华为云用户手册

同一个任务配置运行多次仿真任务都可以改变什么？ 基于同一个任务配置运行多次仿真任务，可以更改“算法版本”，见下图。 不支持修改任务配置和场景库、测试套件的关联关系，但是可以继续往场景库以及套件中增删场景或用例。新运行的任务，则会读取当下场景库或用例中的场景数据。如果清空里面的有效场景或用例，会导致任务运行失败。 不支持修改任务配置和评测的关联关系，但是评测自身属性，可以在评测管理页面进行调整。再次启动任务时，将使用新的评测方式。 父主题： 仿真服务常见问题

Vehicle vehicle_info { stamp_secs: 1604996332 stamp_nsecs: 847945211 autonomy_status: 0 gear_value: 4 vehicle_speed: 43.93000030517578 steering_angle: 0.699999988079071 yaw_rate: 0.0 interior_temperature: 0.0 outside_temperature: 0.0 brake: 0.0 timestamp: 1604996332847 turn_left_light: 0 turn_right_light: 0 longitude_acc: -0.03125 lateral_acc: 0.0 }

Ego_tf localization_info { timestamp: 1604996332855 stamp_secs: 1604996332 stamp_nsecs: 855301408 pose_position_x: 1165.5460205078125 pose_position_y: -479.2198486328125 pose_position_z: -1.48505699634552 pose_orientation_x: 0.003883248195052147 pose_orientation_y: -0.0031167068518698215 pose_orientation_z: 0.7017714977264404 pose_orientation_w: 0.7123847603797913 pose_orientation_yaw: 1.5557808876037598 velocity_linear: 12.21684455871582 velocity_angular: 0.014540454372763634 acceleration_linear: 0.23571151494979858 acceleration_angular： 0.0 }

Tag_record segments { scenario_id: 100000000 source: "takeover" start: 1617336642300 end: 1617336652300 } segments { scenario_id: 100000000 source: "vehicle" start: 1617336672300 end: 1617336692300 }

Routing_path timestamp: 1630057162125 stamp_secs: 1630057162 stamp_nsecs: 125769156 routing_path_info { id: 1 path_point { x: -203.34230041503906 y: 125.63516998291016 z: -0.5 } path_point { x: -203.34915161132812 y: 125.72517395019531 z: -0.5 }......}

Predicted_objects stamp_secs: 1617336640 stamp_nsecs: 971891550 timestamp: 1617336640971 obstacle_info { obstacle_timestamp: 1617336640699 id: 6711 x: -123.08731842041016 y: 486.83221435546875 z: 0.575542688369751 prediction_trajectory { path_point { x: -103.26817321777344 y: 486.0815734863281 theta: -0.007839304395020008 v: 4.405668258666992 relative_time: 4.5 } path_point { x: -102.82765197753906 y: 486.0737609863281 theta: -0.00746726430952549 v: 4.405668258666992 relative_time: 4.599999904632568 } ...... } } obstacle_info { obstacle_timestamp: 1617336640699 id: 6744 x: -145.0320587158203 y: 491.35015869140625 z: -0.40381166338920593 prediction_trajectory { path_point { x: -145.0320587158203 y: 491.35015869140625 theta: -2.9442124366760254 v: 1.0038001537322998 } path_point { x: -145.1304931640625 y: 491.3304748535156 theta: -2.9442124366760254 v: 1.0038001537322998 relative_time: 0.10000000149011612 } ...... } } obstacle_info { obstacle_timestamp: 1617336640699 id: 6760 x: -138.3047332763672 y: 489.9286193847656 z: -0.12651222944259644 }

Planning_trajectory stamp_secs: 1617336640 stamp_nsecs: 809739351 timestamp: 1617336640809 trajectory_points { x: -151.27487182617188 y: 486.55096435546875 theta: 0.0023324606008827686 kappa: -0.0017824547830969095 } trajectory_points { x: -151.21182250976562 y: 486.5510559082031 theta: 0.0022713469807058573 kappa: -0.0017127590253949165 } ......

