事件监控支持的事件说明

ECS

因系统故障触发重启

startAutoRecovery

重要

弹性云服务器所在的主机出现故障时，系统会自动将弹性云服务器迁移至正常的物理机，迁移过程中系统会自动重启云服务器。

等待恢复成功，观察业务是否受到影响。

业务存在中断的可能。

因系统故障重启已完成

endAutoRecovery

重要

当自动迁移完成后，弹性云服务器已恢复正常。

当收到“恢复成功”时，云服务器已正常工作，可继续使用。

业务恢复正常。

恢复超时（后台处理中）

faultAutoRecovery

重要

迁移弹性云服务器至正常的物理机操作超时。

迁移业务至其他云服务器。

业务中断。

GPU链路故障

GPULinkFault

紧急

弹性云服务器所在的主机上GPU卡故障。包括：

• GPU卡故障。
• GPU卡故障恢复中。

业务应用做成高可用。

GPU卡故障恢复后，确认业务是否自动恢复。

业务中断。

删除虚拟机

deleteServer

重要

删除云服务器。包括：

• 在管理控制台进行删除操作。
• 通过API接口下发删除指令。

确认删除操作是否为主动执行。

业务中断。

重启虚拟机

rebootServer

次要

云服务器重启。包括：

• 在管理控制台进行重启操作。
• 通过API接口下发重启指令。

确认操作是否为主动执行。

• 业务应用做成高可用。
• 云服务器开机后，确认业务是否自动恢复。

业务中断。

关闭虚拟机

stopServer

次要

云服务器关机。包括：

• 在管理控制台进行关机操作。
• 通过API接口下发关机指令。

• 确认操作是否为主动执行。
• 业务应用做成高可用。
• 云服务器开机后，确认业务是否自动恢复。

业务中断。

删除网卡

deleteNic

重要

云服务器删除网卡。包括：

• 在管理控制台删除网卡。
• 通过API接口下发删除网卡指令。

• 确认操作是否为主动执行。
• 业务应用做成高可用。
• 删除网卡后，确认业务是否自动恢复。

网卡被删除，存在业务中断的可能。

变更规格

resizeServer

次要

云服务器规格变更。包括：

• 在管理控制台进行变更规格。
• 通过API接口下发变更规格指令。

• 确认操作是否为主动执行。
• 业务应用做成高可用。
• 变更规格后，确认业务是否自动恢复。

业务中断。

GuestOS系统层重启告警

RestartGuestOS

一般

GuestOS内部重启。

联系运维人员处理。

在系统重启场景下，可能导致业务中断。

系统故障导致虚拟机故障

VMFaultsByHostProcessExceptions

紧急

弹性云服务器所在的主机出现故障导致云服务器故障，系统会自动拉起弹性云服务器。

请检查云服务器和业务应用是否恢复正常。

云服务器故障。

开机失败

faultPowerOn

重要

云服务器开机失败。

重试开机，若仍开机失败，联系运维人员处理。

云服务器无法开机。

宿主机存在宕机风险

hostMayCrash

重要

弹性云服务器所在的宿主机存在宕机风险，且由于一些原因，无法通过热迁移手段规避该风险。

将该弹性云服务器上业务移除，并将该弹性云服务器删除或关机，等待运维人员处理完风险后再开机。

可能因为宿主机宕机而导致业务中断。

实例计划迁移已完成

instance_migrate_completed

重要

由于底层硬件、系统运维等影响，实例在计划时间迁移，任务已完成。

等待运行状态恢复正常，确认业务是否自动恢复。

业务存在中断的可能

实例计划迁移执行中

instance_migrate_executing

重要

由于底层硬件、系统运维等影响，实例在计划时间迁移，任务执行中。

等待自动恢复事件结束，观察业务是否受到影响。

业务存在中断的可能

实例计划迁移已取消

instance_migrate_canceled

重要

由于底层硬件、系统运维等影响，实例在计划时间迁移，任务已取消。

无

无

实例计划迁移失败

instance_migrate_failed

重要

由于底层硬件、系统运维等影响，实例在计划时间迁移，任务失败。

联系运维人员处理

业务中断

实例计划迁移等待执行

instance_migrate_scheduled

重要

由于底层硬件、系统运维等影响，实例在计划时间迁移，任务等待执行。

确认执行窗口对业务的影响

无

实例计划规格变更失败

instance_resize_failed

重要

实例在计划时间规格变更，任务失败。

联系运维人员处理

业务中断

实例计划规格变更已完成

instance_resize_completed

重要

实例在计划时间规格变更，任务已完成。

无

无

实例计划规格变更执行中

instance_resize_executing

重要

实例在计划时间规格变更，任务执行中。

等待自动恢复事件结束，观察虚拟机是否正常变更成功。

业务中断

实例计划规格变更已取消

instance_resize_canceled

重要

实例在计划时间规格变更，任务已取消。

无

无

实例计划规格变更等待执行

instance_resize_scheduled

重要

实例在计划时间规格变更，任务等待执行。

确认执行窗口对业务的影响。

无

实例计划重新部署等待执行

instance_redeploy_scheduled

重要

由于底层硬件、系统运维等影响，实例在计划时间重新部署到新主机，任务等待执行。

确认执行窗口对业务的影响。

无

实例计划重启等待执行

instance_reboot_scheduled

重要

由于底层硬件、系统运维等影响，实例在计划时间重启，任务等待执行。

确认执行窗口对业务的影响。

无

实例计划停止等待执行

instance_stop_scheduled

重要

由于底层硬件、系统运维等影响，实例在计划时间停止，任务等待执行。

确认执行窗口对业务的影响。

无

开始热迁移

liveMigrationStarted

重要

弹性云服务器所在的主机可能出现故障，提前对虚拟机进行热迁移，避免宕机后导致业务中断。

等待事件结束，观察业务是否受到影响。

业务可能出现1s以内的网络中断。

热迁移完成

liveMigrationCompleted

重要

热迁移已经结束，弹性云服务器已恢复正常。

观察业务是否正常运行。

无。

热迁移失败

liveMigrationFailed

重要

弹性云服务器热迁移出现问题，未热迁移成功。

观察业务是否正常运行。

小概率存在业务中断的可能。

GPU SRAM存在Uncorrectable ECC告警

SRAMUncorrectableEccError

重要

GPU卡SRAM出现Uncorrectable ECC Error硬件故障。

如果业务受损，请提交工单。

可能GPU硬件问题导致SRAM故障，导致业务异常退出。

FPGA链路故障

FPGALinkFault

紧急

弹性云服务器所在的主机上FPGA卡故障。包括：

• FPGA卡故障。
• FPGA卡故障恢复中。

业务应用做成高可用。

FPGA卡故障恢复后，确认业务是否自动恢复。

业务中断。

实例计划重新部署问询中

instance_redeploy_inquiring

重要

由于底层硬件、系统运维等影响，实例在计划时间重新部署到新主机，任务问询中。

授权重新部署到新主机操作。

无

本地盘换盘取消

localdisk_recovery_canceled

重要

因本地盘故障，更换本地盘任务，任务已取消

无

无

本地盘换盘等待执行

localdisk_recovery_scheduled

重要

因本地盘故障，更换本地盘任务，任务等待执行

确认执行窗口对业务的影响

无

GPU存在通用Xid事件告警

commonXidError

重要

GPU卡出现Xid事件告警

如果业务受损，请提交工单。

gpu硬件、驱动、应用问题导致Xid事件，可能导致业务异常退出。

