弹性负载均衡产品广泛应用于多种场景,本文带您更快了解弹性负载均衡的经典应用场景。 分发流量应对高访问量业务 场景说明 针对高访问量的业务，可以使用负载均衡来实现流量分发，通过设置适当的转发策略，将访问量均衡地分配到多个后端云主机，从而有效提高业务处理的效率和性能。同时，负载均衡还可以实现会话保持、健康检查等功能，保证业务的可用性和稳定性。后端的云主机还可以部署在不同的可用区中，实现后端主机的高可用。 场景特点 业务访问量大，高并发，单机难以支撑，负载均衡通过流量负载分担到多台后端主机承载，提升业务可靠性，有效支撑大流量、大并发业务。 典型应用对象 应用于各种高访问量的业务场景，如大型门户网站、移动应用市场、电商平台等，从而帮助企业应对高访问量的业务挑战，提高业务的可用性和性能，降低运维成本和风险。 集成弹性伸缩自动调整资源 场景说明 针对在某些特定时间段内，业务流量出现大幅度波动，可以使用负载均衡集成弹性伸缩服务来实现自动化的资源调整。弹性伸缩服务可以根据业务流量的变化自动调整云主机数量，从而保证业务处理能力的充足和稳定，提高业务的可用性和性能。同时，结合负载均衡技术，可以将流量合理地分配到多个云主机上进行处理，进一步提高业务的处理效率和吞吐量。

参数 参数说明 分区数 您可以设置Topic的分区数，分区数越大消费的并发度越大。该参数设置为1时，消费消息时会按照先入先出的顺序进行消费。取值范围：1100，默认值：6 分区容量 每个分区的数据量的最大值，超过这个值后前面生产的消息将会被删除，保证了数据不会无限上涨挤爆磁盘。 是否同步刷盘 同步刷盘即确保消息被写入磁盘才会被认定为生产成功，该参数可提高可靠性，但是会影响性能。 消息保留时长 当消息生存时间超过该时长后，将会被清理，可用于控制存储成本。 最小同步副本数 该参数使得消息必须写入设定值个数的副本后，才能被认定生产成功，该参数可提高可靠性，但是过大会影响性能，且必须不大于副本数。 批处理消息最大值 每个批次中最大允许的消息大小，这影响了每次请求中能包含的消息总量和大小。 消息时间戳类型 CreateTime: 这是消息被生产者发送到Kafka时的时间戳，它表示消息创建的实际时间；LogAppendTime: 这是消息被Kafka日志接收并写入到日志文件时的时间戳，它表示消息写入 Kafka 的实际时间。 描述 topic的描述字段，可用作标记和说明。

本章节介绍边缘重保服务基于高考保障场景下的最佳实践案例。 客户背景 客户作为某大省高等教育招生考试委员会的办事机构，主要负责全省普通高校、职业院校、成人高校、研究生招生及考试的组织实施、评价分析、命题管理等工作。 该省份为国内的人口大省，参与高考的学生约占全国高考学生的5%。为了保障高考分数查询、志愿填报工作的顺利开展，客户对相关的保障工作给予了高度重视。 业务痛点 志愿填报并发高、流量大 2024年6月高考成绩发布后，60万左右数量的考生将分批次在有限时间内进行志愿填报，由于集中时间填报，存在访问并发高、流量大、后端服务器压力过载的风险，如何在保障正常业务运行的同时进行有效地流量分发和负载均衡，成为一大业务难题。 安全要求高 在应对大流量访问冲击的同时，由于志愿填报和历年高校招生数等数据具有高度敏感性，常常被国内外恶意组织或个人爬取敏感信息和流量攻击，及时有效地通过安全防护手段全面保障业务安全，对客户形成了巨大的挑战。 解决方案 专家团队重保护航服务 由资深运营专家团队实施全流程协同管控，通过深度访谈与多轮实地调研，精准把握客户核心诉求，科学制定个性化运营保障方案。 全程协助客户完成产品功能的配置，并参与完整的功能、性能测试，提供优化方案，有效确保业务系统的顺利部署及高效上线。 针对关键业务节点，重保专项团队提前部署应急预案，于查分当日派遣资深专家进驻客户现场，实施7×24小时无缝化值守保障机制，显著纾解客户在系统稳定性与安全防护层面的双重保障压力。

帐户密码等级设置 文档数据库服务在控制台侧管理员密码的安全策略： 密码长度为8～32个字符。 密码必须为英文大小写字母、数字、特殊字符~!@ %^+?的组合。 文档数据库对在客户端新创的数据库用户，设置了密码安全策略： 密码长度为8～32个字符。 密码为英文大小写字母、数字、特殊字符~@ %!+^?的组合。 创建实例数据库以及设置密码时，安全起见，为用户提供了密码复杂度校验，如果不满足要求，请根据提示信息调整密码复杂度。 创建帐户 步骤 1 选择admin数据库。 use admin 步骤 2 以user1帐户为例，创建数据库帐户。 db.createUser({user: "user1", pwd: " ", passwordDigestor:"server", roles:[{role: "root", db: "admin"}]}) “ server ”是指在服务端加密密码，为固定值，无需修改。 “ ”是新密码，长度8～32位，且必须为英文大小写字母、数字以及特殊字符~@ %!+^?的组合。 “roles”限制了该帐户所具有的权限。若指定一个空数组，表示该帐户不具有任何权限。 步骤 3 查看创建结果。 显示如下信息，说明创建成功。 Successfully added user: { "user" : "user1", "passwordDigestor" : "server", "roles" : [ { "role" : "root", "db" : "admin" } ] } 更改帐户的密码 步骤 1 选择admin数据库。 use admin 步骤 2 以user1帐户为例，修改帐户的密码。 db.updateUser("user1", {passwordDigestor:"server",pwd:"newPasswd12