Object_array_vision tracked_object { timestamp: 1604996332862 stamp_secs: 1604996332 stamp_nsecs: 862911489 objects { id: 26175 label: "Car" pose_position_x: 1154.59912109375 pose_position_y: -496.5350646972656 pose_position_z: -1.8222997188568115 pose_orientation_z: 0.714431643486023 pose_orientation_w: 0.6997052431106567 pose_orientation_yaw: 1.5916229486465454 dimensions_x: 4.513162136077881 dimensions_y: 1.7747581005096436 dimensions_z: 1.628068208694458 speed_vector_linear_x: 0.012852923013269901 speed_vector_linear_y: -9.972732543945312 relative_position_x: -17.48011016845703 relative_position_y: 10.685434341430664 relative_position_z: -0.17673441767692566 } objects { id: 26170 label: "Pedestrian" pose_position_x: 1180.902099609375 pose_position_y: -504.7625732421875 pose_position_z: -1.3601081371307373 pose_orientation_z: -0.7057344317436218 pose_orientation_w: 0.7084764242172241 pose_orientation_yaw: -1.5669186115264893 dimensions_x: 0.7922295331954956 dimensions_y: 0.7891787886619568 dimensions_z: 1.6868246793746948 speed_vector_linear_x: 0.13573257625102997 speed_vector_linear_y: 1.5281875133514404 relative_position_x: -25.306795120239258 relative_position_y: -15.737456321716309 relative_position_z: 0.39350399374961853 } objects { id: 26169 label: "Pedestrian" pose_position_x: 1175.647216796875 pose_position_y: -506.730712890625 pose_position_z: -1.569373607635498 pose_orientation_z: 0.6943609118461609 pose_orientation_w: 0.7196269631385803 pose_orientation_yaw: 1.5350627899169922 dimensions_x: 0.8029457330703735 dimensions_y: 0.7876891493797302 dimensions_z: 1.6028095483779907 speed_vector_linear_x: 0.06551000475883484 speed_vector_linear_y: 0.0022428608499467373 relative_position_x: -27.355571746826172 relative_position_y: -10.512933731079102 relative_position_z: 0.19844147562980652 } objects { id: 26168 label: "Pedestrian" pose_position_x: 1173.3189697265625 pose_position_y: -507.2300109863281 pose_position_z: -1.6026556491851807 pose_orientation_z: 0.717462956905365 pose_orientation_w: 0.6965966820716858 pose_orientation_yaw: 1.600306749343872 dimensions_x: 0.7922430038452148 dimensions_y: 0.7811086177825928 dimensions_z: 1.6341478824615479 speed_vector_linear_x: -0.04817964881658554 speed_vector_linear_y: -0.21502695977687836 relative_position_x: -27.89008903503418 relative_position_y: -8.192517280578613 relative_position_z: 0.16775710880756378 } objects { id: 26155 label: "Bus" pose_position_x: 1172.106689453125 pose_position_y: -478.5303039550781 pose_position_z: -0.48812994360923767 pose_orientation_z: -0.7203028798103333 pose_orientation_w: 0.6936596632003784 pose_orientation_yaw: -1.6084778308868408 dimensions_x: 11.322981834411621 dimensions_y: 2.9294095039367676 dimensions_z: 3.1415622234344482 speed_vector_linear_x: -0.017722932621836662 speed_vector_linear_y: 0.1302066147327423 relative_position_x: 0.7977913022041321 relative_position_y: -6.548437118530273 relative_position_z: 0.9966707229614258 } objects { id: 26153 label: "Bus" pose_position_x: 1148.1876220703125 pose_position_y: -490.8350524902344 pose_position_z: -0.954763650894165 pose_orientation_z: 0.6907882690429688 pose_orientation_w: 0.7230570912361145 pose_orientation_yaw: 1.5251574516296387 dimensions_x: 10.779899597167969 dimensions_y: 2.856076717376709 dimensions_z: 2.811084508895874 speed_vector_linear_x: 0.03153659775853157 speed_vector_linear_y: 0.23439916968345642 relative_position_x: -11.868709564208984 relative_position_y: 17.1827335357666 relative_position_z: 0.6278138756752014 } objects { id: 26141 label: "Bus" pose_position_x: 1171.7779541015625 pose_position_y: -512.5936889648438 pose_position_z: -0.9443151354789734 pose_orientation_z: -0.7186583876609802 pose_orientation_w: 0.6953632831573486 pose_orientation_yaw: -1.6037421226501465 dimensions_x: 10.841312408447266 dimensions_y: 2.9661808013916016 dimensions_z: 3.2250704765319824 speed_vector_linear_x: 0.0513402484357357 speed_vector_linear_y: 0.006104861851781607 relative_position_x: -33.26952362060547 relative_position_y: -6.731308937072754 relative_position_z: 0.8776476979255676 } objects { id: 26133 label: "Bus" pose_position_x: 1146.657958984375 pose_position_y: -508.7508239746094 pose_position_z: -0.883571445941925 pose_orientation_z: 0.7007946968078613 pose_orientation_w: 0.713362991809845 pose_orientation_yaw: 1.5530219078063965 dimensions_x: 12.186415672302246 dimensions_y: 2.824420690536499 dimensions_z: 3.292656183242798 speed_vector_linear_x: 0.005901232361793518 speed_vector_linear_y: 0.013970088213682175 relative_position_x: -29.803848266601562 relative_position_y: 18.443498611450195 relative_position_z: 0.8749525547027588 } objects { id: 26120 label: "Bus" pose_position_x: 1170.993408203125 pose_position_y: -525.5801391601562 pose_position_z: -1.104852318763733 pose_orientation_z: -0.7154129147529602 pose_orientation_w: 0.6987019181251526 pose_orientation_yaw: -1.5944297313690186 dimensions_x: 10.749905586242676 dimensions_y: 2.7170863151550293 dimensions_z: 3.0421104431152344 speed_vector_linear_x: 0.016746148467063904 speed_vector_linear_y: -0.23609620332717896 relative_position_x: -46.26727294921875 relative_position_y: -6.141877174377441 relative_position_z: 0.8449855446815491 } }