nvidia-smi命令卡住

nvidiaSmiHangEvent

重要

nvidia-smi命令超时，该命令可能卡住

如果业务受损，请提交工单。

可能是命令执行过程中，触发驱动问题，导致命令卡住，同时可能出现业务使用驱动报错问题。

NPU: 存在不可纠正ECC错误

UncorrectableEccErrorCount

重要

NPU卡出现Uncorrectable ECC Error硬件故障

如果业务受到影响，转硬件换卡

业务可能受到影响终止

实例计划重新部署已取消

instance_redeploy_canceled

重要

由于底层硬件、系统运维等影响，实例在计划时间重新部署到新主机。

无

无

实例计划重新部署执行中

instance_redeploy_executing

重要

由于底层硬件、系统运维等影响，实例在计划时间重新部署到新主机。

等待自动恢复事件结束，观察业务是否受到影响。

业务中断

实例计划重新部署已完成

instance_redeploy_completed

重要

由于底层硬件、系统运维等影响，实例在计划时间重新部署到新主机。

等待运行状态恢复正常，观察业务是否受到影响。

业务恢复正常

实例计划重新部署失败

instance_redeploy_failed

重要

由于底层硬件、系统运维等影响，实例在计划时间重新部署到新主机。

联系运维人员处理。

业务中断

本地盘换盘问询中

localdisk_recovery_inquiring

重要

本地盘故障

授权本地盘换盘操作。

本地盘不可用

本地盘换盘执行中

localdisk_recovery_executing

重要

本地盘故障

等待本地盘换盘结束，观察本地盘功能是否正常。

本地盘不可用

本地盘换盘已完成

localdisk_recovery_completed

重要

本地盘故障

等待运行状态恢复正常，确认本地盘功能是否自动恢复。

本地盘恢复正常

本地盘换盘失败

localdisk_recovery_failed

重要

本地盘故障

联系运维人员处理。

本地盘不可用

BMS

SYS.BMS

GPU SRAM存在 Uncorrectable ECC告警

SRAMUncorrectableEccError

重要

GPU卡SRAM出现Uncorrectable ECC Error硬件故障。

如果业务受损，请提交工单。

可能GPU硬件问题导致SRAM故障，导致业务异常退出

主机重启

osReboot

重要

裸金属实例重启。包括：

• 在管理控制台进行重启操作
• 通过API接口下发重启指令

• 业务应用做成高可用。
• 主机恢复后，确认业务是否自动恢复。

业务中断

异常重启

serverReboot

重要

裸金属实例异常重启。包括：

• 操作系统异常导致重启
• 主机硬件故障导致重启

• 业务应用做成高可用。
• 主机恢复后，确认业务是否自动恢复。

业务中断

主机关机

osShutdown

重要

裸金属实例关机。包括：

• 在管理控制台进行关机操作
• 通过API接口下发关机指令

• 业务应用做成高可用。
• 主机恢复后，确认业务是否自动恢复。

业务中断

异常关机

serverShutdown

重要

裸金属实例异常关机。包括：

• 主机异常下电
• 主机硬件故障导致关机

• 业务应用做成高可用。
• 主机恢复后，确认业务是否自动恢复。

业务中断

网络中断

linkDown

重要

裸金属服务器网络中断。包括：

• 主机异常关机、重启
• 交换机故障引起的网络中断
• 网关节点故障引起的中断

• 业务应用做成高可用。
• 主机恢复后，确认业务是否自动恢复。

业务中断

PCIE异常

pcieError

重要

裸金属服务器PCIe设备硬件故障。包括：

• 主板故障
• PCIe设备故障

• 业务应用做成高可用。
• 主机恢复后，确认业务是否自动恢复。

影响网络或硬盘读写业务

硬盘故障

diskError

重要

裸金属服务器磁盘故障。包括：

• 硬盘背板故障
• 硬盘本身故障

• 业务应用做成高可用。
• 主机恢复后，确认业务是否自动恢复。

影响数据读写业务或主机无法启动

云存储连接异常

storageError

重要

裸金属服务器云硬盘连接异常。包括：

• SDI卡故障
• 远端存储故障

• 业务应用做成高可用。
• 主机恢复后，确认业务是否自动恢复。

影响数据读写业务或主机无法启动

GPU存在infoROM告警

gpuInfoROMAlarm

重要

GPU可能存在硬件问题，导致驱动读取不到inforom信息。

业务可以继续使用该GPU卡，不敏感业务可以继续使用，敏感业务请提交工单处理。

对业务暂时没有影响，当GPU硬件出现ECC故障时，可能无法自动完成故障页隔离，导致业务受损。

GPU发生double bit ECC告警

doubleBitEccError

重要

GPU硬件存在double bit ECC故障。

1. 如果业务受损停止，则重启业务恢复。
2. 如果业务无法启动，建议尝试重启虚拟机恢复业务。
3. 如果业务仍然无法恢复，请提交工单。

可能会造成业务中断，故障页隔离后业务可继续正常使用GPU。

GPU隔离页过多告警

gpuTooManyRetiredPagesAlarm

重要

GPU硬件存在过多ECC隔离页。

如果业务受损，请提交工单。

GPU硬件存在过多ECC故障，可能频繁影响业务运行。

GPU Ant1 硬件发生ECC告警

gpuAnt1EccAlarm

重要

GPU卡出现ECC硬件故障。

1. 如果业务受损停止，则重启业务恢复。
2. 如果业务无法启动，建议尝试重启虚拟机恢复业务。
3. 如果业务仍然无法恢复，请提交工单。

可能会造成业务中断，故障页隔离后业务可继续正常使用GPU。

GPU ECC内存页隔离失败告警

eccPageRetirementRecordingFailure

重要

GPU硬件存在ECC故障，驱动自动隔离这些页时失败。

1. 如果业务受损停止，则重启业务恢复。
2. 如果业务无法启动，建议尝试重启虚拟机恢复业务。
3. 如果业务仍然无法恢复，请提交工单。

可能会造成业务中断，故障页隔离隔离失败，可能导致业务无法使用GPU。

GPU ECC页隔离告警

eccPageRetirementRecordingEvent

一般

存在ECC硬件错误，发生内存页自动隔离。

1. 如果业务受损停止，则重启业务恢复。
2. 如果业务无法启动，建议尝试重启虚拟机恢复业务。
3. 如果业务仍然无法恢复，请提交工单。

一般随ECC故障告警出现，单独出现不影响业务。

GPU single bit ECC过多告警

highSingleBitEccErrorRate

重要

ECC硬件存在过高ECC single bit错误。

1. 如果业务受损停止，则重启业务恢复。
2. 如果业务无法启动，建议尝试重启虚拟机恢复业务。
3. 如果业务仍然无法恢复，请提交工单。

single bit的错误能够自动恢复，一般不影响GPU相关应用程序。

GPU驱动掉卡告警

gpuDriverLinkFailureAlarm

重要

GPU链路正常，NVIDIA驱动找不到GPU硬件。

1. 建议尝试重启虚拟机恢复业务。
2. 如果业务仍然无法恢复，请提交工单。

一般驱动问题导致找不到对应位置的GPU。

GPU卡链路故障告警

gpuPcieLinkFailureAlarm

重要

GPU链路异常，通过lspci无法查看GPU硬件信息。

如果业务受损，请提交工单。

硬件问题导致GPU卡链路异常，驱动无法使用GPU。

虚拟机GPU丢卡告警

vmLostGpuAlarm

重要

虚拟机实际有的GPU卡数量比规格里应分配的GPU卡数量少。

如果业务受损，请提交工单。

虚拟机GPU卡丢失。

GPU显存页告警

gpuMemoryPageFault

重要

GPU显存页发生故障，故障可能由应用、驱动或硬件引起。

如果业务受损，请提交工单。