本章节主要介绍向量检索的性能调优。 写入性能优化 关闭副本，待数据导入完成后再开启副本，减少副本构建的开销。 调整“refreshinterval”为120s或者更大，避免频繁刷新索引生成大量小的segments，同时减少merge带来的向量索引构建开销。 适当调大“native.vector.indexthreads”的值（默认为4），增加向量索引构建的线程数。 PUT cluster/settings { "persistent": { "native.vector.indexthreads": 8 } } 查询性能优化 在批量导入场景下，数据写入完成后，执行forcemerge操作能有效提升查询效率。 POST indexname/forcemerge?maxnumsegments1 如果向量索引所需外内存超过了熔断线，查询时索引的缓存管理器会控制索引的换进换出，导致查询变慢，此时可适当调大熔断线的配置。 PUT cluster/settings { "persistent": { "native.cache.circuitbreaker.cpu.limit": "75%" } } 如果端到端时延明显大于返回结果中的took值，说明查询的fetch阶段开销较大，可通过配置“source”减小fdt文件的大小，从而降低fetch开销。 PUT myindex { "settings": { "index": { "vector": "true" }, "index.softdeletes.enabled": false }, "mappings": { "source": { "excludes": ["myvector"] }, "properties": { "myvector": { "type": "vector", "dimension": 128, "indexing": true, "algorithm": "GRAPH", "metric": "euclidean" } } } }

本页为时延类常见问题。 数据迁移/同步全量阶段进度条不更新的原因是什么？ DTS在全量阶段停滞、进度条不动的原因可能有以下几种： 单表数据量过大：在全量同步过程中，进度条的计算和表数量相关，如果源库中某些表数据量过大，需要耗费较长来进行迁移，则可能导致数据库进度条长时间不动。 网络问题：在全量同步过程中，如果网络带宽过小或网络不稳定，可能会导致同步进度长时间不动。可以通过检查网络带宽和网络连接情况来判断是否是网络问题导致的问题。 数据库负载过高：在全量同步过程中，如果源库或目标库的负载过高，同步进度就会受到影响。数据库所在的磁盘有读写上限，当同一时间有其他任务占用过多的读写带宽，会影响DTS数据传输服务的任务进度。 数据迁移/同步增量阶段延迟高的原因是什么？ 增量过程中延迟很高的原因可能有以下几种： 网络问题：在增量同步过程中，如果网络带宽不足或网络不稳定，同步的延迟就会相应增高。 数据变更频繁：在增量同步过程中，如果源库中的数据变更频繁，同步的延迟就会很高。这是因为每次数据变更都需要同步到目标库，如果变更频繁，同步的延迟就会累积，从而导致同步延迟增加。 磁盘读写速度慢：如果目标库的磁盘读写速度不足，写入同步数据的速度就会受到影响，从而导致同步延迟增加。 DTS系统规格限制：如果需要同步的数据过大，而DTS没有选用相应的规格来支撑，可能会导致增量阶段延迟过大。 针对上述延迟高的原因，可以采取以下措施来减少同步延迟： 增加网络带宽或优化网络连接，以提高数据传输速度和稳定性。 等待任务完成数据同步，优化业务逻辑，减少短时间内密集写入和大事务写入。 优化目标库磁盘，可以考虑优化磁盘分区或使用SSD等方式来提高磁盘读写速度。 重新购买更大规格的同步实例，以支撑现有业务。

本节介绍了实时同步链路规格说明的相关内容。 注意事项 文中提供的性能指标仅用于提供参考的测试数据，实际环境会受源或目标数据库性能、网络带宽、数据模型、业务模型等因素影响。 规格说明 表 全量同步性能上限 链路名称 全量性能上线（MB/s）参考 MySQL为源链路 50 Oracle为源链路 40 Redis为源链路 30 GaussDB为源链路 40 PostgreSQL为源链路 30 DDM为源链路 20 MongoDB为源链路 20 注意 影响DRS迁移速度的因素很多，当前全量阶段迁移速度为网络和数据库性能无瓶颈、任务为大规格时的测试数据，仅供用户进行参考。 当目标数据库为Oracle或者GaussDB(DWS)时，受限于目标数据库写入机制，全量速度相较于其他类型数据库下降30%~50%。 MongoDB数据库的写入性能会受索引个数影响，单个索引影响58%，索引越多，速度越慢。 实时同步根据同步链路的增量性能上限，定义了六种规格：极小、小、中、大、超大、极大，各个规格的同步性能上限如下表。 表 规格性能上限 规格名称 增量性能上限（行/秒）参考 极小 300 小 3000 中 7500 大 10000 超大 20000 极大 大于20000 说明 规格的线上运行性能受网络环境、源数据库和目标数据库的性能、延迟等因素影响，实际的性能值会有差异，表中性能上限值仅供参考。 DRS规格：DRS为用户提供的不同性能的链路规格，以全量同步（不限速）和增量同步性能为衡量标准。 性能上限（行/秒）：表示每秒同步的事务数，包括BEGIN、COMMIT 、DML语句（INSERT、DELETE、UPDATE）及DDL语句。用户可通过云监控CES5.9.3 查看监控指标获取。 目前，DRS同步仅支持任务类型为单AZ的同步任务升级实例规格，不支持父子任务升级实例规格，不支持降低规格，具体操作及约束限制可参考5.6.6.12 同步规格变更。 对于支持内容对比的链路，如果创建任务时可以选择实例规格，那么仅支持大规格及以上规格进行内容对比。