Traffic_light_info timestamp: 1630057508000 stamp_secs: 1630057508 lights { id: 1 color: 1 location_x: -206.60186767578125 location_y: 459.9820861816406 location_z: 3.0 } lights { id: 2 color: 2 location_x: -74.1282958984375 location_y: 484.984619140625 location_z: 4.0 } lights { id: 3 color: 3 location_x: 59.96036911010742 location_y: 473.6038513183594 location_z: 5.0 }

Octopus开发基本流程？ Octopus是一站式自动驾驶开发平台，从数据收集上云，到自动化处理数据，自动或手动标注数据，创建并增量更新数据集，并将数据集用于模型训练，以及基于特定场景的在线仿真，用户都可以在Octopus平台上完成。 图1 Octopus开发流程 采集数据 指的是数据采集车辆各传感器的原始数据，是使用Octopus平台前的准备工作。当前支持使用Rosbag数据格式收集采集数据。 上传数据 原始数据采集完毕后，在平台上创建数据收集任务，通过多种方式上传数据文件至Octopus平台。 数据处理 通过用户自定义算子对Rosbag数据包进行处理，最终将原始数据结构化，解析出各种不同传感器详细数据，如摄像头录制的图像数据、雷达的点云数据、车辆行驶轨迹等。生成的图片可以直接用于标注。 标注数据 对于图片和点云数据，可以通过自动或人工的方式，标注图像中特定物体。标注后的图片和点云图片可用于模型训练，高质量的标注数据有利于模型精准度提升，并持续迭代。 增量数据集 将标注后的数据根据数据类型、标注、标签等，建立不同种类的数据集，同时支持数据集增量更新，可针对性用于不同算法和模型的训练。 模型训练 基于平台上创建好的数据集，可对自定义算法或内置算法进行训练，并对生成的模型进行评估，也可进一步用于预标注。 模型评估 在建模过程中，由于偏差过大导致的模型欠拟合以及方差过大导致的过拟合的存在，因此需要一套评价体系，来评估模型的泛化能力。 在线仿真 仿真即通过软件模拟车辆行驶的路况和场景，不需要真实的环境和硬件，极大节省训练和测试的成本和时间。Octopus仿真服务预置了智能驾驶、主动安全、危险场景等六大场景实例，覆盖大部分驾驶路况，用户可直接在线使用，持续迭代提升自动驾驶安全性。 父主题： 关于Octopus