可能GPU硬件问题导致显存故障，导致业务异常退出

GPU图像引擎异常告警

graphicsEngineException

重要

GPU图像引擎发生故障，可能由应用、驱动或硬件引起。

如果业务受损，请提交工单。

可能GPU硬件问题导致图像引擎故障，导致业务异常退出。

GPU温度过高告警

highTemperatureEvent

重要

GPU硬件温度过高。

如果业务受损，请提交工单。

GPU温度超过温度阈值，可能会引起GPU卡性能下降

GPU NVLINK链路错误告警

nvlinkError

重要

NVLINK的链路出现硬件故障。

如果业务受损，请提交工单。

NVLINK链路故障，影响业务使用GPU nvlink能力。

系统运维问询中

system_maintenance_inquiring

重要

由于底层硬件、系统运维等影响，实例在计划时间维修，任务问询中

授权维修实例操作

无

系统运维等待执行

system_maintenance_scheduled

重要

由于底层硬件、系统运维等影响，实例在计划时间维修，任务等待执行

确认执行窗口对业务的影响

无

系统运维已取消

system_maintenance_canceled

重要

由于底层硬件、系统运维等影响，实例在计划时间维修，任务已取消

无

无

系统运维执行中

system_maintenance_executing

重要

由于底层硬件、系统运维等影响，实例在计划时间维修，任务执行中

等待维修结束，观察业务是否受到影响

业务中断

系统运维已完成

system_maintenance_completed

重要

由于底层硬件、系统运维等影响，实例在计划时间维修，任务已完成

等待运行状态恢复正常，确认业务是否恢复

业务恢复正常

系统运维失败

system_maintenance_failed

重要

由于底层硬件、系统运维等影响，实例在计划时间维修，任务失败

联系运维人员处理

业务中断

GPU存在通用Xid事件告警

commonXidError

重要

GPU卡出现Xid事件告警

如果业务受损，请提交工单。

gpu硬件、驱动、应用问题导致Xid事件，可能导致业务异常退出。

NPU: npu-smi info查询缺少设备

NPUSMICardNotFound

重要

可能是由于昇腾驱动问题或NPU掉卡

转昇腾和硬件处理

NPU卡无法正常使用

NPU: PCIe链路异常

PCIeErrorFound

重要

Lspci查询卡状态为rev ff

重启，转硬件处理

NPU卡无法正常使用

NPU: lspci查询缺少设备

LspciCardNotFound

重要

一般是由于NPU掉卡

转硬件处理

NPU卡无法正常使用

NPU: 温度超过阈值

TemperatureOverUpperLimit

重要

可能是由于DDR颗粒温度过高或过温软件预警

暂停业务，重启系统，查看散热系统，device复位

可能造成过温下电及device丢失

NPU: 存在不可纠正ECC错误

UncorrectableEccErrorCount

重要

NPU卡出现Uncorrectable ECC Error硬件故障

如果业务受到影响，转硬件换卡

业务可能受到影响终止

NPU: 需要重启实例

RebootVirtualMachine

提示

当前故障很可能需要重启进行恢复

在收集必要信息后，重启以尝试恢复

重启可能中断客户业务

NPU: 需要复位SOC

ResetSOC

提示

当前故障很可能需要复位SOC进行恢复

在收集必要信息后，复位SOC以尝试恢复

复位SOC可能中断客户业务

NPU: 需要退出AI任务重新执行

RestartAIProcess

提示

当前故障很可能需要客户退出当前的AI任务并尝试重新执行

在收集必要信息后，尝试退出当前AI任务并尝试重新执行

退出当前AI任务以便重新执行

NPU: errorcode告警

NPUErrorCodeWarning

重要

这里涵盖了大量重要及以上的NPU错误码，您可以根据这些错误码进一步定位错误原因

对照《黑匣子错误码信息列表》和《健康管理故障定义》进一步定位错误

NPU当前存在故障，可能导致客户业务终止

nvidia-smi命令卡住

nvidiaSmiHangEvent

重要

nvidia-smi命令超时，该命令可能卡住

如果业务受损，请提交工单。

可能是命令执行过程中，触发驱动问题，导致命令卡住，同时可能出现业务使用驱动报错问题。

NV Peer Memory加载到内核异常

NvPeerMemException

次要

Nvlink加载异常或nv_peer_mem加载异常

nv_peer_mem存在异常，建议尝试恢复或重新安装Nvlink

Nv peer mem无法正常使用

Nv-fabricmanager服务运行异常

NvFabricManagerException

次要

机器符合Nvlink使用条件，且安装Nvlink服务，但服务异常

Nvlink存在异常，建议尝试恢复或重新安装Nvlink

Nvlink无法正常使用

IB卡使用状态异常

InfinibandStatusException

重要

网卡状态或物理状态异常

转硬件处理

IB卡无法正常工作

EIP

SYS.EIP

EIP带宽超限事件

EIPBandwidthOverflow

重要

当前使用带宽已超过购买的带宽，可能会导致网络变慢或丢包发生。其中，该事件取值为周期内的最大值，而EIP的出入网带宽指标数据，取值为周期时间点的值。

其中：

“egressDropBandwidth”为本周期内出云丢弃带宽值（Byte），“egressAcceptBandwidth”为本周期内出云通过带宽值（Byte），“egressMaxBandwidthPerSec”为本周期内出云带宽峰值（Byte/s），“ingressAcceptBandwidth”为本周期内入云通过带宽值（Byte），“ingressMaxBandwidthPerSec”为本周期内入云带宽峰值（Byte/s），“ingressDropBandwidth”为本周期内入云丢弃带宽值（Byte）。

检查EIP带宽是否一直增加，业务是否正常，并考虑扩容。

网络变慢或丢包发生

释放EIP

deleteEip

次要

EIP资源被删除。

检查是否误操作删除资源。

无法访问公网

EIP封堵

blockEIP

紧急

带宽超过5GB就会封堵，相当于把流量直接丢弃。带宽严重超限或受到攻击，一般是受到了DDoS攻击。

更换EIP，避免业务受到影响。

同时查看事件中的封堵原因，进行相应处理。

业务受影响

EIP解封

unblockEIP

紧急

EIP封堵已被解封。

换回原EIP，将被解封EIP重新使用，避免资源浪费。

无

EIP开始DDoS清洗

ddosCleanEIP

严重

客户购买的EIP发生了DDoS清洗。

查看是否遭受攻击。

客户的业务可能受损。

EIP结束DDoS清洗

ddosEndCleanEip

严重

客户购买的EIP结束了DDoS清洗。

查看是否遭受攻击。

客户的业务可能受损。

企业级Qos带宽超限事件

EIPBandwidthRuleOverflow

重要

当前使用企业级Qos带宽已超过分配的带宽，可能会导致网络变慢或丢包发生。其中，该事件取值为周期内的最大值，而EIP的出入网带宽指标数据，取值为周期时间点的值。

其中：“egressDropBandwidth”为本周期内出云丢弃带宽值（Byte），“egressAcceptBandwidth”为本周期内出云通过带宽值（Byte），“egressMaxBandwidthPerSec”为本周期内出云带宽峰值（Byte/s），“ingressAcceptBandwidth”为本周期内入云通过带宽值（Byte），“ingressMaxBandwidthPerSec”为本周期内入云带宽峰值（Byte/s），“ingressDropBandwidth”为本周期内入云丢弃带宽值（Byte）。