安装插件 步骤 1 登录CCE控制台，单击集群名称进入集群，单击左侧导航栏的“插件管理”，在右侧找到 Prometheus ，单击“安装”。 步骤 2 在“规格配置”步骤中，配置以下参数： 参数 参数说明 插件规格 根据业务需求，选择插件的规格，包含如下选项： 演示规格（100容器以内）：适用于体验和功能演示环境，该规模下prometheus占用资源较少，但处理能力有限。建议在集群内容器数目不超过100时使用。 小规格（2000容器以内）：建议在集群中的容器数目不超过2000时使用。 中规格（5000容器以内）：建议在集群中的容器数目不超过5000时使用。 大规格（超过5000容器）：建议集群中容器数目超过5000时使用此规格。 实例数 选择上方插件规格后，显示插件中的实例数，此处仅作显示。 容器 选择插件规格后，显示插件容器的CPU和内存配额，此处仅作显示。 数据保留期 自定义监控数据需要保留的天数，默认为15天。 存储 支持云硬盘作为存储，按照界面提示配置如下参数： 可用区：请根据业务需要进行选择。可用区是在同一区域下，电力、网络隔离的物理区域，可用区之间内网互通，不同可用区之间物理隔离。 子类型：支持普通IO、高IO和超高IO三种类型。 容量：请根据业务需要输入存储容量，默认10G。 说明 若命名空间monitoring下已存在pvc，将使用此存储作为存储源。 步骤 2 单击“安装”。安装完成后，插件会在集群中部署以下实例。 prometheusoperator：根据自定义资源（Custom Resource Definition / CRDs）来部署和管理Prometheus Server，同时监控这些自定义资源事件的变化来做相应的处理，是整个系统的控制中心。 prometheus（Server）：Operator根据自定义资源Prometheus类型中定义的内容而部署的Prometheus Server集群，这些自定义资源可以看作是用来管理Prometheus Server集群的 StatefulSets 资源。 prometheuskubestatemetrics：将Prometheus的metrics数据格式转换成K8s API接口能识别的格式。 custommetricsapiserver：将自定义指标聚合到原生的kubernetes apiserver。 prometheusnodeexporter：每个节点上均有部署，收集Node级别的监控数据。 grafana：可视化浏览普罗监控数据。

本章主要介绍大版本升级。 目前DDS不支持直接通过控制台进行版本升级。如您需要可以通过数据库复制DRS进行迁移。 例如：使用数据库复制将DDS 3.4版本迁移到DDS 4.0版本，可以实现应用不停服的情况下，平滑完成数据库的迁移工作。 使用该方式进行迁移，需要提前准备好待迁移到的高版本数据库实例。 具体迁移操作，请参见《数据库复制用户指南》的“入云迁移”内容。 DDS数据库版本信息 源数据库版本 目标数据库版本 迁移类型 自建MongoDB/其他云MongoDB/DDS 3.4 4.0 DDS 3.4 4.0 4.2 4.4 DDS数据库版本升级 说明 DRS仅支持从低版本迁移到高版本。 迁移过程中，如果发生规格变更、重启等动作，可能会产生主备倒换，以及迁移任务闪断，需要及时检查drs任务状态。 大版本升级后，如果需要保证迁移前后实例的IP地址不变，可以修改高版本的IP地址为原来的连接地址（原实例的IP地址需要先释放出来）。具体操作请参见

导入初始数据 1. 登录大模型安全卫士实例。 2. 在菜单栏选择“内容安全 > 语料安全 > 业务设置”，选择“其他”页签。 3. 选择对应的分类点击 。

电商大促 面临挑战：618、双十一等大促日，抢购高峰，登录、搜索、支付等大量并发请求拥堵。 方案优势：天翼云全站加速凭借全球2300+三网节点覆盖，可实时弹性扩容，通过智能调度，传输优化、有序回源等自研技术，可实时计算优质回源路径，时刻保障动态请求的访问体验。 企业出海 面临挑战：随着电商企业出海势头强劲，跨国网络的速度和稳定性成为开拓海外市场首要面对的难题。 方案优势：天翼云全站加速为企业跨国、跨境访问提供海外加速服务，满足出海企业本地化节点覆盖需求，助力企业拓展全球化业务。 可用性保障 面临挑战：特殊营销推广时期，用户爆发式激增，源站带宽扩容效率低，源站负载过大，需要保障电商网站的持续高可用性。 方案优势：天翼云全站加速提供源站监控、多源负载均衡、节点热备，实时弹性扩容等策略，可有效缓解源站压力，保障业务连续性和高可用性。 业务安全 面临挑战：电商网站日常易遭受薅羊毛、薅优惠券、爬虫攻击等业务欺诈行为，导致客户无法开展正常的市场营销推广。 方案优势：天翼云全站加速提供IP黑白名单、Referer防盗链、防篡改等多项访问控制策略，同时支持爬虫防护、云端Web防护等高阶防护能力，协同源站构建分布式的云上安全防线。