查看OBS桶与Octopus是否在同一区域 查看创建的OBS桶所在区域。 登录OBS管理控制台。 进入“对象存储”界面，可在桶列表的“桶名称”列查找，或在右上方的搜索框中输入已经创建的桶名称搜索，找到您创建的OBS桶。 在“区域”列可查看创建的OBS桶的所在区域。 查看Octopus所在区域。 登录Octopus控制台，在控制台左上角可查看Octopus所在区域。 图1 Octopus控制台 比对您创建的OBS桶所在区域与Octopus所在区域是否一致。务必保证OBS桶与Octopus所在区域一致。

如何查看用户拥有的权限？ 使用账号登录华为云。 在页面左上方单击“控制台”，进入华为云管理控制台。 图1 控制台入口 在控制台右上角的账户名下方，单击“统一身份认证”，进入“统一身份认证服务”页面。 图2 我的凭证 查找用户。 图3 查找用户 单击用户名进入用户详情，查看用户所属用户组。 图4 查找用户所属用户组 单击用户组，查看用户组授权记录。 图5 查看用户组授权 单击权限（以Octopus FullAccess为例），查看具体的权限策略内容。了解策略内容请参考策略语法。 图6 查看权限策略内容 父主题： 其他常见问题

“Octopus_data_collection.yaml”配置文件说明 数据包中必须含有“Octopus_data_collection.yaml”配置文件，且配置文件中采集时间、车辆名称、ego_tf关键字为必填项，各类型传感器的名字必须和文件夹名称一致，格式也必须与规范相匹配，否则会导致数据上传失败。 配置文件，主要包括车辆名称、传感器信息和标定ID等信息，详情参考如下： # 华为八爪鱼自动驾驶云服务数据采集说明 cardrive: collect_time: 2020-11-01T08:00:00+08:00 #数据包采集日期，精确到小时即可 station: '腾飞' #选填 数据采集地点名称，站点名称 car: vehicle_name: 'test0805' #车辆名称，仅支持在八爪鱼平台创建的车辆 route: 'shuttlebus_30km' #选填 车辆行驶路线 mode: 'auto' #选填 路线驾驶意图, auto代表自动驾驶, manual代表人工驾驶采集 tags: #选填 数据包对应标签ID description: '' #选填 数据包描述 data_type: OpenData #必填 数据包类型，转换后的OpenData数据中包含ocotopus_data_collection.yaml文件 map_id:'' #选填，高精地图ID，字符串类型，配备后才可在回放数据界面展示高精地图信息。 folders: #必填，传感器信息（硬盘递送选填，obs导入和本地直传必填） camera: #camera类型传感器 数量不超过20个 - name: camera_03encode format: jpg lidar: #lidar类型传感器 数量不超过10个 - name: pandar format: pcd gnss: #gnss类型传感器 数量不超过1个 - name: inspvax format: proto3 radar: #radar类型传感器 数量不超过10个 - name: pandar format: pcd vehicle: #vehicle类型传感器 数量不超过1个 - name: holo_VehicleInfoMagotan format: proto3 ego_tf: #ego_tf类型传感器 数量不超过1个 - name: localization_info format: proto3 object_array_vision: - #object_array_vision类型传感器 数量不超过5个 - name: tracked_objects format: proto3 tag_record: #tag_record类型传感器 数量不超过1个 - name: tag_record format: proto3 planning_trajectory: #planning_trajectory类型传感器 数量不超过1个 - name: planning_trajectory format: proto3 predicted_objects: #predicted_objects类型传感器 数量不超过1个 - name: prediction_prediction_obstacles format: proto3 control: #control类型传感器 数量不超过1个 - name: holo_ControlCommand format: proto3 routing_path: # routing_path类型传感器 数量不超过1个 - name: routing_routing_response_viz format: proto3 traffic_light_info: # traffic_light_info类型传感器 数量不超过1个 - name: traffic_light format: proto3