检查EIP带宽是否一直增加，业务是否正常，并考虑扩容。

网络变慢或丢包发生。

DDoS高防

SYS.DDOS

DDoS攻击事件

ddosAttackEvents

严重

客户购买的高防实例线路出现了DDoS攻击。

根据攻击流量和攻击类型判断对业务的影响，如果攻击流量超过客户购买的弹性带宽需要更换线路或提升规格。

客户的业务可能受损。

域名调度事件

domainNameDispatchEvents

重要

域名对应的高防cname触发了调度，修改了解析记录到其他的高防IP上。

请关注该域名的业务情况。

一般情况下业务不受影响。

黑洞事件

blackHoleEvents

重要

客户的高防实例攻击流量超出购买的防护阈值。

黑洞解封时间默认为30分钟，具体时长与当日黑洞触发次数和攻击峰值相关，最长可达24小时。如需提前解封，需要用户升级DDoS高防服务并联系技术支持。

客户的业务可能受损。

黑洞恢复

cancelBlackHole

提示

客户的高防实例从黑洞状态恢复。

仅作提示，无需特殊处理。

客户的业务恢复。

IP调度事件

ipDispatchEvents

重要

IP路由发生变化

请关注该IP的业务情况。

一般情况下业务不受影响。

ELB

SYS.ELB

健康检查异常

healthCheckUnhealthy

重要

一般是由于后端服务器服务离线导致。事件上报一定次数后，不再上报。

检查后端服务器的服务运行状态。

ELB不会往异常的后端转发流量，如果云服务器组下只有一个后端，则业务会中断。

健康检查恢复正常

healthCheckRecovery

次要

后端服务器健康检查恢复正常。

无需处理。

负载均衡器到后端服务器流量恢复正常。

CBR

SYS.CBR

创建备份失败

backupFailed

紧急

创建备份失败

尝试手动创建备份或者联系技术支持

可能造成数据丢失

使用备份恢复资源失败

restorationFailed

紧急

使用备份恢复资源失败

尝试使用其他备份恢复或者联系技术支持

可能造成数据丢失

备份删除失败

backupDeleteFailed

紧急

备份删除失败

稍后重试删除或者联系技术支持

可能造成计费异常

存储库删除失败

vaultDeleteFailed

紧急

储存库删除失败

稍后重试或联系技术支持

可能造成计费异常

复制失败

replicationFailed

紧急

备份复制失败

稍后重试或联系技术支持

可能造成数据丢失

创建备份成功

backupSucceeded

重要

创建备份成功

无

无

使用备份恢复资源成功

restorationSucceeded

重要

使用备份恢复资源成功

观察数据是否已成功恢复。

无

备份删除成功

backupDeletionSucceeded

重要

备份删除成功

无

无

存储库删除成功

vaultDeletionSucceeded

重要

存储库删除成功

无

无

复制成功

replicationSucceeded

重要

备份复制成功

无

无

客户端离线

agentOffline

紧急

客户端离线

请确保客户端状态正常且能够正常连接华为云。

可能造成备份任务失败。

客户端上线

agentOnline

重要

客户端上线

无。

无。

RDS

SYS.RDS

创建实例业务失败

createInstanceFailed

重要

创建实例失败产生的事件，一般是磁盘个数，配额大小不足，底层资源耗尽导致。

所选资源规格不足，请选择其他可用规格重试。

创建实例失败。

实例全量备份失败

fullBackupFailed

重要

单次全量备份失败产生的事件，不影响以前成功备份的文件，但会对“恢复到指定时间点”的功能有一些影响，导致“恢复到指定时间点”时增量备份的恢复时间延长。

全量备份失败，请重新进行操作。

全量备份失败，影响备份恢复。

主备切换异常

activeStandBySwitchFailed

重要

主备切换异常是由于网络、物理机有某种故障导致备机没有接管主机的业务，短时间内会恢复到原主机继续提供服务。

主备切换失败，请在业务低峰期重新进行操作。

主备切换失败。

复制状态异常

abnormalReplicationStatus

重要

出现”复制状态异常“事件通常有两种情况：

1、主机与备机或只读实例之间复制时延太大（一般在写入大量数据或执行大事务的时候出现），在业务高峰期容易出现阻塞。

2、主机与备机或只读实例之间的网络中断，导致主机与备机或只读实例复制异常。

数据库复制状态异常，正在进行修复，修复后会第一时间通知您，谢谢。

复制状态异常。

复制状态异常已恢复

replicationStatusRecovered

重要

即复制时延已回到正常范围内，或者主备之间的网络通信恢复。

数据库复制状态已恢复正常，请确认业务是否正常运行。

复制状态异常恢复。

实例运行状态异常

faultyDBInstance

重要

由于灾难或者物理机故障导致单机或者主实例故障时会上报本事件，属于关键告警事件。

实例状态异常，正在进行修复，修复后会第一时间通知您，谢谢。

实例状态异常。

实例运行状态异常已恢复

DBInstanceRecovered

重要

RDS单机实例灾难或物理机故障恢复，主备实例自动进行主备故障切换，完成后会上报本事件。

实例状态已恢复正常，请确认业务是否正常运行。

实例状态异常恢复。

单实例转主备实例失败

singleToHaFailed

重要

创建备机时或备机创建完成后主备机之间配置同步发生故障时会产生此事件，一般是由于备节点所在数据中心资源不足导致。

单转主备实例失败，正在进行自动重试。

单实例转主备实例失败。

数据库进程重新启动

DatabaseProcessRestarted

重要

一般是内存不足、负载过高导致数据库进程停止

数据库重启完成，请确认业务是否正常运行。

主节点数据库重启，业务短暂影响。

实例磁盘满

instanceDiskFull

重要

一般是由于数据空间占用过大导致。

实例磁盘满，请进行扩容操作。

实例磁盘空间打满，影响业务继续写入。

实例磁盘满恢复

instanceDiskFullRecovered

重要

实例磁盘状态恢复正常。

磁盘可用空间恢复正常，请确认业务是否正常运行。

实例磁盘空间可用量恢复正常。

kafka连接失败

kafkaConnectionFailed

重要

一般是由于网络波动或kafka服务端出现异常等原因导致。

检查业务是否受到影响。

无。

RDS

SYS.RDS

重置数据库管理员密码

resetPassword

重要

重置数据库管理员密码。

集群扩容等操作

instanceAction

重要

磁盘扩容、规格变更。

删除集群下的实例

deleteInstance

次要

删除集群下的实例。

修改备份策略

setBackupPolicy

次要

修改备份策略。

修改参数组

updateParameterGroup

次要

修改参数组。

删除参数组

deleteParameterGroup

次要

删除参数组。

重置参数组

resetParameterGroup

次要

重置参数组。

修改数据库端口号

changeInstancePort

重要

修改数据库端口号。

实例主备切换

PrimaryStandbySwitched

重要

实例主备切换。

DDS

SYS.DDS

创建实例业务失败

DDSCreateInstanceFailed

重要

创建文档数据库实例失败产生的事件，一般是由于磁盘个数、配额不足，底层资源耗尽导致。

检查磁盘个数、配额大小是否满足需求，并考虑释放资源后重新创建实例。

无法创建数据库实例。

复制状态异常

DDSAbnormalReplicationStatus

重要

出现”复制状态异常“事件通常有两种情况：

1、主机与备机或只读实例之间复制时延太大（一般在写入大量数据或执行大事务的时候出现），在业务高峰期容易出现阻塞。

2、主机与备机或只读实例之间的网络中断，导致主机与备机或只读实例复制异常。

提交工单。

不会导致原来实例的读写中断，客户的应用是无感知的。

复制状态异常已恢复

DDSReplicationStatusRecovered

重要

复制时延已回到正常范围内，或者主备之间的网络通信恢复。

不需要处理。

无

实例运行状态异常

DDSFaultyDBInstance

重要

由于灾难或者物理机故障导致实例故障时，会上报该事件，属于关键告警事件。

提交工单。

可能导致数据库服务不可用。

实例运行状态异常已恢复

DDSDBInstanceRecovered

重要

针对灾难性的故障，NoSQL有高可用工具会自动进行恢复或者手动恢复，执行完成后会上报该事件。

不需要处理。

无

节点运行状态异常

DDSFaultyDBNode

重要

由于灾难或者物理机故障导致数据库节点故障时，会上报该事件，属于关键告警事件。

检查数据库服务是否可以正常使用，并提交工单。

可能导致数据库服务不可用。

节点运行状态异常已恢复

DDSDBNodeRecovered

重要

针对灾难性的故障，NoSQL有高可用工具会自动进行恢复或者手动恢复，执行完成后会上报该事件。

不需要处理。

无

实例主备切换

DDSPrimaryStandbySwitched

重要

在手动触发的主备倒换或节点故障自动触发的故障倒换场景下，会上报该事件。