规格名称 性能上限（行/秒）参考 极小 300 小 3000 中 7500 大 10000

海光内存优化型 海光内存优化型hm1搭载Hygon C86 7285处理器，云主机实例独享CPU，提供更稳定的CPU性能、更大内存比以及更优秀的网络性能，对内存型应用的运行提供更好支持。 为保证云主机的最佳性能，目前采用CPU亲和策略，宿主机中部分CPU与内存可能会存在碎片化情况。为保证资源更充分利用，可开通规格推荐搭配请咨询客户经理。 海光内存优化型hm1适用于内存要求高，数据量大并且数据访问量大，同时要求快速的数据交换和处理的应用。 宿主机规格： 宿主机规格 超配比 CPU信息 虚拟CPU核数（vCPUs） 内存（GB） 海光内存优化型hm1 不可配置，仅支持1:1 Hygon 7285，2.0GHz Hygon 7380，2.2GHz 104 651 海光内存优化型hm1 不可配置，仅支持1:1 Hygon 7285，2.0GHz Hygon 7380，2.2GHz 104 399 支持的弹性云主机规格： 规格名称 vCPU 内存（GB） 最大带宽/基准带宽（Gbps） 最大收发包能力（万PPS） 网卡多队列数 hm1.large.8 2 16 3/0.8 30 1 hm1.xlarge.8 4 32 7/3 80 2 hm1.2xlarge.8 8 64 12/6 140 4 hm1.4xlarge.8 16 128 15/8 200 8 说明 计算专属云规格中的vCPUs计算公式：vCPUs槽位数 CPU核数 单核线程数 CPU开销。 由于实际部署的主机网络功能的软件版本差异，宿主机可用量可能存在少量误差。

策略 描述 适用场景 优势与劣势 复制表（Replication） 集群中每一个DN实例上都有一份全量表数据。 小表、维度表。 Replication优点是每个DN上都有此表的全量数据，在join操作中可以避免数据重分布操作，从而减小网络开销，同时减少了plan segment(每个plan segment都会起对应的线程) Replication缺点是每个DN都保留了表的完整数据，造成数据的冗余。一般情况下只有较小的维度表才会定义为Replication表。 哈希表（Hash） 表数据通过hash方式散列到集群中的所有DN实例上。 数据量较大的事实表。 在读/写数据时可以利用各个节点的IO资源，大大提升表的读/写速度。 一般情况下大表（1000000条记录以上）定义为Hash表。 轮询表（Roundrobin） 表的每一行被轮番地发送给各个DN，数据会被均匀地分布在各个DN中。 数据量较大的事实表，且使用Hash分布时找不到合适的分布列。 Roundrobin优点是保证了数据不会发生倾斜，从而提高了集群的空间利用率。 Roundrobin缺点是无法像Hash表一样进行DN本地化优化，查询性能通常不如Hash表。 一般在大表无法找到合适的分布列时，定义为Roundrobin表，若大表能够找到合适的分布列，优先选择性能更好的Hash分布。

本节介绍如何开启告警通知，支持“邮件”和“短信”两种方式。 开启告警通知后，当检测到资产存在风险时，会根据您配置的告警策略，向您发送告警通知，帮助您及时了解资产的安全情况。 支持通过“邮件”和“短信”方式发送告警通知。 配置邮件告警 1. 登录大模型安全卫士实例。 2. 在菜单栏选择“系统管理 > 告警配置”，选择“邮件告警”页签。 3. 配置告警级别、收件人邮箱、发送时间间隔，是否启用选择“是”，开启邮件告警通知。 4. 参数配置完成后，单击“应用配置”。 配置短信告警 1. 登录大模型安全卫士实例。 2. 在菜单栏选择“系统管理 > 告警配置”，选择“短信告警”页签。 3. 使用短信告警，须提供吉信通平台（ 4. 配置手机号、发送时间间隔，是否启用选择“是”，开启短信告警通知。 5. 参数配置完成后，单击“发送测试短信”，测试是否能正常发送。 6. 单击“应用配置”，完成短信告警配置。

本文介绍弹性容器实例ECI的应用场景。 弹性流量业务 场景说明 根据业务流量自动对业务进行扩容，无需人工干预，避免流量激增扩容不及时而导致系统故障，以及平时大量闲置资源造成的浪费。 能够实现 Serverless计算：便捷获取计算资源，兼容 Kubernetes。 快速弹性：秒级启动Pod。 按需使用：容器实例按需创建释放，不需要预先准备底层资源。 持续交付集成 场景说明 支持自动化的持续交付流程，对接Devops平台，自动完成容器部署，加速测试用例的执行和测试环境的建立，并可随时创建销毁容器。 能够实现 自动化：无需创建和维护集群，提供自动化及弹性能力。 环境一致性：以容器镜像交付，支持不可变的基础设施。 深度整合 ：支持日志、告警、事件查询等集成服务。 大数据计算处理 场景说明 大批量的AI、大数据计算数据处理任务，根据业务数据处理需求，能够在短时间内快速创建大量处理节点，满足业务的大数据及 AI 在线处理诉求。 能够实现 共池混部统一调度 ：提供与云主机共池混部的调度能力。 灵活的任务规格 ：提供细粒度容器实例规格，满足上层应用和服务对计算能力的包装。 按需付费 ：容器实例根据资源规格及使用时长付费。 多种引擎统一调度

