- 综合排序
- 最热优先
- 最新优先
- 来自专栏乐沙弥的世界
Oracle 自动故障诊断
一、故障自动诊断概述 Oracle故障诊断有助于预防，检测，诊断和解决问题。特别针对的问题是诸如由代码错误，元数据损坏和客户数据损坏引起的重大错误。 ora11g/trace/ora11g_ora_13535.trc 1 Active Problem Count 1 1 Active Incident Count 5 5、企业管理器工作台 企业管理器支持工作台（Support Workbench）是一种使您能够在易于使用的图形界面进行调查，报告和在某些情况下修复问题（严重错误）的工具。 支持工作台提供了一种自助服务方式，您可以在最短的时间内收集第一故障诊断数据，获取支持请求号码并将诊断数据上传到Oracle支持，从而减少解决问题的时间。 五、自动故障诊断工作流 ? 一个永远在线的内存中跟踪功能使数据库组件能够在第一时间捕获诊断数据首次出现严重错误。
2.6K20发布于 2018-09-20 - 来自专栏剑指工控
无线Profinet IO 故障诊断
这时我们首先想到在地面测抓包进行分析，通过WireShark抓取5分钟数据包，结果如下： 这是我们发现了一条异常数据包，源地址为SIEMENS_8a:bd:e6,目的地址为PN-MC_00:00:00 但是在下面这张图中我们发现了SIEMENS_34:63:f5的这个地址，这个说明车上IO Device的数据通过无线正常发送到地面了。这也就说明了LLDP数据包是可以通过无线网桥的。
1.8K50发布于 2021-11-09 - 来自专栏云云众生s
Kubernetes中PostgreSQL的故障诊断
5 Running 0 35s hippo-ha-pgha1-xxtf-0 5/5 Running 0 35s 我们请求 5m CPU，并将每个 Postgres Pod 的限制设置为 10m CPU。 5 Running 0 34s hippo-ha-pgha1-v4t5-0 5/5 Running 0 34s hippo-ha-repo-host 5 Running 0 35s hippo-ha-pgha1-zhx8-0 5/5 Running 0 35s hippo-ha-repo-host 5 Running 0 32s hippo-ha-pgha1-drmv-0 5/5 Running 0 32s hippo-ha-repo-host
66310编辑于 2024-03-28 - 来自专栏科控自动化
PROFINET现场网络故障诊断
网络对于工业自动化项目的重要性 PROFINET常用的诊断工具介绍 PROFINET现场网络故障诊断案例分享 P.S. 设备安装完成,家里测试无异常,去到客户现场，发现Y轴驱动器总是通信掉线(5类网线)。后换成7类屏蔽双绞金属头网线。 4. Y轴还经常报警F7492(平均1天一次),实在没办法就将线拆掉重新接了一遍 5. 400W电机，伺服转速2万LU，丝杆导程10mm(无减速机，X轴负载估计4kg，Y轴负载估计2kg)。 3、因为是2轴联动,所以也没办法提前设定路径 4、V90上电之后的启动时间也太长了 5、原点只能接到PLC上？
1.5K21编辑于 2022-03-29 - 来自专栏猫头虎博客专区
硬件故障诊断：快速定位问题
大家好，我是猫头虎博主！在日常的计算机使用过程中，硬件故障是无法避免的问题。但如何快速、准确地定位到问题所在，是每个技术爱好者和专业人士都应该掌握的技能。在这篇博文中，我将带大家深入探讨硬件故障的常见原因、诊断工具和解决策略。 我将结合实际案例，帮助大家更深入地理解和应用。🔧
1K10编辑于 2024-04-09 - 来自专栏工业科技1
水泵状态监测与故障诊断
因此，对水泵的运行状态进行有效的实时在线状态监测和故障诊断，可以尽快发生问题，及时提供水泵维修的科学方法，有助于缩短维修时间，节约维修费用，降低能源消耗，提高设备运行的安全可靠性，真正实现水泵系统运行状态的专业化
89400发布于 2021-09-08 - 来自专栏AI+运维：智能化运维的未来
深度学习：故障诊断的智慧医生
深度学习：故障诊断的智慧医生在运维的世界里，系统故障就像感冒，总会不期而至。如果能提前预测并诊断故障，那运维工程师的生活就能少很多“深夜紧急修复”时刻。 传统的监控系统往往依赖于规则和阈值，而深度学习的加入，让故障诊断进入了智能化时代。1. 为什么选择深度学习？传统的故障检测方法主要依赖于阈值告警、规则匹配，甚至靠运维工程师的经验。 深度学习模型选择故障诊断通常涉及时间序列分析，LSTM（长短时记忆网络）是处理此类数据的热门选择。LSTM可以捕捉长期依赖关系，在预测故障趋势方面有很强的能力。 5. 未来展望：AIOps的崛起AIOps（人工智能运维）正在成为运维领域的新趋势。未来，结合深度学习的故障诊断可以做到：自动化告警优化：减少误报，提高故障发现率。 深度学习的加入让故障诊断从被动响应转向主动预测，为运维工程师提供了更精准的决策支持。未来，结合AIOps，运维的智能化程度将进一步提升，让系统更稳定，工程师也能睡个好觉！