不需要处理。

无

数据盘空间不足

DDSRiskyDataDiskUsage

重要

数据盘空间不足，产生此告警。

请参见对应服务用户指南中“扩容磁盘”的内容，进行磁盘扩容。

实例被设为只读模式，数据无法写入。

数据盘空间已扩容并恢复可写

DDSDataDiskUsageRecovered

重要

数据盘空间已扩容并恢复可写，产生此事件。

无需处理。

无影响。

用户计划删除KMS密钥

DDSplanDeleteKmsKey

重要

一般是由于用户计划删除kms的key导致。

计划删除kms的key后，及时恢复kms的key或者及时解密数据。

kms的key被删除后用户无法进行磁盘加密。

NoSQL

SYS.NoSQL

创建实例业务失败

NoSQLCreateInstanceFailed

重要

一般是由于实例配额不足或底层资源不足等原因导致。

先释放不再使用的实例再尝试重新发放，或者提交工单调整配额上限。

无法创建数据库实例。

变更规格失败

NoSQLResizeInstanceFailed

重要

一般是由于底层资源不足等原因导致。

提交工单让运维在后台协调资源再重试规格变更操作。

业务中断。

添加节点失败

NoSQLAddNodesFailed

重要

一般是由于底层资源不足等原因导致。

提交工单让运维在后台协调资源，删除添加失败的节点，重新尝试添加新节点。

无

删除节点失败

NoSQLDeleteNodesFailed

重要

一般是由于底层释放资源失败导致。

重新尝试删除节点。

无

扩卷失败

NoSQLScaleUpStorageFailed

重要

一般是由于底层资源不足等原因导致。

提交工单让运维在后台协调资源再重试扩卷操作。

如果磁盘满，会导致业务中断。

重置密码失败

NoSQLResetPasswordFailed

重要

一般是由于重置密码命令超时导致。

重新尝试重置密码操作。

无

修改参数组失败

NoSQLUpdateInstanceParamGroupFailed

重要

一般是由于修改参数组命令超时导致。

重新尝试修改参数组操作。

无

设置备份策略失败

NoSQLSetBackupPolicyFailed

重要

一般是由于数据库连接异常导致。

重新重试设置备份策略操作。

无

创建手动备份失败

NoSQLCreateManualBackupFailed

重要

一般是备份文件导出失败或上传失败等原因导致。

提交工单让运维处理。

无法备份数据。

创建自动备份失败

NoSQLCreateAutomatedBackupFailed

重要

一般是备份文件导出失败或上传失败等原因导致。

提交工单让运维处理。

无法备份数据。

实例运行状态异常

NoSQLFaultyDBInstance

重要

由于灾难或者物理机故障导致实例故障时，会上报该事件，属于关键告警事件。

提交工单。

可能导致数据库服务不可用。

实例运行状态异常已恢复

NoSQLDBInstanceRecovered

重要

针对灾难性的故障，NoSQL有高可用工具会自动进行恢复或者手动恢复，执行完成后会上报该事件。

不需要处理。

无

节点运行状态异常

NoSQLFaultyDBNode

重要

由于灾难或者物理机故障导致数据库节点故障时，会上报该事件，属于关键告警事件。

检查数据库服务是否可以正常使用，并提交工单。

可能导致数据库服务不可用。

节点运行状态异常已恢复

NoSQLDBNodeRecovered

重要

针对灾难性的故障，NoSQL有高可用工具会自动进行恢复或者手动恢复，执行完成后会上报该事件。

不需要处理。

无

实例主备切换

NoSQLPrimaryStandbySwitched

重要

在手动触发的主备倒换或节点故障自动触发的故障倒换场景下，会上报该事件。

不需要处理。

无

出现热点分区键

HotKeyOccurs

重要

客观上是因为主键设置不合理，使得热点数据集中分布在一个分区。客户端不合理的应用程序设计，造成对某一key的频繁读写。

1. 选择合理的分区键。

2. 业务增加缓存，业务应用先从缓存中读取热点数据。

影响业务请求成功率，存在影响集群性能及稳定性的风险。

出现超大分区键

BigKeyOccurs

重要

主键设计不合理，单个分区的记录数或数据量过大，引起了节点负载不均。

1. 选择合理的分区键

2. 基于现有分区键，增加分区键散列。

随着数据量增长，集群稳定性会下降。

数据盘空间不足

NoSQLRiskyDataDiskUsage

重要

数据盘空间不足，产生此告警。

请参见对应服务用户指南中“扩容磁盘”的内容，进行磁盘扩容。

实例被设为只读模式，数据无法写入。

数据盘空间已扩容并恢复可写

NoSQLDataDiskUsageRecovered

重要

数据盘空间已扩容并恢复可写，产生此事件。

无需处理。

无

创建索引失败

NoSQLCreateIndexFailed

重要

业务负载超过实例规格瓶颈，此时再创建索引会耗费更多实例资源，导致响应变慢甚至卡顿，最终超时，引起索引创建失败。

1、根据业务负载，选择匹配的实例规格

2、在业务低峰期创建索引

3、使用后台方式创建索引

4、索引字段，结合业务进行合理选择。

索引创建失败或不完整，导致索引无效，需要删掉索引重新创建。

发生写入降速

NoSQLStallingOccurs

重要

写入速度快，接近集群规模和实例规格范围允许最大写能力，从而触发数据库自身的限流机制，会发生请求失败情况

1. 根据业务的最大写请求速率，调整集群规模或者节点规格

2. 衡量业务的最大写请求速率，分散业务写峰值速率

影响业务的请求的成功率

发生写入停止

NoSQLStoppingOccurs

重要

写入速度过快，达到集群规模和实例规格范围允许最大写能力，从而触发数据库自身的限流机制，会发生请求失败情况

1. 根据业务的最大写请求速率，调整集群规模或者节点规格

2. 衡量业务的最大写请求速率，分散业务写峰值速率

影响业务的请求的成功率

重启数据库失败

NoSQLRestartDBFailed

重要

一般是由于实例状态异常等原因导致。

提交工单让运维处理。

数据库实例状态可能存在异常。

恢复到新实例失败

NoSQLRestoreToNewInstanceFailed

重要

一般是由于底层资源不足等原因导致。

提交工单让运维在后台协调资源，重新尝试添加新节点。

无法恢复到新的数据库实例。

恢复到已有实例失败

NoSQLRestoreToExistInstanceFailed

重要

一般是由于备份文件下载或恢复失败等原因导致。

提交工单让运维处理。

当前数据库实例可能处于不可用状态。

删除备份文件失败

NoSQLDeleteBackupFailed

重要

一般是由于备份文件从obs删除失败导致。

重新尝试删除备份文件。

无

切换慢日志明文开关失败

NoSQLSwitchSlowlogPlainTextFailed

重要

一般是由于引擎不支持切换等原因导致。

请查阅NoSQL用户指南，确认引擎支持打开慢日志明文开关。提交工单让运维处理。

无

绑定EIP失败

NoSQLBindEipFailed

重要

一般是由于节点状态不正常，节点已经绑定EIP或EIP非法等原因导致。

检查节点是否正常，EIP是否合法。

无法通过公网访问数据库实例。

解绑EIP失败

NoSQLUnbindEipFailed

重要

一般是由于节点状态不正常，节点已经未绑定EIP等原因导致。

检查节点和EIP状态是否正常。

无

修改参数失败

NoSQLModifyParameterFailed

重要

一般是由于参数取值非法等原因导致。

排查参数值是否符合在合法范围内，提交工单让运维处理。

无

参数组应用失败

NoSQLApplyParameterGroupFailed

重要

一般是由于实例状态异常导致参数组无法应用等原因导致。

提交工单让运维处理。

无

开启或关闭SSL失败

NoSQLSwitchSSLFailed

重要

一般是由于修改SSL命令超时导致。

重新提交一次或者提交工单处理，并先保持切换之前使用SSL的连接方式。

是否使用SSL连接。

单行数据量太大

LargeRowOccurs

重要

用户单行数据量过大，可能会导致查询超时，进而节点OOM异常退出等各种故障发生。

1. 对每列和每行的写入长度做限制，遵从规范，使得单行的的key和value长度和不超过阈值。

2. 排查业务是否出现异常写入和异常编码，导致写入大row。

过大的单行记录，随着数据量增长，集群稳定性会下降。

用户计划删除KMS密钥

NoSQLplanDeleteKmsKey

重要

一般是由于用户计划删除kms的key导致。

计划删除kms的key后，及时恢复kms的key或者及时解密数据。

kms的key被删除后用户无法进行磁盘加密。

查询墓碑数过多

TooManyQueryTombstones

重要

查询墓碑数过多，可能会导致查询超时，影响查询性能。

使用合理的查询删除方式，避免大批次的范围查询

可能会导致查询超时，影响查询性能。

超大集合列

TooLargeCollectionColumn

重要

当集合列元素个数太多时，会出现集合列查询失败。

1. 对集合列的元素个数做限制，遵从规范不超过阈值。
2. 排查业务是否出现异常写入和异常编码，导致写入大集合列。

会出现集合列查询失败。

GaussDB(for MySQL)