本文介绍如何使用云搜索Elasticsearch、Kibana、Logstash实例搭建日志分析平台。 使用ELK Stack（Elasticsearch、Logstash、Kibana、Beats）进行日志管理是一种流行的开源解决方案，用于集中式日志收集、存储、分析和可视化。ELK Stack可以从分布式系统中采集和聚合日志，帮助运维和开发人员更好地理解系统的运行状态、排查问题并监控关键业务指标。 本文将使用Filebeat、Logstash、Elasticsearch、Kibana搭建一个简单的日志分析平台，其中需要自行部署Filebeat并且打通和天翼云云搜索Elasticsearch、Kibana以及Logstash实例之间的网络。 ELK Stack组件 Elasticsearch 是一个分布式搜索引擎，作为ELK堆栈的核心，它负责存储和索引日志数据。Elasticsearch提供强大的全文搜索、过滤和分析功能，可以快速处理大规模数据并允许实时查询。 Logstash 是一个数据处理管道工具，负责从各种输入源收集数据，进行过滤、处理并将其输出到 Elasticsearch。Logstash 支持多种数据源（如文件、数据库、消息队列），并且能够通过过滤器对数据进行处理，比如解析、格式转换等。 Kibana 是一个数据可视化和分析工具，允许用户在浏览器中直观地查询和展示Elasticsearch 中存储的日志数据。Kibana提供多种图表、仪表盘和地图，可以帮助用户监控系统、分析日志、生成报表等。 Beats是一组轻量级数据收集器，用于将各种类型的数据发送到Elasticsearch或Logstash进行索引和分析。其中Filebeat是 ELK Stack 中的一个轻量级日志数据收集器，用于收集日志文件数据。它监视指定的日志文件或位置，并将其发送到Elasticsearch或Logstash以进行存储和分析。

场景架构图 应用场景：大数据分析 场景说明 大数据分析场景处理大容量数据，需要高I/O能力和快速的数据交换处理能力。例如MapReduce 、Hadoop计算密集型。 场景痛点 业务数据量不断增大，对计算资源需求较大，造成企业成本压力； 数据处理具有周期性，业务波动变化频繁，需要灵活调度资源。 应用推荐 使用本地盘云主机，在保证海量存储空间、高存储性能的前提下，可以为云端的Hadoop集群、Spark集群提供更高的网络性能。 产品优势 使用本地盘云主机，提供高可靠存储资源，便于安全存储数据、文件和应用程序； 对于重点保护数据，可通过对象存储的多副本冗余功能，实现异地数据容灾； 可按需在线弹性扩展，不需要迁移数据，满足大容量、高并发请求的挑战。 推荐搭配 弹性伸缩服务、弹性负载均衡、对象存储。 场景架构图 应用场景：图形渲染 场景说明 工业设计工具、视频渲染、图形处理等场景需要强大计算能力，追求极致性能体验，以及超高性价比。

本节介绍如何管理分组标签。 对终端设置分组、标签，方便对终端进行分类管理以及对终端进行批量操作。 租户可对分组及标签进行管理，包括新增、编辑和删除等操作。同时可为终端选择分组及添加标签。 Linux操作系统终端默认划分为Linux服务器组。 其他的为系统默认组。 新增分组 1. 登录大模型安全卫士实例。 2. 在菜单栏选择“资产中心 > 分组标签”，选择分组页签。 3. 点击“新增”。 4. 在弹出的对话框中按情况填写和选择分组名称、重要性、自动分组及其规则，点击 确定 ，即可新增分组。 新增标签 1. 登录大模型安全卫士实例。 2. 在菜单栏选择“资产中心 > 分组标签”，选择“标签”页签。 3. 点击“新增”。 4. 在弹出的对话框中输入标签名称，选择颜色，点击“确定”，即可新增标签。 其他操作 1. 登录大模型安全卫士实例。 2. 在菜单栏选择“资产中心 > 分组标签”，选择“分组”页签。租户可在此页面对分组进行编辑及删除操作。 点击操作项 列中的“编辑”，在弹出的对话框中修改组名称，即可编辑分组。 点击操作项 列中的“删除” ，在弹出的对话框中点击“确定”，即可删除分组。 勾选分组（可勾选多个），点击列表上方的“删除” ，在弹出的对话框中点击“确定”，即可批量删除分组。 3. 在左侧导航栏选择“资产中心 > 分组标签”，选择“标签”页签。租户可在此页面对标签进行编辑和删除操作。 点击操作项 列中的“编辑” ，在弹出的对话框中修改标签名称和颜色，点击“确定”，即可编辑标签。 点击操作项 列中的“删除” ，在弹出的对话框中点击“确定”，即可删除标签。 勾选需要删除标签（可勾选多个），点击列表上方的“删除” ，在弹出的对话框中点击“确定”，即可批量删除标签。