47210编辑于 2025-02-27 - 来自专栏爱可生开源社区
故障分析 | Kubernetes 故障诊断流程
二、故障诊断流程 2.1 Pods 模块检查 以下流程若成功则继续往下进行，若失败则根据提示进行跳转。 get pods NAME READY STATUS RESTARTS AGE myapp-deploy-55b54d55b8-5msx8 0/1 Pending 0 5m kubectl describe pod <pod-name>：若正确输出指定的一个或多个资源的详细信息,则判断是否集群资源不足 [root@10-186-65-37 ~]# kubectl logs myapp-deploy-55b54d55b8-5msx8 127.0.0.1 - - [30/Sep/2021:06:53:16 a)进行映射 [root@10-186-65-37 ~]# kubectl port-forward myapp-deploy-55b54d55b8-5msx8 8080:80 Forwarding
1.6K20发布于 2021-11-11 - 来自专栏深度残差收缩网络
故障诊断为什么要用深度学习?
故障诊断入门级选手提个问题，振动信号分析直接做频谱分析就好了，为啥需要人工智能? 顺便推荐一种专门针对强噪声情况下故障诊断的深度学习方法——深度残差收缩网络。
1.2K55发布于 2020-08-29 - 来自专栏科控自动化
DCM F60300故障诊断1
2.2 三相桥式整流电路工作原理 Ⅰ Ⅱ Ⅲ Ⅳ Ⅴ Ⅵ 1 1 3 3 5 5 6 2 2 4 4 6 Uab Uac Ubc Uba Uca Ucb <图2-1三相桥式整流电路工作原理> 2.3
1K20编辑于 2022-03-29 - 来自专栏测试技术圈
故障诊断工具Glassbox在Tomcat上应用
故障诊断工具Glassbox在Tomcat上应用 简介 glassBox是一个自动故障排除和监控的应用程序，通过一次点击诊断常见的问题。无论是在生产或测试，你都可以拖放到您现有的Java应用服务器中。
94730发布于 2019-08-02 - 来自专栏测试技术圈
JVM的故障诊断神器：Yourkit 监控Jetty
Windows安装yourkit Java Profiler 2014, 在工具中get free license就可以了。 Linux 下载linux版本的youkit
1.3K30发布于 2019-08-02 - 来自专栏物联网智慧生活
工业网关设备远程监控及故障诊断
全网通5G/4G工业网关连接物联网感知层与上位控制中心，数据采集上传、对接云平台设备远程控制、工业PLC远程编程与调试、在线监控、在线仿真、程序的上传与下载等功能，实现工业生产制造自动化、信息化、智能化运行 图片10.png 工业网关设备远程监控及故障诊断 1、设备运行状态监控，包括关键参数监控，是否存在故障; 2、故障预警及告警，关键参数超过阀值告警，以及出现故障告警并通过短信，邮件等方式发送至 PC或APP客户端; 3、数据统计，运行时常，能耗分析等; 4、运行曲线分析，报表生成及打印; 5、地图展示，设备定位; 6、客户管理，设备管理; 7、数据存储，历史数据查询等。 与传统的故障诊断相比较，设备与平台智能化能够在沟通管理部门、运行现场、诊断专家和制造商之间的信息，快速准确、低成本的排除设备故障等方面具有的无可比拟的优越性。
88730发布于 2021-06-24 - 来自专栏技术热文
随机森林在故障诊断中的作用
随机森林在故障诊断中的作用一、随机森林在故障诊断中的作用（一）提高诊断准确性随机森林是一种集成学习算法，通过构建多个决策树并结合它们的预测结果来提高分类的准确性和鲁棒性。 二、随机森林在故障诊断中的应用案例（一）滚动轴承故障诊断一种基于随机森林算法的滚动轴承故障诊断方法，通过声音信号特征建立诊断模型，能够有效提高诊断的准确性和鲁棒性。 （二）柴油机涡轮增压器故障诊断随机森林方法也被应用于柴油机涡轮增压器的故障诊断中，通过对仿真模型获得的数据进行训练，随机森林能够更准确地识别涡轮增压器的故障。 特征重要性评估：输出每个特征的重要性，帮助理解哪些特征对故障诊断最为关键。四、总结随机森林在故障诊断中具有重要作用，它能够提高诊断的准确性，评估特征的重要性，并且具有较强的适应性。 通过合理选择特征和优化参数，随机森林可以在各种工业场景中实现高效、准确的故障诊断。随着工业自动化和智能化的发展，随机森林在故障诊断领域的应用前景将更加广阔。