SYS.GAUSSDB

实例增量备份业务失败

TaurusIncrementalBackupInstanceFailed

重要

实例增量备份失败产生的事件，一般是管理节点到实例网络或者实例到OBS存储的网络异常，或者实例备份环境异常。

提交工单。

无法完成实例备份业务操作。

添加只读节点失败

addReadonlyNodesFailed

重要

创建实例只读节点失败产生的事件，一般是底层资源耗尽导致。

检查并释放资源后重新创建。

无法创建数据库实例只读节点。

创建实例业务失败

createInstanceFailed

重要

创建实例失败产生的事件，一般是配额大小不足，底层资源耗尽导致。

检查配额大小，释放资源后重新创建。

无法创建数据库实例。

主备切换异常

activeStandBySwitchFailed

重要

主备切换异常主要是由于网络、物理机有某种故障导致只读节点没有接管主节点的业务，短时间内会恢复到原主节点继续提供服务。

提交工单。

无法完成主备切换（只读升主）。

规格变更业务失败

flavorAlterationFailed

重要

规格变更失败产生的事件，一般是配额大小不足，底层资源耗尽导致。

提交工单。

无法完成规格变更。

实例运行状态异常

TaurusInstanceRunningStatusAbnormal

重要

实例运行状态异常产生的事件，可能原因是实例进程故障，或者实例到DFV存储间通信问题。

提交工单。

实例异常，业务可能受损。

实例运行状态异常已恢复

TaurusInstanceRunningStatusRecovered

重要

实例运行状态异常后恢复产生的事件。

观察业务运行情况。

无。

节点运行状态异常

TaurusNodeRunningStatusAbnormal

重要

运行节点状态异常产生的事件，可能原因是节点进程故障，或者节点到DFV存储间通信问题。

观察实例状态和业务运行情况。

节点异常，可能触发只读升主。

节点运行状态异常已恢复

TaurusNodeRunningStatusRecovered

重要

节点运行状态异常后恢复产生的事件。

观察业务情况。

无。

删除只读节点失败

TaurusDeleteReadOnlyNodeFailed

重要

删除只读节点失败产生的事件，可能原因是管理面到实例节点通信异常或者请求IaaS删除虚机失败。

提交工单。

无法完成删除只读节点操作。

实例重置密码失败

TaurusResetInstancePasswordFailed

重要

实例重置密码失败产生的事件，可能原因是管理面到实例通信异常或者实例状态异常件。

检查确认实例状态后重试，未解决则提交工单。

无法完成实例重置密码操作。

实例重启失败

TaurusRestartInstanceFailed

重要

实例重启失败产生的事件，可能原因是管理面到实例通信异常或者实例状态异常件。

检查确认实例状态后重试，未解决则提交工单。

无法完成实例重启操作。

恢复到新实例失败

TaurusRestoreToNewInstanceFailed

重要

恢复到新实例失败产生的事件，一般是新创建实例配额大小不足，底层资源耗尽导致或者数据恢复逻辑出错。

如果是新创建实例失败，检查配额大小，释放资源后重新恢复到新实例，其他情况提交工单。

无法完成恢复到新实例。

实例绑定EIP失败

TaurusBindEIPToInstanceFailed

重要

实例绑定EIP失败产生的事件，绑定任务执行错误。

提交工单。

无法完成绑定EIP操作。

实例解绑EIP失败

TaurusUnbindEIPFromInstanceFailed

重要

实例解绑EIP失败产生的事件，绑定任务执行错误。

提交工单。

无法完成解绑EIP操作。

实例修改参数失败

TaurusUpdateInstanceParameterFailed

重要

实例修改参数失败产生的事件，一般是管理节点到实例网络异常，或者实例状态异常。

检查确认实例状态后重试，未解决则提交工单。

无法完成实例修改参数操作。

实例参数组应用失败

TaurusApplyParameterGroupToInstanceFailed

重要

实例参数组应用失败产生的事件，一般是管理节点到实例网络异常，或者实例状态异常。

检查确认实例状态后重试，未解决则提交工单。

无法完成实例参数组应用操作。

实例全量备份业务失败

TaurusBackupInstanceFailed

重要

实例全量备份失败产生的事件，一般是管理节点到实例网络或者实例到OBS存储的网络异常，或者实例备份环境异常。

提交工单。

无法完成实例备份业务操作。

实例发生主备倒换

TaurusActiveStandbySwitched

重要

实例发生主备倒换，主要是由于主节点的网络，物理机以及数据库运行出现故障时，GaussDB HA系统会按照倒换优先级将1个只读节点升为主机，以持续提供服务。

1. 收到事件后，查看业务运行是否正常。
2. 看是否继续收到“实例只读升主业务失败”告警。

倒换时业务连接会短时间中断，升主完成后可重新连接数据库。

数据库设置为只读模式

NodeReadonlyMode

重要

数据库设置为只读状态，只支持查询类操作。

提交工单。

数据库设置只读状态后，所有写业务返回失败。

数据库设置为读写模式

NodeReadWriteMode

重要

数据库设置为读写状态

提交工单。

无

实例容灾切换

DisasterSwitchOver

重要

实例故障不可用，通过主备切换保证数据库继续对外提供服务。

联系技术支持团队处理。

访问数据库的业务出现闪断，高可用服务通过切换机制保证新机器升主继续对外提供服务。

数据库进程重新启动

TaurusDatabaseProcessRestarted

重要

一般是内存不足、负载过高导致数据库进程停止。

通过云监控的数据，查看是否有内存飙升、CPU长期过高等的情况，可以选择提升CPU内存规格或者优化业务逻辑。

数据库进程挂掉的时候，该节点业务中断。高可用服务会自动拉起进程，尝试恢复业务。

GaussDB

SYS.GAUSSDBV5

进程状态告警

ProcessStatusAlarm

重要

GaussDB关键进程退出，包括：CMS/CMA、ETCD、GTM、CN、DN。

等待进程自动恢复或者自动主备切换，观察业务是否恢复。如果业务未恢复，联系SRE。

主机进程故障，在主机上进行的业务将中断回滚。备机进程故障不影响业务。

组件状态告警

ComponentStatusAlarm

重要

GaussDB关键组件无响应，包括：CMA、ETCD、GTM、CN、DN。

等待进程自动恢复或者自动主备切换，观察业务是否恢复。如果业务未恢复，联系SRE。

主机进程无响应，在主机上进行的业务将无响应。备机进程故障不影响业务。

集群状态告警

ClusterStatusAlarm

重要

集群状态异常，包括：

集群只读、ETCD多数派故障、集群分布不均衡。

联系SRE。

集群只读： 业务只读。

ETCD多数派故障：集群不可用。

集群分布不均衡：集群性能/可靠性降低。

硬件资源告警

HardwareResourceAlarm

重要

集群中出现严重的硬件故障，包括：磁盘损坏、GTM网络通信故障。

联系SRE。

业务部分/全部受损。

状态转换告警

StateTransitionAlarm

重要

集群出现如下重要事件：DN build/build失败、DN强切、DN主备切换/failover、GTM主备切换/failover。

等待自动恢复，观察业务是否恢复。如果业务未恢复，联系SRE。

部分业务受损。

其他异常告警

OtherAbnormalAlarm

重要

磁盘使用阈值告警等。

关注业务变化，及时计划扩容。

超过使用阈值，将无法扩容。

实例运行状态异常

TaurusInstanceRunningStatusAbnormal

重要

由于灾难或者物理机故障导致实例故障时，会上报该事件，属于关键告警事件。

提交工单。

可能导致数据库服务不可用。

实例运行状态异常已恢复

TaurusInstanceRunningStatusRecovered

重要

针对灾难性的故障，GaussDB有高可用工具会自动进行恢复或者手动恢复，执行完成后会上报该事件。

不需要处理。

无

节点运行状态异常

TaurusNodeRunningStatusAbnormal

重要

由于灾难或者物理机故障导致数据库节点故障时，会上报该事件，属于关键告警事件。

检查数据库服务是否可以正常使用，并提交工单。

可能导致数据库服务不可用。

节点运行状态异常已恢复

TaurusNodeRunningStatusRecovered

重要

针对灾难性的故障，GaussDB有高可用工具会自动进行恢复或者手动恢复，执行完成后会上报该事件。

不需要处理。

无

创建实例业务失败

GaussDBV5CreateInstanceFailed

重要

创建实例失败产生的事件，一般是配额大小不足，底层资源耗尽导致。

先释放不再使用的实例再尝试重新发放，或者提交工单调整配额上限。

无法创建数据库实例。

添加节点失败

GaussDBV5ExpandClusterFailed

重要

一般是由于底层资源不足等原因导致。

提交工单让运维在后台协调资源，删除添加失败的节点，重新尝试添加新节点。

无

存储扩容失败

GaussDBV5EnlargeVolumeFailed

重要

一般是由于底层资源不足等原因导致。

提交工单让运维在后台协调资源再重试扩容操作。

如果磁盘满，会导致业务中断。

重启失败

GaussDBV5RestartInstanceFailed

重要

一般是由于网络问题等原因导致

重试重启操作或提交工单让运维处理。

可能导致数据库服务不可用。

全量备份失败

GaussDBV5FullBackupFailed

重要

一般是备份文件导出失败或上传失败等原因导致。

提交工单让运维处理。

无法备份数据。

差量备份失败

GaussDBV5DifferentialBackupFailed

重要

一般是备份文件导出失败或上传失败等原因导致。

提交工单让运维处理。

无法备份数据。

删除备份失败

GaussDBV5DeleteBackupFailed

重要

无需实现。

-

-

绑定EIP失败

GaussDBV5BindEIPFailed

重要

弹性公网IP已被占用或IP资源等原因导致。

提交工单让运维处理。

导致实例无法使用公网链接或访问

解绑EIP失败

GaussDBV5UnbindEIPFailed

重要

网络故障或公网EIP服务故障等原因导致。

重新解绑Ip或提交工单让运维处理。

可能导致IP资源残留

参数组应用失败

GaussDBV5ApplyParamFailed

重要

一般是由于修改参数组命令超时导致。

重新尝试修改参数组操作。

无

参数修改失败

GaussDBV5UpdateInstanceParamGroupFailed

重要

一般是由于修改参数组命令超时导致。

重新尝试修改参数组操作。

无

备份恢复失败

GaussDBV5RestoreFromBcakupFailed

重要

一般是由底层资源不足或备份文件下载失败等原因导致

提交工单。

可能导致在恢复失败期间数据库服务不可用

升级热补丁失败

GaussDBV5UpgradeHotfixFailed

重要

一般是内核升级时报错导致。

查看工作流报错信息，重做跳过等。

无

DDM

SYS.DDM

创建实例失败

createDdmInstanceFailed

重要

一般是由于底层资源不足等原因导致。

释放资源后重新创建。

无法创建DDM实例。

变更规格失败