使用场景 Octopus平台接收到原始数据（Rosbag包）后，将对数据进行解包、轨迹和接管分析等操作，用于数据总览、数据场景、数据回放、标注服务等模块，请用户结合实际需求，准备好相应模块所需数据。 Octopus平台转换后的OpenData数据服务模块所需数据请见下表： 表2 数据和模块对应关系 类型 消息 数据总览 数据场景 数据回放 标注服务 相机 camera - - √ √ 激光雷达 lidar - - √ √ 位置数据 gnss √ - √ - 自车坐标姿态 ego_tf - √ √ - 车辆数据 vehicle - √ √ - 感知推理 object_array_vision - √ √ - 接管及打标签信息 tag_record - - √ - 控制指令 control - - √ - 规划轨迹 planning_trajectory - - √ - 预测跟踪 predicted_objects - - √ - 全局规划 routing_path - - √ - 交通灯 traffic_light_info - - √ - 毫米波雷达 radar - - √ -

数据类型 Octopus平台对数据有以下要求： 数据类型：包括各传感器数据、车辆数据、目标推理数据、自车坐标姿态以及标签记录数据等。 数据格式：Octopus OpenData格式。其中相机采集数据文件后缀为“.jpg”，激光雷达采集数据文件后缀为“.pcd”，其他采集数据文件后缀为“.pb”（谷歌定义的protobuf格式文件）。 详情请参考表1 数据类型和消息topic对应关系。 消息topic具体格式要求请参考“消息topic格式规范”。 接收到的消息topic示例请参考“消息topic格式示例”。 除上述数据外，数据包中必须含有“Octopus_data_collection.yaml”配置文件。 自车相关或每个传感器设备，都对应一个消息topic。 采集数据的topic名称支持自定义，包含中英文、数字、“_”“-”，不得超过64个字符。 表1 数据类型和消息topic对应关系 分类 数据类型 消息topic（示例） 文件后缀 备注 传感器 相机（camera） camera_front .jpg 录制车辆路况图像数据。 激光雷达（lidar） lidar_roof_0 .pcd 以发射激光束探测目标的位置、速度等特征量的雷达系统，探测车辆周围的目标位置，监测移动速度。 位置数据（gnss） gnss_raw .pb 通过卫星导航系统，定位车辆位置。 毫米波雷达（radar） RADAR_FRONT .pcd 工作在毫米波波段探测的雷达，探测车辆周围的目标位置，监测移动速度。 车辆数据 自车坐标和姿态数据(ego_tf） ego_tf .pb 定位自车所处位置以及当前车辆姿态。 车辆数据（vehicle） vehicle .pb 车辆底盘信息。 规划推理数据 目标推理数据（object_array_vision） object_array_vision .pb 感知数据信息。 标签数据 标签记录数据（tag_record） tag_record .pb 在车端标记驾驶过程中人工和自动驾驶路段以及其他重要信息。 控制数据 控制指令（control） control .pb 自车的方向盘转角、加速度值等控制数据。 规划路径 规划轨迹（planning_trajectory） planning_trajectory .pb 自车规划行驶路径。 预测路径 预测跟踪(predicted_objects） predicted_objects .pb 感知目标的预测路径。 全局规划 全局路径（routing_path） routing_path .pb 自车全局规划路径。 交通灯 交通灯信息（traffic_light_info） traffic_light_info .pb 红绿灯。

采样结果 如下图1和图2所示，对于某个逻辑场景进行拉丁超立方和蒙特卡洛采样，参数都是符合随机特性，但采样得到的值不相同。 对于同样的采样点数，拉丁超立方采样的结果会更加分散，并且边界值会更多。 图4 蒙特卡洛采样结果 图5 拉丁超立方采样结果 对于离散型参数，联合概率分布采样会根据给定的取值列表进行随机采样。 图6 离散型参数-联合概率分布采样结果 对于连续型参数，联合概率分布采样会根据参数分布和相关系数进行采样。 图7 连续型参数-联合概率分布采样结果 对于重要性采样，联合概率分布采样会在边界附近进行采样。 图8 重要性采样结果