开源对比 相较于开源自建Kafka，分布式消息服务Kafka在低成本运维、分区规模、消息查询、ACL访问控制、可视化配置、运维监控、集群巡检、稳定可靠、安全保证、简单易用等方面更具优势。更多信息请参见开源对比。 产品优势 分布式消息服务Kafka具备高可用性、高安全性、可靠性、全托管等优势，使其成为大规模数据处理和实时流处理的理想选择。更多信息请参见产品优势。 功能特性 分布式消息服务Kafka的功能特性主要体现在以下几个方面： 消息能力 广播消息：在同一个消费组内对所有消费者投递相同消息。 消息回溯：支持根据时间重置消费进度。 消息数据自动删除功能：在磁盘满后，在保护期外的数据，能自动删除，保证服务可用性。 自动故障切换功能：生产消费自动负载均衡，消息节点故障时自动主备切换，保证服务的连续性。 队列能力 高吞吐，消息多副本异步复制。 高可靠，消息多副本同步复制。 可视化管理 应用用户管理：多个应用可调用同一个消息服务，通过应用用户，对消息服务下的应用接入权限进行管理。 主题管理：支持对实例下的主题进行管理，执行创建删除等操作。 消费组管理：支持对实例下的消费组进行管理。 Broker监控：提供Broker详细信息以及多维度的监控指标查看。 Topic监控：提供Topic详细信息以及多维度的监控指标查看。

标准快速 全栈云服务集成一体 , 多种增值能力可选，大幅减少建设时间。 国产化和x86多种配置可选，满足客户不同需求场景。 标准产品规格及售卖模式，快速匹配客户需求。 到货后110个工作日即可完成产品部署交付，虚拟资源即开即用。 安全稳定 采用自研云底座，历经大规模客户业务验证。 数据多副本（双副本或三副本）、故障HA、快照与备份等多项技术保障数据高可靠。 高效管理 内置云管平台，可视化资源开通及运营管理。 可整合多一体机集群，提供混合多资源池管理能力。 支持VPN服务，帮助客户以低成本快速构建专有企业云网。 极简运维 多维度监控、告警数据，帮助用户提前发现业务运行隐患。 属地化运维和724小时在线服务，全方位解决客户后顾之忧。

本文是对集群升级的概述 云容器引擎（CCE）严格遵循社区一致性认证，每年发布3个Kubernetes版本，每个版本发布后提供至少24个月的维护周期，CCE保证维护周期内的Kubernetes版本的稳定运行。 为了保障您的服务权益，请您务必在维护周期结束之前升级您的Kubernetes集群，您可在集群列表页面确认集群的Kubernetes版本，以及当前是否有新的版本可供升级。主动升级集群有以下好处： 降低安全和稳定性风险：Kubernetes版本迭代过程中，会不断修复发现的安全及稳定性漏洞，长久使用EOS版本集群会给业务带来安全和稳定性风险。 支持新功能和新操作系统：Kubernetes版本的迭代过程中，会不断带来新的功能、优化。您可通过CCE集群版本发布说明查看最新版本的特性说明。 避免大跨度兼容风险：Kubernetes版本的迭代过程中，会不断带来API变更与功能废弃。长久未升级的集群，在需要升级时需要更大的运维保障投入。周期性的跟随升级能有效缓解版本差异累积导致的兼容性风险。建议用户每季度升级一次补丁版本，每年升级一次大版本至当前支持的最新版本。 更加有效的技术支持：对于EOS的Kubernetes版本集群，CCE不再提供安全补丁和问题修复，同样无法保证EOS版本集群的技术支持质量。

本节描述了GeminiDB Redis的电商行业、游戏行业、视频直播、在线教育的应用场景。 GeminiDB Redis作为兼容Redis接口的keyvalue数据库，扩展了社区版原生Redis的应用场景，使其不再仅仅运用于缓存，而是可以更好的满足持久化，混合存储等多样化的业务需求。 电商行业 电商应用的商品数据具有较为明显的冷热特征，使用GeminiDB Redis后，热门商品信息作为热数据驻留在内存中，冷门商品信息会置换到共享存储池中，这样既满足了热门商品的快速访问需求，又解决了海量商品数据纯内存存储成本高的问题。 电商应用的海量历史订单数据，可使用GeminiDB Redis进行持久化存储。通过Redis接口完成数据存取，可支持TB级海量数据存储。 电商大促活动会导致短时间出现大量并发访问，可选择GeminiDB Redis作为前端缓存（需要配置大内存），帮助后端数据库抗过业务高峰。GeminiDB Redis可针对计算节点一键式秒级无损扩容的特点，也可以帮助客户更加从容的应对此类计划性的流量突发行为。 游戏行业 游戏业务数据Schema较为简单，可选择GeminiDB Redis作为持久化数据库，通过使用简洁的Redis接口快速完成业务开发上线。例如，可使用Redis的有序集合结构完成游戏排行榜的实时展现。 对于时延非常敏感的游戏场景，也可以使用GeminiDB Redis作为前端缓存（需要配置大内存），加速应用访问。

