可用性组检查
sqlserver_ag 模块针对每个可用性组运行这些检查;如果已知侦听器,则通过侦听器进行。下面的规则、间隔和默认严重性在构建时根据产品的检查目录生成,因此始终与你正在阅读的版本一致。阈值是默认值;你的实体和资源可能会覆盖它们。
| 检查 | 间隔 | 默认严重性 | 规则 |
|---|---|---|---|
sqlserver_ag.replica_stateReplica role and synchronization state | 30s | critical | synchronization_health_desc = HEALTHY, connected_state_desc = CONNECTED |
sqlserver_ag.database_syncDatabase synchronization, queues and data loss | 30s | warning | warning > 51200 kilobytes · 5m / critical > 512000 kilobytes · 5m |
sqlserver_ag.secondary_lagSecondary lag (estimated data loss) | 30s | warning | warning > 60 seconds / critical > 300 seconds |
sqlserver_ag.role_changeRole change / failover detected | 30s | critical | any change |
sqlserver_ag.listener_dnsListener IP online | 60s | critical | state_desc = ONLINE |
sqlserver_ag.backup_preferenceBackup preference honoured | 3600s | warning | matches_preference = 1 |
检查
sqlserver_ag.replica_state
Replica role and synchronization state
- 度量
replica_state· 每30s·tsql- 规则
synchronization_health_desc = HEALTHY, connected_state_desc = CONNECTED· 默认严重性: critical- 原因
- 某个副本与主要副本断开了连接,或其同步运行状况为部分正常或不正常。
- 影响
- 运行状况不正常的副本接管时可能丢失数据;已断开连接的副本则完全无法接管。
- 措施
- 检查该副本的 SQL Server 错误日志和群集的运行状况;查找副本之间的网络、终结点或服务账户问题。
- 基线
- PARTIALLY_HEALTHY → warning; NOT_HEALTHY or DISCONNECTED → critical. · 来源
sqlserver_ag.database_sync
Database synchronization, queues and data loss
- 度量
redo_queue_kb(kilobytes) · 每30s·tsql- 规则
warning > 51200 kilobytes · 5m / critical > 512000 kilobytes · 5m· 默认严重性: warning- 原因
- 次要副本接收或应用日志的速度慢于主要副本生成日志的速度:主要副本繁忙、网络缓慢,或次要副本的磁盘缓慢。
- 影响
- 发送队列中的数据会在故障转移时丢失;重做队列决定了故障转移后恢复所需的时间。
- 措施
- 将日志发送速率和重做速率与主要副本的日志生成速率进行比较;检查次要副本的磁盘延迟以及副本之间的网络。
- 基线
- Redo queue above 50 MB sustained indicates the secondary cannot keep up; 500 MB is critical. Send queue uses 10 MB / 100 MB.
sqlserver_ag.secondary_lag
Secondary lag (estimated data loss)
- 度量
secondary_lag_seconds(seconds) · 每30s·tsql- 规则
warning > 60 seconds / critical > 300 seconds· 默认严重性: warning- 原因
- 次要副本落后于主要副本的秒数超过了你的 RPO 所允许的范围。
- 影响
- 如果主要副本此刻发生故障,你将丢失大约这么多秒已提交的事务。
- 措施
- 与实体的 RPO 比较。同步副本应保持在接近零;对于异步副本,请调查日志发送速率和重做速率。
- 基线
- Compare with the entity RPO; synchronous replicas should stay near 0.
sqlserver_ag.role_change
Role change / failover detected
- 度量
role· 每30s·tsql- 规则
any change· 默认严重性: critical- 原因
- 主要副本已转移到另一个副本:计划内故障转移、自动故障转移或强制故障转移。
- 影响
- 应用程序会重新连接;不使用侦听器的连接可能会中断。
- 措施
- Confirm whether the failover was planned; check cluster and SQL error logs on both nodes; verify listener DNS.
- 基线
- Any role change raises an event that stays open until someone resolves it; critical when it happened outside a maintenance window.
sqlserver_ag.listener_dns
Listener IP online
- 度量
listener_state· 每60s·tsql- 规则
state_desc = ONLINE· 默认严重性: critical- 原因
- 没有任何侦听器 IP 处于联机状态,或者 Excubius 无法访问主要副本所在子网的 IP。
- 影响
- 通过侦听器连接的应用程序无法访问该组。
- 措施
- 检查群集中的侦听器资源;在多子网组中,允许 Excubius 服务器访问每个侦听器 IP。
- 基线
- One listener IP must be ONLINE on the primary; synthetics.ag_listener_resolve also resolves the DNS name from the collector.
sqlserver_ag.backup_preference
Backup preference honoured
- 度量
backup_preference· 每3600s·tsql- 规则
matches_preference = 1· 默认严重性: warning- 原因
- 主要副本在过去 26 小时内对该组的数据库执行了完整备份,尽管它不是这些数据库的首选备份副本。
- 影响
- 遵循该首选项的备份作业可能会悄悄跳过,或者备份会增加主要副本的负载。
- 措施
- 在该组的自动备份首选项所指定的副本上运行完整备份,或更改该首选项。
- 基线
- Backups should run where the AG preference says, otherwise jobs silently skip.