注意事项 智能压缩默认对格式为 .js、.html、.css、.xml、.json、.shtml、.htm的文件进行压缩。 如果源站配置了MD5值校验，请勿开启此功能。CDN对静态文件压缩时，会改变MD5值，导致压缩后的文件的和源站文件的MD5值不一致。 部分浏览器暂不支持Brotli压缩，您可以前往这里查询。 后台有特殊配置的域名无法开启智能压缩。 同时开启Gzip、Brotli压缩方式时，优先执行Brotli压缩。 常见的图片文件类型（PNG、JPG、JPEG等）和视频文件类型（MP4、AVI、WMV等）已经做了内容的压缩处理，开启Gzip压缩或Brotli压缩没有效果，此类文件无需开启智能压缩。

计费说明 表2 计费说明 计费模式 变更操作 对费用的影响 包年/包月 扩容磁盘 您需要按照扩容的磁盘容量，结合使用周期内的剩余时间，补交差价。 例如：（以下价格仅作示例，实际价格以控制台显示为准） 客户于2023/6/1在华北-北京四购买规格为通用型 2vCPUs 8GB的RDS for MySQL 5.7单机实例，SSD云盘存储，存储空间40GB，购买周期为一个月。存储空间单价为1元/GB/月。 客户在2023/6/15将磁盘扩容60GB，扩容后总容量100GB。 补交费用 = 存储空间扩容量 x 单价 x 剩余周期 公式中的剩余周期为每个自然月的剩余天数/对应自然月的最大天数。 本示例中，剩余周期=15（6月份剩余未使用天数）/ 30（6月份最大天数）= 0.5，代入公式可得补交费用 = 60 x 1 x 0.5 = 30元 按需计费 扩容磁盘 扩容的磁盘容量按小时计费。具体请参见产品价格详情。

约束限制 账户余额大于等于0元，才可进行扩容。 实例状态为“正常”和“存储空间满”时可以进行扩容。 云数据库 RDS for MySQL实例本地SSD盘的最大扩容容量与所选实例规格有关，其他存储类型的磁盘最大可扩容至4000GB（如果您想提高存储空间扩容上限到10TB，请联系客服申请），扩容次数没有限制。 磁盘扩容期间，实例状态为“扩容中”备份业务不受影响。 如果是主备实例，针对主实例扩容时，会同时对其备实例进行扩容。 磁盘扩容的过程中，不需要重启数据库实例。 扩容过程中，该实例不可重启和删除。 磁盘容量变更只允许扩容，不能缩容。 选择磁盘加密的实例，新扩容的磁盘空间依然会使用原加密密钥进行加密。

磁盘满设置只读 数据库磁盘空间不足的原因和解决方案，请参见数据超过了RDS实例的最大存储容量怎么办。 表1 磁盘满只读说明 磁盘空间 说明 不区分磁盘大小 磁盘剩余空间一旦小于5GB，设置实例只读。 说明： 该条规则优先于其他设置只读的规则。 小于1TB 磁盘使用率到达97%，设置实例只读。 磁盘使用率下降到87%，解除只读。 大于或等于1TB 磁盘剩余空间小于30GB，设置实例只读。 磁盘剩余空间大于或等于150GB，解除只读。 图1 查看磁盘使用率

指标异常说明（影响） 生产数据库一定要及时清理非活跃逻辑复制槽。配置非活跃逻辑复制槽监控指标（连续3个周期 上报值≥1 Counts），当存在时，需要及时关注并处理。 存在非活跃逻辑复制槽产生的影响： 数据库残留的非活跃逻辑复制槽，会一直保留逻辑复制所需要的资源。数据库wal日志无法被清理，从而导致wal日志积压，占用更多的磁盘空间，严重时会导致磁盘满。 可能意味着应用侧的业务未按预期运行，存在风险。