51310编辑于 2025-05-16 - 来自专栏云云众生s
ChatGPT 能否解决集体 Kubernetes 故障诊断吗？
当这种情况发生时，你会失去独立探查、故障诊断和修复系统的技能。这种趋势使过去可获得的大量共享故障诊断技巧变成了一个相比过去的细流。 当我们依赖平台时，集体故障诊断技巧的智慧就会消失。 这正是随着这一代 AI 驱动的故障诊断平台的到来而消失的故障诊断智慧。 第二种：将操作员从故障诊断中排除 这些工具不关心公开知识的洪流。 Causely 就是这样一家初创公司，他们并不掩饰使用 AI “消除人为故障诊断”的愿景。 我们可以做的最好的事情是继续在线发布关于我们在 Kubernetes 和其他领域的故障诊断工作的惊人内容，例如“关于故障诊断 Kubernetes 部署的可视化指南”；创建教育游戏化的应用程序，如 SadServers
32810编辑于 2024-03-28 YashanDB数据库故障诊断及自动恢复技术
因此，了解如何高效地进行数据库故障诊断及恢复，是每一个数据库管理员必须掌握的技能。 YashanDB作为一个高性能的数据库管理系统，提供了一系列故障诊断与自动恢复技术，旨在确保在发生故障时及时、可靠地恢复服务。 故障诊断技术健康监控YashanDB的健康监控功能通过健康监控线程（HEALTH_MONITOR）实时监控数据库组件状态，定期检测内存使用、存储空间状态和运行性能等关键指标。 5. 经常审查Redo日志管理策略，以支持高效的数据恢复和损失控制。结论YashanDB通过健康监控、自动诊断存储库和主备高可用架构等技术手段，有效地解决了数据库故障诊断与自动恢复的问题。
28510编辑于 2025-08-28YashanDB故障诊断与恢复指南，保障企业数据安全
YashanDB作为一款具备多样部署架构、先进存储管理和高可用保障的关系型数据库系统，提供了完善的故障诊断与恢复机制，确保企业数据在复杂运行环境下的安全与稳定。 故障诊断架构与自动诊断存储库机制YashanDB故障诊断体系架构通过多层机制实时监测数据库健康状态并自动收集诊断数据。健康监控线程（HEALTH_MONITOR）持续跟踪数据库组件，及时发现严重异常。 故障发生时，系统自动触发故障诊断，生成事件编号并将诊断数据存储于自动诊断存储库中，该存储库组织结构包括健康报告（hm）、元数据（metadata）、黑匣子（blackbox）及trace日志，为故障根源分析提供完整数据支持 结论YashanDB基于其多种部署架构和丰富的底层技术支持，构建了全面的故障诊断与恢复体系。
29910编辑于 2025-08-19YashanDB数据库集群故障诊断及恢复实战
针对如何有效诊断和恢复YashanDB数据库集群中的故障，我们在本文中将深入探讨故障诊断的技术方案及恢复操作的最佳实践。 故障诊断方法1. 健康监控YashanDB提供健康监控线程（HEALTH_MONITOR），实时监控数据库组件的状态。 结论通过有效的故障诊断和恢复策略，YashanDB数据库的可用性和稳定性得以保障。企业在实际项目中，应积极应用上述故障诊断与恢复的技术原理和最佳实践，以实现业务的持续正常运作。
15700编辑于 2025-08-28- 来自专栏鹅厂网事
浅谈端到端质量检测和故障诊断
本文将从网络设备的视角，结合当前业界的一些技术，谈一下个人对端到端质量监控和故障诊断的一些浅见，不妥之处还请海涵。 未来的发展方向： 上述两种解决方案，都借鉴了一些SDN的集中控制、分布处理的思路，一定程度上解决了端到端质量监控分析和故障诊断的部分问题。 ，只要我们基于转发路径上各个设备的counter计数，在controller上开发出相应的flow的定制、跟踪、分析功能，就能在端到端的全路径上看到完整的flow的转发情况，从而在故障时快速做出准确的故障诊断
3.3K60发布于 2018-02-05 - 来自专栏测试技术圈
Java的Web应用故障诊断之glassbox配置
operationAnalyzer.minimumSlowFrace=0.05 是最大超过上述运行目标的次数不能超过5%,否则要报警。
53330发布于 2019-08-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号