网络故障 TE10/TE20如何进行网络测试？ TE10打不开输入激活码的页面，提示“华为云获取地址失败，请检查网络”？ 硬终端显示丢包率阈值A和B分别表示什么意思？ 网络测试ping包和终端提示丢包率的区别是什么以及终端丢包率检测机制是什么? 硬终端激活时，提示“华为云获取地址失败，请检查网络”？

查看更多 →

迁移故障处理 本章节介绍了在迁移过程中不同迁移故障的处理建议。 重新启动数据同步失败 重新启动数据同步失败的处理建议： 分析源Redis是否存在大Key，如果源Redis存在大key，建议将大key打散成多个小key后再迁移。 检查目标Redis的规格是否小于迁移数据大小、是否有其他任务在执行。

查看更多 →

CarbonData故障排除 当在Filter中使用Big Double类型数值时，过滤结果与Hive不一致 executor内存不足导致查询性能下降 为什么数据查询/加载失败，且发生“org.apache.carbondata.core.memory.MemoryException:

查看更多 →

故障通报概述 运维事件是ServiceInsight组成部分，提供故障通报功能。以运维事件为中心，提供事件的管理、通报及WarRoom能力。 功能特性 功能 功能描述 运维事件管理 由SRE通报的所有现网发生的可能造成或者已经造成服务的中断和业务质量下降的系统告警等问题，由运维团队负责管理。

查看更多 →

容器类故障 容器资源类 表1 容器资源类参数配置 故障类型 故障模式 设置参数 CPU 容器实例内CPU过载 类型：docker_id ；配置参数：docker_id /usage 类型：docker_name；配置参数：num/usag 内存 容器实例内内存过载 类型：docker_id

查看更多 →

业务故障类 网络流量异常的原因？ DDoS攻击导致客户端禁止访问，怎么办？ 遭受流量攻击，如何查询公网IP的具体防护信息？ 没有受到攻击，触发了流量清洗？ 父主题： DDoS原生基础防护常见问题

查看更多 →

Hue故障排除 使用Hive输入use database语句失效 使用Hue WebUI访问HDFS文件失败 在Hue页面上传大文件失败 集群未安装Hive服务时Hue原生页面无法正常显示 访问Hue原生页面时间长，文件浏览器报错Read timed out 父主题： 使用Hue

查看更多 →

HBase故障排除 HBase客户端连接服务端时长时间无法连接成功 在HBase连续对同一个表名做删除创建操作时出现创建表异常 HBase占用网络端口，连接数过大会导致其他服务不稳定 有210000个map和10000个reduce的HBase BulkLoad任务运行失败 使用

查看更多 →

Hive故障排除 如何对insert overwrite自读自写场景进行优化 父主题： 使用Hive

查看更多 →

HBase故障排除 HBase客户端连接服务端时，长时间无法连接成功 在HBase连续对同一个表名做删除创建操作时出现创建表异常 HBase占用网络端口，连接数过大会导致其他服务不稳定 有210000个map和10000个reduce的HBase BulkLoad任务运行失败 使

查看更多 →

ECC错误计数大于4 隔离单点故障的GPU设备 GPUXidError Failed to determine gpu device uuid for Xid=%d; Marking all devices as unhealthy. NVML获取设备UUID异常 隔离故障GPU节点的GPU设备

查看更多 →

故障注入 故障注入是一种有效的测试方法，它能够将错误引入系统，以确保系统能够承受错误的并从错误中恢复。开启故障注入，可以通过配置灵活注入延迟或特定错误，开展故障测试。 以延迟故障注入为例，YAML设置如下（根据实际需求调整配置参数）： route: - destination:

查看更多 →

硬盘限制故障 下载或读取文件报错，提示超时、无剩余空间 拷贝数据至容器中空间不足 Tensorflow多节点作业下载数据到/cache显示No space left 日志文件的大小达到限制 日志提示"write line error" 日志提示“No space left on device”

查看更多 →

环境配置故障 Notebook提示磁盘空间已满 Notebook中使用Conda安装Keras 2.3.1报错 父主题： 开发环境（新版Notebook）

查看更多 →

故障优雅退出 使用场景 随着模型规模和数据集的急剧增长，需要利用大规模的训练集训练大规模的神经网络。在大规模集群分布式训练时，会遇到集群中某个芯片、某台 服务器 故障，导致分布式训练任务失败。优雅退出是指中断的训练任务支持自动恢复，并可以在上一次训练中断的基础上继续训练，而不用从头开始。

查看更多 →

高频故障案例 弹性云服务器 访问中国大陆外网站时加载缓慢怎么办？ ping不通或丢包时如何进行链路测试？ 访问E CS 实例上运行的网站卡顿，如何定位问题？ 网站无法访问怎么办？ 云服务器 端口不通怎样排查？ 云服务器带宽占用高怎么办？ Windows云服务器卡顿怎么办？ Linux云服务器卡顿怎么办？

查看更多 →

故障信息收集 故障信息收集方法 如何获取显卡ID 如何查询显卡详细信息 如何查询显卡在位信息 如何查询NVIDIA的错误信息 如何查询XID报错信息 如何收集NVIDIA日志 如何查询内核信息 如何收集驱动安装信息 父主题： GPU实例故障自诊断

查看更多 →

故障通报概述 运维事件是ServiceInsight组成部分，提供故障通报功能。以运维事件为中心，提供事件的管理、通报及WarRoom能力。 功能特性 功能 功能描述 运维事件管理 由SRE通报的所有现网发生的可能造成或者已经造成服务的中断和业务质量下降的系统告警等问题，由运维团队负责管理。

查看更多 →

通过 堡垒机 登录服务器资源，报“并发会话超出许可限制”怎么办？ 如何解决“mstsc客户端访问服务器资源时，移动界面应用有黑屏”的问题？ 如何解决“mstsc客户端访问服务器资源时鼠标出现黑块”的问题？ 访问Windows应用发布器，提示“创建用户失败”怎么办？ 父主题： 故障排除

查看更多 →

通过Web浏览器运维，不能拷贝文本怎么办？ 资源运维过程有哪些常见报错？ 如何解决“运维Windows服务器时使用WPS软件输入中文异常”的问题？ 堡垒机IP绑定 域名 ，再将域名添加到WAF中进行防护，添加完成后访问不成功怎么处理？ 云堡垒机配置LTS后状态依然为禁用该怎么处理？

查看更多 →

迁移故障处理 本章节介绍了在迁移过程中不同迁移故障的处理建议。 重新启动数据同步失败 重新启动数据同步失败的处理建议： 分析源Redis是否存在大Key，如果源Redis存在大key，建议将大key打散成多个小key后再迁移。 检查目标Redis的规格是否小于迁移数据大小、是否有其他任务在执行。

查看更多 →