排查及解决方法 排查是否存在失效的逻辑复制槽。 在发布端执行如下SQL，排查是否存在失效的逻辑复制槽。 若有返回时，则说明数据库中存在失效的逻辑复制槽，其中返回的slot_name字段为失效逻辑复制槽的名称。 select slot_name,database,active from pg_replication_slots where active ='f' and slot_type='logical'; 业务确认是否需要继续使用该逻辑复制槽。 联系业务方排查是否要继续使用该逻辑复制槽，若不使用时执行3。 若需继续使用，建议业务按照以下方向排查： 订阅端创建订阅时未启用逻辑复制槽的复制，手动设置为disable状态。 在订阅端执行以下SQL查看subenabled列的字段返回。 select subname,subenabled from pg_subscription; 若subenabled列的字段返回为f，说明订阅未启用逻辑复制，执行以下SQL启用订阅的逻辑复制。 ALTER SUBSCRIPTION sub_name ENABLE; 若返回为t，则进行以下步骤排查。 使用其他工具执行任务时使用的逻辑复制槽未自动清理，由于任务中断或源数据库或目标数据库的某些操作，如备份、重建索引等意外情况产生。 在发布端执行如下SQL查询，观察返回的“slot_name”字段的值是否是以drs等开头，则说明是执行drs任务产生的该逻辑复制槽，此时可根据任务情况，判断是否执行3清理。 select slot_name,database,active from pg_replication_slots where active ='f' and slot_type='logical'; 如果确认不再使用逻辑复制槽，则删除失效的逻辑复制槽。 select pg_drop_replication_slot('slot_name');

支持的数据库版本 仅如下版本支持SQL审计功能。如果您的数据库引擎版本较低，请参考升级内核小版本升级到最新版本。 对于RDS for MySQL 5.6云盘实例，支持5.6.43及其以上版本。 对于RDS for MySQL 5.6本地盘实例，支持5.6.47.3及其以上版本。 对于RDS for MySQL 5.7云盘实例，支持5.7.23及其以上版本。 对于RDS for MySQL 5.7本地盘实例，支持5.7.29.3及其以上版本。 支持RDS for MySQL 8.0版本。

语法限制 读写分离请求路由原理：客户的前端请求会根据当前数据库节点权重的配置，随机路由到后端任一数据库节点。 因此，一些SQL语句多次执行的结果可能存在差异，部分语句列举如下： 使用读写分离地址连接proxy和直连后端数据库执行show processlist结果返回有差异，因为proxy的show processlist是逻辑的，仅仅将通过proxy节点下发的业务展示出来，所以和直连后端数据库有差异。 当某一个代理节点处于异常状态时，通过读写分离地址连接proxy执行show processlist或者kill时，有可能会出现命令执行时间稍微变长或卡顿的情况，此时无需关注，业务不会受到影响。 当数据库代理节点缩容后，通过代理执行show processlist命令时，可能会将被缩容的节点上的业务展示出来。 通过数据库代理进行kill时，可能会出现超时等报错信息，此时可以通过再次执行show processlist查看业务是否真正被kill成功。 通过数据库代理的请求只能通过代理进行kill操作。 使用读写分离的连接地址时，不支持使用show errors和show warnings命令。 使用读写分离的连接地址时，如果存储过程(procedure)和函数(function)中依赖了用户变量，即@variable，则运行结果可能不正确。

功能限制 开启读写分离功能后，删除RDS for MySQL主实例，会同步删除只读实例，并关闭读写分离功能。 读写分离不支持RDS for MySQL8.0的caching_sha2_password身份认证插件。 开启读写分离功能后，主实例和只读实例均不允许修改数据库端口和内网地址。 读写分离功能不支持压缩协议。 读写分离不支持事务隔离级别READ-UNCOMMITTED。 如果执行了Multi-Statements，默认当前连接的后续请求会全部路由到主节点，需断开当前连接并重新连接才能恢复读写分离，目前支持多种Multi-Statements处理模式，详情参考设置Multi-Statements处理模式。 如果执行了临时表的相关操作，默认当前连接的后续请求会全部路由到主节点，需断开当前连接并重新连接才能复读写分离。 如果执行了Handler语句，默认后续请求全部路由到主节点，需断开当前连接并重新连接才能恢复读写分离。 使用读写分离的连接地址时，事务请求都会路由到主实例（可以使用事务拆分功能对事务中写之前的读请求进行拆分），不保证非事务读的一致性，业务上有读一致性需求可以封装到事务中。 使用读写分离的连接地址时，LAST_INSERT_ID()函数仅支持在事务中使用。 使用用户自定义变量时，包含用户自定义变量的语句会路由到主节点。 数据库代理服务不支持读写表中单列超过16MB的数据。 当使用数据库代理时，多语句拼接的SQL大小不超过100MB，避免数据库代理解析SQL消耗过多的资源。 当使用.net客户端连接数据库代理时，需要客户端的MySQL.Data驱动版本不低于8.0.19，低版本MySQL.Data与数据库代理存在兼容性风险。 当使用事务拆分功能时，需要将代理升级至最新版。 数据库代理不支持SQL_MODE参数PAD_CHAR_TO_FULL_LENGTH。