本节介绍智算安全专区的应用场景。 模型输入输出内容违规 场景特点：使用者输入违规内容（如违法犯罪、暴力色情等），诱导模型生成不相关或非法内容，造成不良影响。 解决方案：内置大模型内容安全引擎，在输入阶段评估提示词，防止生成非法结果；在输出阶段检测违规内容，及时阻断并进行事后审计。支持模型接口代理方式实时检测与阻断，通过三道过滤防线保障内容安全。 敏感数据安全脱敏 场景特点：在问答结果输出阶段，应用可能带出个人简历、薪资情况等敏感信息，导致泄露。 解决方案：在数据输入阶段介入脱密信息处理，使进入RAG 语料库的资料均为脱敏后材料，基于大模型的智能脱敏在保护敏感信息的同时保留数据可用性。

模型推理服务广泛应用于多种场景,本文带您更快了解模型推理服务经典应用场景。 模型推理 向下纳管智算硬件资源，提供技术运维服务及推理加速。向上提供高性能的模型调用服务，可以通过标准的API接口将平台提供的大模型服务集成到自己的业务系统中，提供模型推理一站式部署服务。 主要面向用户：各种软件开发商，特别是行业软件开发商，以及科研院所、大专院校和教育机构、政府、金融机构、工业企业、科技单位、医院等行业客户。 模型应用 大模型与插件工具的结合能够有效拓展其在复杂任务中的实用性，支持接入私有知识库增强领域应答，集成联网搜索获取实时信息。 主要面向用户：需要组合模型和工具提供智能办公、智能客服、智能运维能力以及业务主要为知识密集型场景和特定内容生成的企业。

本文为您介绍如何创建账号登录名。 账号登录名指为当前账号分配的登录名，由账号前缀名和账号别名（后缀名），以及中间的“”共同组成。创建账号登录名成功后，可以为子用户设置后缀为账号别名的登录名。拥有登录名的子用户，可以使用登录名和密码完成登录。 账号登录名 1. 账号登录名总长度为3128位，首字母必须英文字母或汉字，只支持英文大小写字母、数字、汉字、“.”、“”或“”。 2. 账号登录名需要全局唯一。 3. 前缀名尾字母不能为“”，后缀名首字母不能为“ ”。 账号别名 1. 账号别名长度为163位，首字母不允许为“”，只支持英文大小写字母、汉字、数字、“.”、“”或“ ”。 2. 账号别名需要全局唯一。 3. 创建完成的账号别名，目前仅支持修改，不支持删除。 4. 由一位主用户创建的子用户，账号别名一致。且主用户调整账号后缀，所属子用户的账号后缀也会同步更新。 账号前缀名 1. 账号别名最小长度为1，最大长度为登录名总长度限制后缀名长度，前缀名尾字母不允许为“”，只支持英文大小写字母、汉字、数字、“.”、“”或“ ”。 2. 在相同账号别名的基础上，账号前缀名需要全局唯一。 3. 创建完成的账号前缀名，目前仅支持修改，不支持删除。

2.4 分区建议 建议按上面样例配置分区，可适当调整分区大小或添加分区。下面说明各个分区。如果需要修改样例中的分区，请先阅读这部分。 分区1，biosgrub分区。当使用GPT分区表，同时使用BIOS方式启动时，GRUB需要安装到该分区，以启动Linux。根据GRUB的文档，此分区大约有1~2MiB即可。使用UEFI方式启动时不需要此分区。参考GRUB文档BIOS installation。 分区2，EFI分区。当使用UEFI方式启动时，必须有此分区，且文件系统必须是fat32。此分区保存EFI启动程序，不需要特别大，一般512MiB到1GiB即可（某些机器上，此分区过小可能导致无法启动）。使用BIOS方式启动时不需要此分区。同时保留分区1和分区2可使分区同时兼容BIOS或UEFI启动方式。关于EFI分区的一般信息，参考EFI 系统分区。 分区3，boot分区。挂载到/boot目录，存放Linux内核、Initramfs等。此分区不需要特别大，一般1~2GiB即可（最少应比两套内核+Initramfs等要大，已保证能升级内核）。建议使用成熟、稳定的文件系统。单独保留此分区把Linux内核和其他分区隔离开，有利于保证启动的稳定性。参考[/boot](

本文通过完全开源的RAGFlow服务与云搜索服务的OpenSearch向量数据库与搜索大模型快速构建智能知识问答（RAG）服务。 RAGFlow 是一款基于深度文档理解的开源RAG（检索增强生成）引擎。它为企业级用户提供了一套端到端的 RAG 解决方案，通过结合大语言模型（LLM） 的能力，实现对多样化复杂格式数据的精准解析与知识检索，为用户提供依据充分、真实可靠的问答服务，并确保所有回答均附带可追溯的引用来源。 RAG（Retrieveraugmented Generation）是一种结合了信息检索和生成的自然语言处理（NLP）技术，特别适用于需要从大量数据中检索信息并生成自然语言文本的场景。它在处理复杂任务时能够提升生成模型的性能，尤其是在模型缺乏足够上下文或知识的情况下。 RAG的优势 RAG通过检索外部知识库或数据库中的相关信息，能够在生成过程中动态地补充实时或特定领域的知识，弥补了生成模型的“知识盲区”。这使得模型能够在没有训练时直接获得的信息基础上进行更加准确的回答或内容生成。针对企业内部包含的敏感数据（如薪资标准、客户资料等）以及大量专有信息（包括产品文档、客户案例、流程手册等），RAG提供了安全的解决方案。由于这些非公开信息无法直接预置到大模型中，RAG通过外部知识调用的方式，既满足了信息需求，又确保了数据安全性。