resizeFlavorFailed

重要

一般是由于底层资源不足等原因导致。

请工单联系运维在后台协调资源再重试规格变更操作。

部分节点业务中断

节点扩容失败

enlargeNodeFailed

重要

一般是由于底层资源不足等原因导致。

请工单联系运维后台协调资源，删除添加失败的节点，重新尝试添加节点

节点扩容失败

节点缩容失败

reduceNodeFailed

重要

一般是由于底层释放资源失败等原因导致。

请工单联系运维后台处理资源。

节点缩容失败

重启实例失败

restartInstanceFailed

重要

一般是由于底层关联数据库实例异常等原因导致。

建议先排查底层数据库实例是否异常，如果无异常请工单联系运维进行排查。

部分节点业务中断

创建逻辑库失败

createLogicDbFailed

重要

一般是由于以下几种原因导致的：

1、数据库实例账号密码错误；2、DDM实例与底层数据库实例安全组设置错误，导致无法通信。

请排查：

1、数据库实例账号密码是否错误；2、DDM实例与底层数据库实例安全组是否设置正确等问题。

业务无法正常运行

绑定弹性公网IP失败

bindEipFailed

重要

一般是由于EIP服务繁忙。

稍后重试，紧急情况下请联系运维排查问题。

无法通过公网访问服务

逻辑库扩容失败

migrateLogicDbFailed

重要

一般是由于底层处理失败。

请工单联系运维处理。

无法实现逻辑库扩容

逻辑库扩容重试失败

retryMigrateLogicDbFailed

重要

一般是由于底层处理失败。

请工单联系运维处理。

无法实现逻辑库扩容

CPH

SYS.CPH

主机关机

cphServerOsShutdown

重要

云手机服务器关机。包括：

• 在管理控制台进行关机操作
• 通过API接口下发关机指令

业务应用做成高可用。

云手机服务器恢复后，确认业务是否自动恢复。

业务中断。

异常关机

cphServerShutdown

重要

云手机服务器异常关机。包括：

• 云手机服务器异常下电
• 云手机服务器硬件故障导致关机

业务应用做成高可用。

云手机服务器恢复后，确认业务是否自动恢复。

业务中断。

主机重启

cphServerOsReboot

重要

云手机服务器重启。包括：

• 在管理控制台进行重启操作
• 通过API接口下发重启指令

业务应用做成高可用。

云手机服务器恢复后，确认业务是否自动恢复。

业务中断

异常重启

cphServerReboot

重要

云手机服务器异常重启。包括：

• 操作系统异常导致重启
• 云手机服务器硬件故障导致重启

业务应用做成高可用。

云手机服务器恢复后，确认业务是否自动恢复。

业务中断。

网络中断

cphServerlinkDown

重要

云手机服务器网络中断。包括：

• 云手机服务器异常关机、重启
• 交换机故障引起的网络中断
• 网关节点故障引起的中断

业务应用做成高可用。

云手机服务器恢复后，确认业务是否自动恢复。

业务中断。

PCIE异常

cphServerPcieError

重要

云手机服务器PCIe设备硬件故障。包括：

• 主板故障
• PCIe设备故障

业务应用做成高可用。

云手机服务器恢复后，确认业务是否自动恢复。

影响网络或硬盘读写业务

硬盘故障

cphServerDiskError

重要

云手机服务器磁盘故障。包括：

• 硬盘背板故障
• 硬盘本身故障

业务应用做成高可用。

云手机服务器恢复后，确认业务是否自动恢复。

影响数据读写业务或主机无法启动

云存储连接异常

cphServerStorageError

重要

云手机服务器云硬盘连接异常。包括：

• SDI卡故障
• 远端存储故障

业务应用做成高可用。

主机恢复后，确认业务是否自动恢复。

影响数据读写业务或主机无法启动

显卡掉线

cphServerGpuOffline

重要

云手机服务器GPU显卡松动掉线

云手机服务器进行一次关机、开机操作

显卡掉线涉及的云手机出现运行故障，重启重置手机无法恢复

显卡TimeOut

cphServerGpuTimeOut

重要

云手机服务器GPU显卡TimeOut

重启云手机服务器

显卡Timeout涉及的云手机出现运行故障，重启重置手机无法恢复

磁盘空间满

cphServerDiskFull

重要

云手机服务器磁盘空间满

客户需要清理云手机里的业务数据，释放空间

云手机亚健康，容易出现故障无法启动

磁盘变只读

cphServerDiskReadOnly

重要

云手机服务器磁盘变成只读

重启云手机服务器

云手机亚健康，容易出现故障无法启动

云手机元数据损坏

cphPhoneMetaDataDamage

重要

云手机的容器元数据损坏

联系运维处理

云手机重启重置无法恢复

GPU故障

gpuAbnormal

致命

GPU发生故障

提交工单转运维处理

业务中断

GPU恢复正常

gpuNormal

提示

GPU从故障中恢复正常

无需处理

无

内核崩溃

kernelCrash

致命

内核崩溃crash

提交工单转运维处理

crash期间业务中断

内核OOM

kernelOom

重要

内核日志提示out of memory

提交工单转运维处理

业务中断

硬件故障

hardwareError

致命

内核日志报Hardware Error

提交工单转运维处理

业务中断

PCIE故障

pcieAer

致命

内核日志报PCIE Bus Error

提交工单转运维处理

业务中断

SCSI故障

scsiError

致命

内核日志报SCSI error

提交工单转运维处理

业务中断

镜像存储只读故障

partReadOnly

致命

镜像存储分区挂载属性变为readonly

提交工单转运维处理

业务中断

镜像存储超级块损坏故障

badSuperBlock

致命

镜像存储分区相关文件系统超级块损坏

提交工单转运维处理

业务中断

镜像存储sharedpath只读故障

isuladMasterReadOnly

致命

镜像存储的/.sharedpath/master挂载属性只读

提交工单转运维处理

业务中断

云手机数据盘只读故障

cphDiskReadOnly

致命

云手机数据盘挂载属性变为readonly

提交工单转运维处理

业务中断

云手机数据盘超级块损坏故障

cphDiskBadSuperBlock

致命

云手机数据盘相关文件系统超级块损坏

提交工单转运维处理

业务中断

L2CG

SYS.ESW

IP地址冲突

IPConflict

重要

一般是由于线上（本端子网）与线下（远端网段）存在相关IP地址的主机导致。

通过查看ARP、交换机信息等措施，排查出具体IP冲突的主机，根据业务场景调整IP避免冲突。

可能导致冲突IP相关网络通信异常。

弹性公网IP和带宽

SYS.VPC

删除VPC

deleteVpc

重要

修改VPC

modifyVpc

次要

删除Subnet

deleteSubnet

次要

修改Subnet

modifySubnet

次要

修改带宽

modifyBandwidth

次要

删除VPN

deleteVpn

重要

修改VPN

modifyVpn

次要

EVS

SYS.EVS

更新磁盘

updateVolume

次要

更新一个云硬盘的名称和描述。

无需处理。

无。

扩容磁盘

extendVolume

次要

对云硬盘进行扩容。

无需处理。

无。

删除磁盘

deleteVolume

重要

删除一个云硬盘。

无需处理。

删除的磁盘将不能被恢复。

磁盘性能达到QoS上限

reachQoS

重要

磁盘性能频繁达到该规格的QoS上限，从而触发流控，导致IO访问时延变大。

磁盘性能频繁达到该规格的QoS上限，从而触发流控，导致IO访问时延变大，意味该类型的磁盘可能无法满足当前业务需求，建议提升磁盘规格。

磁盘性能频繁达到该规格的QoS上限，从而触发流控，导致IO访问时延变大，意味该类型的磁盘可能无法满足当前业务需求，建议提升磁盘规格

IAM

SYS.IAM

用户登录

login

次要

用户登出

logout

次要

登录重置密码

changePassword

重要

创建用户

createUser

次要

删除用户

deleteUser

重要

修改用户

updateUser

次要

创建用户组

createUserGroup

次要

删除用户组

deleteUserGroup

重要

修改用户组

updateUserGroup

次要

创建idp

createIdentityProvider

次要

删除idp

deleteIdentityProvider

重要

修改idp

updateIdentityProvider

次要

更新metadata

updateMetadata

次要

更新账号登录策略

updateSecurityPolicies

重要

创建AK/SK

addCredential

重要

删除AK/SK

deleteCredential

重要

创建project

createProject

次要

更新project

updateProject

次要

冻结项目

suspendProject

重要

KMS

SYS.KMS

禁用密钥

disableKey

重要

计划删除密钥

scheduleKeyDeletion

次要

退役授权

retireGrant

重要

撤销授权

revokeGrant

重要

OBS

SYS.OBS

删除桶

deleteBucket

重要

删除桶policy配置

deleteBucketPolicy

重要

设置桶的ACL

setBucketAcl

次要

设置桶的策略

setBucketPolicy

次要

Cloud Eye

SYS.CES

插件故障事件

agentHeartbeatInterrupted

重要

监控插件每1分钟发送1次心跳；当服务端3分钟收不到插件心跳时，“插件状态”显示为“故障”。

• 查看Agent域名是否无法解析。
• 查看账号是否欠费。
• Agent进程故障，先尝试重启Agent如果重启后状态还是故障，可能Agent相关文件被破坏，请尝试重新安装Agent。
• 查看服务器内部时间和本地标准时间不一致。
• 使用的DNS非华为云DNS，请通过执行dig+目标域名获取到agent.ces.myhuaweicloud.com在华为云内网DNS下解析到的IP后再添加对应的hosts。
• 请将Agent更新为最新版本。

插件已恢复

agentResumed

提示

客户端插件已恢复运行。

不需要处理。

插件已故障

agentFaulty

重要

客户端插件运行故障，上报对应状态。

Agent进程故障，先尝试重启Agent。如果重启后状态还是故障，可能Agent相关文件被破坏，请尝试重新安装Agent。

请将Agent更新为最新版本。

插件已断联

agentDisconnected

重要

监控插件每1分钟发送1次心跳；当服务端3分钟收不到插件心跳时，“插件状态”显示为“故障”。

查看Agent域名是否无法解析。

查看账号是否欠费。

Agent进程故障，先尝试重启Agent。如果重启后状态还是故障，可能Agent相关文件被破坏，请尝试重新安装Agent。

查看服务器内部时间和本地标准时间不一致。

使用的DNS非华为云DNS，请通过执行dig+目标域名获取到agent.ces.myhuaweicloud.com在华为云内网DNS下解析到的IP后再添加对应的hosts。请将Agent更新为最新版本。

