AG排查和监控指南
1. 排查场景
如下表包含了常用排查的场景。根据被分为几个场景类型，比如Configuration，client connectivity，failover和performance。
| Scenario |
笔记 |
Scenario Type |
Description |
| Troubleshoot AlwaysOn Availability Groups Configuration (SQL Server) |
Configuration |
提供了一些典型的配置AG实例发生问题的信息。比如AG被禁用，账号配置不正确，镜像endpoint不存在(SQL Server Error 1418)。网络访问不存在，join数据库失败(SQL Server Error 35250)。 |
|
| Troubleshoot "Validating WSFC quorum vote configuration" warning |
|
Configuration |
当使用对话框创建AG时，收到一个警告: “The current WSFC cluster quorum vote configuration is not recommended for this availability group.” |
| Troubleshoot issues when creating availability group listeners |
|
Configuration |
在创建AG Listener的时候发生错误。 |
| Troubleshoot a Failed Add-File Operation (AlwaysOn Availability Groups) |
|
Configuration |
添加文件导致secondary数据库挂起，状态变为NOT SYNCHORNIZING |
| Fix: Error 41009 when you try to create multiple availability groups |
|
Configuration |
创建多个AG时发生41009 错误 |
| Cannot connect to availability group listener in a multi-subnet environment |
|
Client Connectivity |
创建了AG Listener之后，无法ping通和连接 |
|
|
Failover |
自动故障转移不能成功完成 |
|
| Performance |
自动故障转移或者计划内的手动转移之后，切换时间超过了RTO时间 |
||
| Performance |
强制故障转移后，都是的数据超过了RPO。或者异步提交的replica能够承受的数据丢失超过了RPO。 |
||
| Troubleshoot: Changes on the Primary Replica are not Reflected on the Secondary Replica |
Performance |
客户端程序可以成功的完成primary的修改，但是查询replia却没有反应。 |
2. 排查工具
以下工具可以用来排查，配置时或者运行时发生的问题
| Tool |
笔记 |
Description |
|
|
在UI接口下，获取某个时间点的AG健康情况。 |
|
|
|
被Alwayson Dashboard使用 |
|
| 记录AG，副本，数据库，其他AG主键的状态变化，和AG的错误 |
||
| 记录集群时间，包括AG资源的状态变化，SQL Server resource DDL的事件和错误。 |
||
| 记录SQL Server健康诊断被报告到WSFC集群，由sp_server_diagnostics (Transact-SQL)产生 |
||
| Dynamic Management Views and System Catalog Views (AlwaysOn Availability Groups) |
报告AG的信息，比如配置，健康状况，性能问题 |
|
| 提供了详细AG信息用来诊断，分析起因 |
||
| 提供了AG特定的等待信息，用来调整性能 |
||
| AlwaysOn Performance Counters |
|
监控AG的活动，反馈到系统监视器，用来调优，具体可以看 SQL Server, Availability Replica 和 SQL Server, Database Replica. |
| 记录SQL Server系统内部争端的警告，用来debug和AG有关的问题。 |
3. 监控AG
理想的排查时间是在故障转移之前。这个可以通过监控性能值，在超过SLA之前发送告警。比如同步secnodary副本有性能问题，因为预计failover时间增加。AG是高可用和灾难恢复解决访问，最重要的性能指标是切换时间，会影响RTO，灾难导致的数据丢失会影响RPO。
以下表文章用来监控AG的健康状况：
| Topic |
笔记 |
Description |
| 描述AG数据同步，阀值控制，和一些有用的值用来监控AG，还有如何收集RTO，RPO的值。 |
||
|
|
提供一些AG监控工具 |
|
| The AlwaysOn Health Model Part 1 -- Health Model Architecture |
提供一个Alwayson健康模型的概述 |
|
| The AlwaysOn Health Model Part 2 -- Extending the Health Model |
如何用户定制Alwayson监控模型和用户定义Alwayson Dashboard，来显示额外的信息。 |
|
| Monitoring AlwaysOn Health with PowerShell - Part 1: Basic Cmdlet Overview |
提供一些基本的Alwayson Powershell命令。用来监控AG的健康状况。 |
|
| Monitoring AlwaysOn Health with PowerShell - Part 2: Advanced Cmdlet Usage |
提供一些高级的Alwayson Powershell命令。用来监控AG的健康状况。 |
|
| Monitoring AlwaysOn Health with PowerShell - Part 3 : A Simple Monitoring Application |
显示如何使用城区监控AG。 |
|
| Monitoring AlwaysOn Health with PowerShell - Part 4 : Integration with SQL Server Agent |
如何使用SQL Server Agent集成监控AG，并且在出问题的时候通知。 |