本文为您介绍GPU云主机的主要应用场景。 图形图像渲染 图形图像渲染场景下天翼云GPU云主机最高采用业界领先的GPU A10显卡，提供24G的大显存容量和强大的图形填充速率，支持多种图形加速接口，如DirectX 12、OpenGL 4.5、Vulkan 1.0等，配合英伟达官方vWS Licence 授权，为专业级CAD、视频渲染、图形处理提供所需的强大计算能力，为虚拟化工作站、桌面和应用程序提供行业内超高的用户性能，结合天翼云的对象存储、弹性云主机以及专线，可以快速构建自己的图像渲染以及分析计算中心。 科学计算 在科学计算领域，模拟仿真过程中，消耗大量计算资源的同时，会产生大量临时数据，对存储带宽与时延也有极高的要求。P系列计算加速型GPU云主机，最高采用业界领先的GPU显卡A100，提供40GB的显存容量和9.7TFLOPS双精度计算能力以及大吞吐的带宽。同时支持一机多卡模式，让用户可以在一台云主机上体验多卡的计算能力，达到计算性能翻倍。 AI深度学习 AI深度学习需要处理大批量数据，并不断迭代神经网络参数以满足业务对预测精度的要求，对运行稳定性要求更高，对服务器响应延时也有更高要求。P系列计算加速型GPU云主机，采用业界领先的GPU显卡，提供大容量显存和高双精度计算能力以及大吞吐的带宽，其深度学习TF32运算能力可到156 TFLOPS，支持常见的深度学习框架TensorFlow、Caffe、PyTorch、MXNet 等。配合天翼云弹性云主机、负载均衡、对象存储、关系型数据库RDS、云监控等服务，可以搭建一个功能完备的深度学习平台，能够快速、高效、低成本的完成训练、推理任务。

本节主要介绍删除数据库登录 操作场景 您可以在不需要登录数据库时删除自己创建的数据库登录信息 注意 删除对象为在DAS中创建的登录入口，虽对您的数据库运行无任何影响，但数据库登录信息一旦删除，无法恢复，请谨慎操作。 操作步骤 1. 在开发工具数据库登录列表页面，选择待删除的数据库连接，单击操作列表的“删除”。 2. 在删除确认弹出框中，单击“是”删除数据库登录信息。

本文旨在向您介绍一站式智算服务平台断点续训的功能。 产品背景 大模型训练过程往往比较长，根据业界数据，平均约两天，大模型训练会中断一次，经常遇到的问题例如： 程序出现故障 节点出现故障 loss数据恶化，需要手动暂停，调参重训 服务器故障、网络中断、开发平台故障等 断点续训过程需要排查节点、隔离节点、重新启动上一次CKPT，浪费了资源和训练时间，是大模型训练的重要痛点之一。针对这一问题，平台提供了断点续训能力并支持配置客户需要的策略。 断点续训 平台对节点故障、集群故障、程序故障等多种场景，支持故障感知、故障定位、故障修复。目前支持PyTorch、Mindspore框架。 支持以下故障类型： 网络故障：当网卡链接出现故障或状态异常（link status: DOWN）后，可正常触发重调度，实现断点续训 节点心跳故障：当节点因Label异常等原因导致心跳丢失后，可正常触发重调度，实现断点续训 节点Shutdown/Reboot故障：当节点被关闭或重启后，可正常触发重调度，实现断点续训 芯片PCIE故障：当节点发生芯片丢失等异常后，可正常触发重调度，实现断点续训 断点故障：当错误发生时断点正在写入，未正常完成保存即断点保存不完整时，可正常恢复至上一完整断点，实现断点续训

本文介绍对象存储性能优化最佳实践。 批量上传大量文件至对象存储 批量上传大量文件至对象存储，如某应用系统日志文件上传。尤其是MB左右及以下海量对象场景，推荐使用随机前缀的对象名，从而能够使业务请求均匀分布在多个分区，达到水平扩展性能最优的效果。 示例： 如某应用日志文件归档，原本上传对象为如下形式： /log/2022061001.log.tar.gz /log/2022061002.log.tar.gz /log/2022061004.log.tar.gz ... /log/2022061101.log.tar.gz /log/2022061102.log.tar.gz /log/2022061103.log.tar.gz /log/2022061104.log.tar.gz 建议为对象名添加3位以上16进制哈希前缀： /8bclog/2022061001.log.tar.gz /95dlog/2022061002.log.tar.gz /6c5log/2022061003.log.tar.gz /da3log/2022061004.log.tar.gz ... /a7clog/2022061101.log.tar.gz /2bclog/2022061102.log.tar.gz /ea7log/2022061103.log.tar.gz /1d8log/2022061104.log.tar.gz 大量上传GB级以上大文件至对象存储 当上传GB及以上大文件甚至是TB级文件（如大型镜像安装包、高清视频文件等）时，推荐使用分段方式进行上传。 采用单次方式上传文件存在5GB大小的限制，并且一旦出现网络波动等原因导致传输中断，需要完整的重新上传整个文件，开销较大。因此，建议使用分段的方式上传大文件，一个文件的多个分段并发上传同时能够提升性能。