Data Space

SYS.HWDS

新增修订版本

newRevision

次要

数据产品发布了新的修订版本。

收到事件通知后根据需要导出新的修订版本数据。

无。

ESW

SYS.ESW

IP地址冲突

IPConflict

重要

L2互联场景：一般是由于线上（本端子网）与线下（远端网段）存在相关IP地址的主机导致。

通过查看ARP、交换机信息等措施，排查出具体IP冲突的主机，根据业务场景调整IP避免冲突。

可能导致冲突IP相关网络通信异常。

CSMS

SYS.CSMS

操作待删除凭据

operateDeletedSecret

重要

用户调用接口操作计划删除状态凭据。

用户可以考虑取消删除该凭据。

到期删除的凭据无法恢复。

DCS

SYS.DCS

在线迁移发生全量重试

migrationFullResync

次要

在线迁移在重试时，因无法进行增量同步，而触发了全量同步。

确认是否发生反复的全量重试，需要检查到源端的网络连接是否正常，是否源端压力过大。如果反复全量重试，联系运维人员处理。

迁移任务与源实例发生中断，重新触发了全量同步，可能导致源实例CPU冲高。

实例主备切换（故障切换）

masterStandbyFailover

次要

Redis主节点异常，触发主从倒换机制，备节点升主。

检查业务是否自愈。如果应用未恢复，需要重启应用进行恢复。

实例长连接会中断。

Memcached主从倒换

memcachedMasterStandbyFailover

次要

Memcached主节点异常，触发主从倒换机制，备节点升主。

检查业务是否自愈。如果应用未恢复，需要重启应用进行恢复。

实例长连接会中断。

Redis节点状态异常

redisNodeStatusAbnormal

重要

Redis节点状态异常。

检查业务是否受影响 ，如果影响联系运维人员处理。

节点状态异常，主节点异常会自动主备切换。从节点异常，如果客户端直连从节点进行读写分离，读操作会出现异常。

Redis节点状态恢复正常

redisNodeStatusNormal

重要

Redis节点从异常恢复正常。

检查业务是否恢复。如果应用未重连，需要重启应用进行恢复。

异常恢复事件。

数据迁移同步失败

migrateSyncDataFail

重要

执行在线迁移任务时，迁移任务失败。

重新配置迁移任务重试迁移。如果仍然失败，联系运维人员处理。

数据迁移失败。

Memcached实例状态异常

memcachedInstanceStatusAbnormal

重要

Memcached节点状态异常。

检查业务是否受影响 ，如果影响联系运维人员处理。

Memcached实例状态异常,实例可能无法访问。

Memcached实例状态异常恢复

memcachedInstanceStatusNormal

重要

Memcached节点从异常恢复正常。

检查业务是否恢复。如果应用未重连，需要重启应用进行恢复。

异常恢复事件。

实例备份失败

instanceBackupFailure

重要

DCS实例备份失败，一般可能是由于访问OBS失败等原因导致。

手动备份进行重试。

自动备份失败。

实例节点异常重启

instanceNodeAbnormalRestart

重要

一般是由于DCS实例节点异常后重启导致。

检查业务是否自愈。如果应用未恢复，需要重启应用进行恢复。

实例长连接会中断。

终止超时lua脚本

scriptsStopped

提醒

一般是由于lua脚本运行时间过长，自动终止脚本运行。

优化lua脚本，防止执行超时。

lua脚本执行时间超长，被强制中断。lua脚本执行时间过长，会阻塞整个实例。

节点自动重启

nodeRestarted

提醒

一般是由于lua脚本运行时间过长，并且已执行写操作，自动重启节点终止脚本运行。

检查业务是否自愈。如果应用未恢复，需要重启应用进行恢复。

实例长连接会中断。

ICA

SYS.ICA

BGP peer连接中断

BgpPeerDisconnection

重要

BGP peer连接中断

登录网关设备，排查bgp peer断连原因

业务流量有可能会中断

BGP peer连接成功

BgpPeerConnectionSuccess

重要

BGP peer连接成功

无

无

GRE隧道状态异常

AbnormalGreTunnelStatus

重要

GRE隧道状态异常

登录网关设备，排查gre隧道状态异常原因

业务流量有可能会中断

GRE隧道状态正常

NormalGreTunnelStatus

重要

GRE隧道状态正常

无

无

设备wan口上线

EquipmentWanGoingOnline

重要

设备wan口上线

无

无

设备wan口下线

EquipmentWanGoingOffline

重要

设备wan口下线

检查是否为人为操作或设备故障

设备无法正常使用

智能企业网关设备上线

IntelligentEnterpriseGatewayGoingOnline

重要

智能企业网关设备上线

无

无

智能企业网关设备下线

IntelligentEnterpriseGatewayGoingOffline

重要

智能企业网关设备下线

检查是否为人为操作或设备故障

设备无法正常使用

MAS

SYS.MAS

数据库状态异常

dbError

重要

一般是由于MAS监控到用户数据库实例状态导致的。

用户登录MAS控制台查看原因及处理异常。

业务中断

数据库状态恢复

dbRecovery

重要

数据库实例状态从异常恢复正常。

无。

业务中断

Redis状态异常

redisError

重要

一般是由于MAS监控到用户Redis实例状态导致的。

用户登录MAS控制台查看原因及处理异常。

业务中断

Redis状态恢复

redisRecovery

重要

Redis实例状态从异常恢复正常。

无。

业务中断

MongoDB状态异常

mongodbError

重要

一般是由于MAS监控到用户MongoDB实例状态导致的。

用户登录MAS控制台查看原因及处理异常。

业务中断

MongoDB状态恢复

mongodbRecovery

重要

API状态从异常恢复正常。

无。

业务中断

Elasticsearch状态异常

esError

重要

一般是由于MAS监控到用户ElasticSearch实例状态导致的。

用户登录MAS控制台查看原因及处理异常。

业务中断

Elasticsearch状态恢复

esRecovery

重要

ElasticSearch实例状态从异常恢复正常。

无。

业务中断

API接口状态异常

apiError

重要

一般是由于MAS监控到用户API状态导致的。

用户登录MAS控制台查看原因及处理异常。

业务中断

API接口状态恢复

apiRecovery

重要

API状态从异常恢复正常。

无。

业务中断

多活分区状态发生变化

netChange

重要

MAS服务多活管理中心探测到多活分区状态发生变化

用户登录MAS控制台查看原因及处理异常。

可能导致多活分区网络的状态改变。

Config

SYS.RMS

配置不合规通知

configurationNoncomplianceNotification

重要

审计规则执行结果为不合规。

修改资源不合规的配置项，使其合规。

无。

配置合规通知

configurationComplianceNotification

提示

审计规则执行结果变为合规。

无。

无。

SecMaster

SYS.SecMaster

独享引擎创建失败

createEngineFailed

重要

一般是由于底层资源不足等原因导致。

提交工单让运维在后台协调资源再重试。

无法创建独享引擎。

独享引擎运行异常

engineException

紧急

一般是由于流量过大或者恶意流程，插件导致。

1. 排查流程，插件执行是否占用资源过多
2. 查看实例监控，短期内是否实例数量暴增。

无法执行实例。

剧本实例执行失败

playbookInstanceExecFailed

一般

一般是由于剧本，流程配置出错导致。

通过实例监控查看失败原因，修改剧本，流程配置。

无。

剧本实例突增

playbookInstanceIncreaseSharply

一般

一般是由于剧本，流程配置出错导致。

通过实例监控查看突增原因，修改剧本，流程配置。

无。

日志消息突增

logIncrease

重要

上游服务产生大量日志，导致消息快速增加。

需要排查上游服务业务是否正常。

无。

日志消息突减

logsDecrease

重要

上游服务产生日志突然变小。

需要排查上游服务业务是否正常

无。

KPS

SYS.KPS

删除密钥对

KPSDeleteKeypair

提示

成功删除密钥对，此操作不可逆。

当短时间内大量触发此事件时，要检查是否出现恶意删除的情况。

被删除密钥对无法恢复。

HSS

SYS.HSS

企业主机安全服务Agent异常离线

hssAgentAbnormalOffline

重要

一般是由于Agent与服务器通信异常，主机中的Agent进程异常等原因导致。

排查网络故障，待网络恢复正常后，若长时间Agent状态仍为“离线”，可能是Agent进程异常，需要登录主机，重启Agent进程。

业务中断。

企业主机安全服务Agent防护状态异常

hssAgentAbnormalProtection

重要

一般是由于底层资源不足造成Agent工作模式异常等原因导致。

登录主机检查资源，如发现内存或者其他系统资源过高等情况，建议优先扩容处理。如果资源够用,重启Agent进程后还是异常，提交工单让运维处理

业务中断。

IMS

SYS.IMS

创建镜像

createImage

重要

用户创建私有镜像

无

镜像创建完成后，可使用该镜像创建云服务器。

更新镜像

updateImage

重要

用户更新私有镜像元数据

无

更新镜像关键元数据可能导致该镜像创建云服务器失败。

删除镜像

deleteImage

重要

用户删除私有镜像

无

不能使用该镜像创建云服务器。

CSG

SYS.CSG

网关进程状态异常

gatewayProcessStatusAbnormal

重要

当云存储网关进程状态异常时，则触发进程状态异常事件。

网关连接状态异常

gatewayToServiceConnectAbnormal

重要

当云存储网关连续5个周期无状态上报时，则触发连接异常事件。

网关与OBS连接状态异常

gatewayToObsConnectAbnormal

重要

当云存储网关无法连接到OBS时，则触发该事件。

文件系统只读

gatewayFileSystemReadOnly

重要

当云存储网关上的分区文件系统只读时，则触发该事件。

文件共享只读

gatewayFileShareReadOnly

重要

当文件共享因缓存盘存储空间不足，文件共享只读时，则触发该事件。

GA

SYS.GA

AIP封堵

blockAIP

紧急

带宽超过5GB就会封堵，相当于把流量直接丢弃。带宽严重超限或受到攻击，一般是受到了DDoS攻击。

查看事件中的封堵原因，进行相应处理。

业务受影响。

AIP解封

unblockAIP

紧急

AIP封堵已被解封。

查看加速资源是否可用。

无。

终端节点健康状态异常

healthCheckError

重要

通过健康检查探测终端节点状态异常。

根据终端节点的健康检查结果异常如何排查？文档排查原因，未解决则提交工单。

当健康检查探测到您的终端节点异常时，不再向异常的终端节点转发流量，直到健康检查检测到终端节点恢复正常时，才会继续转发流量。

EC

SYS.EC

设备wan口上线

EquipmentWanGoesOnline

重要

设备wan口上线

无

无

设备wan口下线

EquipmentWanGoesOffline

重要

设备wan口下线

检查是否为人为操作或设备故障

设备无法正常使用

BGP peer连接中断

BgpPeerDisconnection

重要

BGP peer连接中断

检查是否为人为操作或设备故障

设备无法正常使用

BGP peer连接成功

BgpPeerConnectionSuccess

重要

BGP peer连接成功

无

无

GRE隧道状态异常

AbnormalGreTunnelStatus

重要

GRE隧道状态异常

检查是否为人为操作或设备故障

设备无法正常使用

GRE隧道状态正常

NormalGreTunnelStatus

重要

GRE隧道状态正常

无

无

智能企业网关设备上线

IntelligentEnterpriseGatewayGoesOnline

重要

智能企业网关设备上线

无

无

智能企业网关设备下线

IntelligentEnterpriseGatewayGoesOffline

重要

智能企业网关设备下线

检查是否为人为操作或设备故障

设备无法正常使用

CCM

SYS.CCM

吊销证书

CCMRevokeCertificate

重要

证书发起吊销，吊销后证书将不可使用

检查吊销证书是否在预期内，可以终止吊销行为。

证书吊销后，会导致业务中断。

自动部署证书失败

CCMAutoDeploymentFailure

重要

自动部署证书任务发生失败

及时关注并且检查被替换证书的服务资源是否正常。

证书过期后未部署新证书，会导致业务中断。

证书过期

CCMCertificateExpiration

重要

SSL证书过期

及时购买新证书。

证书过期后未部署新证书，会导致业务中断。

证书即将过期

CCMcertificateAboutToExpiration

重要

SSL证书即将过期，与当前时间相隔一周，一个月，两个月的证书定义为即将到期的证书

及时续费或者购买新证书。

证书过期后未部署新证书，会导致业务中断。