对 ECS 发起历史的健康诊断,健康诊断本身支持 30 天内的 ECS 历史故障排查。通过历史健康诊断,用户可以检查在某个指定的时间段内 ECS 事例是否发生过故障。

8. 总结

通过以上我们介绍了当用户遇到各种各样的故障,例如实例无法连接实例性能问题,实例操作问题,实例配额不足时,可以通过一眼排障健康状态来一眼确定 ECS 当前是否受损,当确定 ECS 是否受损过后,它可以通过一键定位健康诊断来直接对实例发起健康诊断。按根据指定的诊断及指标集合,进行 ECS 诊断,来明确 ECS 是否有相关的问题,诊断报告确定了该问题时,可以根据诊断报告中的修复文档进行人工修复,从而恢复 ECS

 

image.png

 

最后,欢迎各位用户和对该问题感兴趣的同学通过官网 ECS 实例健康状态,ECS 实例健康诊断进行进一步的了解。最后,谢谢大家观看收听云上运维系列公开课。

 

image.png

 

目录
打赏
0
0
1
0
1012
分享
相关文章
云上DevOps自动化的最佳实践
本文介绍了云上DevOps自动化最佳实践,重点探讨了企业在上云过程中面临的成本管理、运维效率和弹性等问题。通过阿里云的产品和服务,企业可以实现自动化的资源管理、成本优化和高效运维。文章详细阐述了如何利用标签进行成本分析、选择合适的付费类型和实例规格、以及通过弹性伸缩降低成本。此外,还介绍了新功能发布,如统一的实例运维通道界面、AI辅助的运维工具等,帮助企业提升云上业务的管理和运营效率。
LangGraph:构建多代理动态工作流的开源框架,支持人工干预、循环、持久性等复杂工作流自动化
LangGraph 是一个基于图结构的开源框架,专为构建状态化、多代理系统设计,支持循环、持久性和人工干预,适用于复杂的工作流自动化。
128 12
LangGraph:构建多代理动态工作流的开源框架,支持人工干预、循环、持久性等复杂工作流自动化
云资源运维难?阿里云免费工具来帮忙
阿里云推出免费运维工具——云服务诊断,帮助用户提升对云资源的运维效率、降低门槛、减轻负担。其核心功能包括「健康状态」和「诊断」。通过「健康状态」可实时查看云资源是否正常;「诊断」功能则能快速排查网络、配置、安全等问题,并提供修复建议,助您迅速恢复业务。体验评测活动火热进行中,参与即有机会赢取索尼头戴耳机、小米背包等好礼。活动链接:https://developer.aliyun.com/topic/cloud-health。
621 24
构建深度可观测、可集成的网络智能运维平台
本文介绍了构建深度可观测、可集成的网络智能运维平台(简称NIS),旨在解决云上网络运维面临的复杂挑战。内容涵盖云网络运维的三大难题、打造云原生AIOps工具集的解决思路、可观测性对业务稳定的重要性,以及产品发布的亮点,包括流量分析NPM、网络架构巡检和自动化运维OpenAPI,助力客户实现自助运维与优化。
基于AI的网络流量分析:构建智能化运维体系
基于AI的网络流量分析:构建智能化运维体系
236 13
Agent-E:基于 AutoGen 代理框架构建的 AI 浏览器自动化系统
Agent-E 是一个基于 AutoGen 代理框架构建的智能自动化系统,专注于浏览器内的自动化操作。它能够执行多种复杂任务,如填写表单、搜索和排序电商产品、定位网页内容等,从而提高在线效率,减少重复劳动。本文将详细介绍 Agent-E 的功能、技术原理以及如何运行该系统。
187 5
Agent-E:基于 AutoGen 代理框架构建的 AI 浏览器自动化系统
Prometheus+Grafana+NodeExporter:构建出色的Linux监控解决方案,让你的运维更轻松
本文介绍如何使用 Prometheus + Grafana + Node Exporter 搭建 Linux 主机监控系统。Prometheus 负责收集和存储指标数据,Grafana 用于可视化展示,Node Exporter 则采集主机的性能数据。通过 Docker 容器化部署,简化安装配置过程。完成安装后,配置 Prometheus 抓取节点数据,并在 Grafana 中添加数据源及导入仪表盘模板,实现对 Linux 主机的全面监控。整个过程简单易行,帮助运维人员轻松掌握系统状态。
307 3
构建全天候自动化智能导购助手:从部署者的视角审视Multi-Agent架构解决方案
在构建基于多代理系统(Multi-Agent System, MAS)的智能导购助手过程中,作为部署者,我体验到了从初步接触到深入理解再到实际应用的一系列步骤。整个部署过程得到了充分的引导和支持,文档详尽全面,使得部署顺利完成,未遇到明显的报错或异常情况。尽管初次尝试时对某些复杂配置环节需反复确认,但整体流程顺畅。

热门文章

最新文章

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等