文档保护 服务器,服务器保护

服务器保护 内容精选

换一换

c8a5a5028d2cabfeeee0907ef5119e7e.png

切换操作会改变保护组的容灾方向,将生产站点可用区的业务切换到容灾站点可用区,容灾站点可用区的业务切换到生产站点可用区。如表1所示。切换后数据同步不中断,容灾方向更改为从容灾站点到生产站点。您可以针对生产站点预期会出现的中断执行计划性迁移,确保不丢失任何数据。如当前生产站点可用区AZ1即将下电,您可以执行切换操作,将容灾站点可用区AZ2切换

存储容灾服务以保护组为单位进行生产站点和容灾站点的切换,按照场景可分为切换和故障切换。切换是指用户在生产站点未发生故障时,主动计划性的进行生产站点和容灾站点的切换。故障切换是指生产站点产生故障后,进行生产站点和容灾站点的切换。切换时,保护实例中的生产站点服务器和容灾站点服务器的网卡会进行相互交换,保证切换前后服务器能以相同的IP地址、MA

服务器保护 相关内容

保护组生产站点服务器为SUSE操作系统,对该云服务器开启容灾保护后,执行切换操作,云服务器EIP无法ping通。执行切换操作后,云服务器网卡的名称可能会发生改变,如果该网卡上绑定EIP,则可能导致EIP无法ping通。执行切换操作后,先删除容灾站点服务器中的/etc/udev/rules.d/70-persistent-net.rules

在不影响业务的情况下,通过容灾演练,模拟真实故障恢复场景,制定应急恢复预案,检验容灾方案的适用性、有效性。当真实故障发生时,通过预案快速恢复,提高业务连续性。存储容灾服务提供的容灾演练功能,在演练VPC(该VPC不能与容灾站点服务器所属VPC相同)内执行容灾演练,基于容灾站点服务器的磁盘快照,快速创建与容灾站点服务器规格、磁盘类型一致的容

服务器保护 更多内容

ef7fa0a88cabe2097a016125d8d62832.png

变更指定保护实例中弹性云服务器的规格,包括:同时变更生产站点云服务器和容灾站点云服务器的规格。仅变更生产站点云服务器的规格,容灾站点云服务器规格不变。生产站点云服务器规格不变,仅变更容灾站点云服务器的规格。当且仅当待变更规格的云服务器处于关机状态时,才能执行此操作。不同规格的云服务器在性能上存在差异,可能会对云服务器上运行的应用产生影响。

402994aa3acda5ebf01ee1c6ade658d0.png

当您需要对指定保护组下的所有资源开启保护时,可参考本章节执行开启保护操作。当生产站点服务器的磁盘写入数据时,SDRS实时同步数据到容灾站点服务器的磁盘。此时,生产站点、容灾站点仍支持通过云服务器备份服务(CSBS, Cloud Server Backup Service)或云硬盘备份服务(VBS, Volume Backup Servic

b5693ff7a1d6bd5360d83fe2bfafdfb3.png

在不影响业务的情况下,通过容灾演练,模拟真实故障恢复场景,制定应急恢复预案,检验容灾方案的适用性、有效性。当真实故障发生时,通过预案快速恢复,提高业务连续性。存储容灾服务提供的容灾演练功能,在演练VPC(该VPC不能与容灾站点服务器所属VPC相同)内执行容灾演练。当容灾演练服务器创建完成后,生产站点服务器和容灾演练服务器同时独立运行,数据

b203ffbda48cf64af447ca0126ea2d66.png

切换操作会改变保护组的容灾方向,将生产站点可用区的业务切换到容灾站点可用区,容灾站点可用区的业务切换到生产站点可用区。切换后数据同步不中断,容灾方向更改为从容灾站点到生产站点。您可以针对生产站点预期会出现的中断执行计划性迁移,确保不丢失任何数据。如当前生产站点可用区AZ2即将下电,您可以执行切换操作,将容灾站点可用区AZ3切换至生产站点。

399bb9e39ad395cd7fb119c5287fddf8.png

删除指定的保护实例。保护实例的状态为available、protected、failed-over、error、error-starting、error-stopping、error-reversing、error-failing-over、error-deleting、error-reprotecting、error-resizing、

f2c4fc7c94b8a6968e9bfbe258188211.png

删除指定保护组内的所有失败任务,创建保护实例失败、创建复制对失败、删除保护实例失败、删除复制对失败等。无URI格式DELETE /v1/{project_id}/task-center/{server_group_id}/failure-jobs/batchDELETE /v1/{project_id}/task-center/{serv

8c18d15b4c8a3bef37b3cc91cd8c38da.png

指定两个可用区,创建空的保护组,从而可以在该保护组下创建保护实例和复制对。确认您想要复制的生产站点和容灾站点位置,并创建保护组。当前部署模型仅支持VPC内迁移。虽然生产站点服务器和容灾站点服务器处于不同的可用区,但他们属于同一个虚拟私有云。

631651361fa2e5698f6a9d681fb5668c.png

删除指定的保护组。保护组内没有保护实例、复制对和容灾演练。若保护组内存在保护实例、复制对或容灾演练,则不支持删除。删除对应的资源请参考接口:删除保护实例,删除复制对,删除容灾演练。URI格式DELETE /v1/{project_id}/server-groups/{server_group_id}DELETE /v1/{project_

3534dd170a545b94273de228dc486b40.png

将指定的复制对从指定的保护实例上卸载。保护组的状态为available、protected、failed-over、error-starting、error-stopping、error-reversing、error-failing-over。保护实例状态为available、protected、failed-over、error-st

c98716077afa118c4722d3df701d5c06.png

对某一个保护组的停止保护操作。保护组status为protected或者error-stopping才能停止保护。URI格式POST /v1/{project_id}/server-groups/{server_group_id}/actionPOST /v1/{project_id}/server-groups/{server_grou

1a97c4f052299ae736e0af6fa2667c80.png

从保护实例卸载复制对。卸载后,生产站点磁盘和容灾站点磁盘的复制对关系依然存在,但是组成该复制对的云硬盘将不能再通过云服务器写入数据。保护组的状态为“可用”、“保护中”、“故障切换”、“开启保护失败”、“停止保护失败”、“切换失败”、“故障切换失败”。保护实例的状态为“可用”、“保护中”、“故障切换”、“开启保护失败”、“停止保护失败”、“

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值