服务案例 SQL Server数据库反复重启问题

Posted 2023-01-11

LinkSLA智能运维管家对主流数据库的监控，能够及时发现异常，快速响应，保障业务系统的稳定。平台通过对SQL Server数据库监控，帮助用户在数据库出现异常时事件处理。

一、SQL Server数据库监控内容如下

1 、数据库服务器基本性能监控。包括：服务器的CPU数量，内存大小，服务器在线时间，在线数据实例个数，离线数据实例个数和挂起的数据实例个数。

2、监控数据库基本统计信息。比如实时用户连接数，实时的活动临时数据表个数，平均每秒登录的用户数和平均每秒登出的用户数等。

3、对数据库锁的监控。每秒超值锁的个数和死锁的个数。

4、对数据库内存使用情况监控。包括数据库运行需要的理想的内存和实际使用的内存量，以及成功获取内存授权的进程数和正在等待内存授权的进程数量。

5、数据库资源池分配，默认包括default资源和内部资源，内部资源是保证数据库正常运行所需消耗的CPU和内存资源。

6、对数据库内存缓冲区管理监控， 包括数据库命中率，页预期寿命，和每秒物理读页数和每秒物理写页数，以及每秒物理惰性写次数。

数据命中率值不能低于 90%，页预期寿命是数据页在缓存中停留的时间，当数据页在缓存中低于300S就被置换出去时，需要检查分配给数据库使用的内存，是否存在内存不足问题。

7、监控数据库实例。在这里我们可以看到SQL server中的所有数据库实例，以及每个数据实例的数据文件和日志文件大小，并可以根据时序图，对文件大小进行趋势预测。

8、数据库的IO监控。包括每秒从数据库读取的字节数和每秒从数据库写入的字节数，这两个参数可以反映反映了数据库缓存和磁盘之间的IO交换的性能。

9、对SQL Server中的错误监控。例如DB离线错误，信息错误和用户错误等。

10、对数据库中等待进程的统计监控。列出线程所遇到的所有等待的相关信息。比如等待CPU资源的进程数，平均等待时间。等待内存资源的进程数，平均等待时间。以及等待锁的进程数和等待网络IO的进程数等等。对数据库每秒错误数监控和等待时间监控，可以帮助我们来诊断 SQL Server 以及特定查询和批处理的性能问题。

二、事件排查

10月13日，某三甲医院新接入4台服务器系统、4个SQL server数据库，系统对HIS数据库进行重点监控。

自10月15日起，LinkSLA智能运维平台监测到新接入的HIS/CIS数据库多次发生重启，MOC工程师通知用户进行查看重启原因；

报告数据库有超时锁超出阈值告警。锁等待时间是一个进程花费在等待另一个进程释放锁的时间。

MOC工程师及时与应用厂商的数据工程师反馈，对方未发现有重启事件。

MOC工程师将数据库运行时间展示给应用厂商的工程师查看：HIS/CIS DB092172.20.64.xx数据库运行时间是212分钟，在6点21分时重启，这个参数值是数据库的运行指标值。请检查数据库重启的原因。

通过数据库运行时间，确认数据库发生重启，提高问题关注度。

应用厂商的工程师通过登录数据库确认，确认数据库反复重启现象。

接下来的一周，数据库仍然时常发生重启，每秒超时锁数量超出阈值。由于系统集群没有异常报错，应用厂商数据工程师并未重视。

​

三、事件处理

经过MOC工程师反复通报数据库重启问题，引起用户重视。应用厂商的数据库工程师经过排查，发现是SQL Server数据库bug导致反复重启，对数据库进行打补丁升级。

打补丁升级后，MOC工程师持续监测SQL server数据库问题。后期未发生SQL Server数据库反复重启问题，告警得以解除。

四、事件复盘​

从HIS数据库安装后，发生反复自动重启，应用厂商的数据工程师未发现重启故障。接到MOC工程师告警后，应用厂商的数据工程师认为集群没有异常报错，并未着急处理。但是HIS系统是医院的核心系统，数据库反复自动重启，存在很大的安全隐患。平台多次告警，锁定SQL Server数据库bug导致，并进行打补丁升级，数据库反复重启问题解决。

通过这个案例可以了解到，业务系统由应用厂商安装和维护，出现故障隐患时，用户并不能及时感知，更无法及时解决。LinkSLA智能运维管家帮助用户一站式监控所有业务系统，及时发现故障MOC工程师并持续跟踪，直至问题解决，形成服务闭环。为用户提供省心、放心的IT运维服务，保障用户系统健康稳定运行。

声明：文案&图片为原创内容，转载请注明。

联系我们：电话 400-828-1855。