响应参数 状态码： 202 表4 响应Body参数 参数 参数类型 描述 backup_policy object 备份策略对象，包括备份保留的天数和备份开始时间。详情请参考表5。 表5 ShowBackupPolicyResult 参数 参数类型 描述 keep_days Integer 备份文件可以保存的天数。 start_time String 备份时间段。自动备份将在该时间段内触发。 period String 备份周期配置。自动备份将在每星期指定的天进行。

URI GET https://{Endpoint}/v3/{project_id}/instances/{instance_id}/backups/policy 表1 路径参数 参数 是否必选 参数类型 描述 project_id 是 String 租户在某一region下的project ID。获取方法请参见获取项目ID。 instance_id 是 String 实例ID。 表2 Query参数 参数 是否必选 参数类型 描述 type 否 String 备份策略类型。该参数仅针对GeminiDB Cassandra。可取值： Instance，表示查询实例级备份。 DatabaseTable，表示查询库表级备份。 默认取值“Instance”。

响应示例 状态码： 202 Success 自动备份策略开启： { "backup_policy" : { "keep_days" : 7, "start_time" : "19:00-20:00", "period" : "1,2,4,5,6" } } 自动备份策略关闭： { "backup_policy" : { "keep_days" : 0 } }

请求示例 URI样例 PUT https://gaussdb-nosql.cn-north-4.myhuaweicloud.com/v3/375d8d8fad1f43039e23d3b6c0f60a19/instances/9136fd2a9fcd405ea4674276ce36dae8in02/backups/policy 请求体样例 开启或修改自动备份策略，备份周期为"1,2,3,4,5,6"，备份时间段为"01:00-02:00",备份保留天数为7天： { "backup_policy" : { "period" : "1,2,3,4,5,6", "start_time" : "01:00-02:00", "keep_days" : 7 } } 关闭自动备份策略： { "backup_policy" : { "keep_days" : 0 } }

请求参数 表2 请求Header参数 参数 是否必选 参数类型 描述 X-Auth-Token 是 String 用户Token。 表3 请求Body参数 参数 是否必选 参数类型 描述 backup_policy 是 object 备份策略对象，包括备份保留的天数和备份开始时间。详情请参考表4。 表4 BackupPolicy 参数 是否必选 参数类型 描述 keep_days 是 Integer 指定已生成的备份文件可以保存的天数。 取值范围：0～35。取0值，表示关闭自动备份策略。 start_time 否 String 备份时间段。自动备份将在该时间段内触发。开启自动备份策略时，该参数必选；关闭自动备份策略时，不传该参数。 取值范围：格式必须为hh:mm-HH:MM，且有效，当前时间指UTC时间。 HH取值必须比hh大1。 mm和MM取值必须相同，且取值必须为00、15、30、45。 取值示例：23:00-00:00。 period 否 String 备份周期配置。自动备份将在每星期指定的天进行。启用自动备份策略时，此参数必选。如果自动备份策略关闭，则不需要传递该参数。 取值范围：格式为半角逗号隔开的数字，数字代表星期。保留天数取值不同，备份周期约束如下： 指定已生成的备份文件可以保存的天数为0天，不传该参数。 指定已生成的备份文件可以保存的天数为1～6天，备份周期全选，取值为：1,2,3,4,5,6,7。 指定已生成的备份文件可以保存的天数为7～35天，备份周期至少选择一周中的一天。示例：1,2,3,4。