SQL Server运维11年踩坑实录：实战排障指南

　　去年寒假，凌晨三点十七分，我蹲在IDC二号机房B排第七柜前面，左手捏着一块拧干的抹布擦SSD槽位标签——不是为清洁，是那标签翘边刮手。空调冷凝水正顺着桥架滴到脚踝上，嗒、嗒、嗒。老张在对面柜子底下喊“日志轮转又卡死了”，我没应，先把抹布塞进裤兜，湿的，得等会儿再拿出来甩两下。

　　我原以为是tempdb争用，结果查完sp_who3发现是某个运维同事手动跑了ALTER DATABASE SET READ_COMMITTED_SNAPSHOT ON，但没等GO就切屏回微信抢红包，后面脚本全挂在事务里没提交。那个数据库的log_reuse_wait_desc死在XACT_ABORT上，三十八分钟。我敢打包票，他微信头像还是那只叼玫瑰的柴犬，去年年会抽奖抽的，现在还挂那儿。

　　机房噪音忽大忽小，是三号UPS风扇轴承快散了，嗡——嗡——嗡——，中间夹着王工接电话：“嗯…对…主从延迟？主从？哦你说镜像…那没同步链路啊…”他边说边用指甲抠键盘托盘缝里的瓜子皮，一粒、两粒、三粒。我盯着他抠第三粒时，SQL Server Agent服务突然自启了——没人动它，就是自己醒了。这个我说不准，监控里没留下任何触发痕迹，WMI事件日志清空过，但不是我们清的。

文章配图，仅供参考

　　我泡的那杯速溶咖啡搁在机柜顶板上，早凉透了，表面浮着层薄薄的褐色油膜。外卖单子压在键盘下面，是昨天晚饭的，备注写着“不要香菜”，可送来的是青椒肉丝。现在还在那儿。这事和SQL Server没关系，但和我的情绪有关系——你信不信，那天我改完登录名对应的SID映射，执行完ALTER LOGIN [domain\\user] WITH PASSWORD = 'x' UNLOCK后，心里想的是：这青椒肉丝，明天还能吃么？

　　别信所谓“最佳实践清单”。第十七条写着“Always enable Instant File Initialization”，但没写“除非你的sysadmin里混进了一个AD组策略管理员，他上周把本地策略推送到所有DB服务器，而那个策略里恰好禁用了SeManageVolumePrivilege”。真事。推策略的人叫陈默，三十出头，戴黑框眼镜，发邮件永远用“Hi All”，从不@具体人。他推完策略那天，我在恢复一个8TB数据库，data file扩展等了二百一十四秒——比心跳还长。我删了邮件草稿箱里写到一半的投诉，改成了“请教下，能否帮忙确认下域策略中关于SeManageVolumePrivilege的部署范围？”他回得很快：“Hi All，已确认无全局影响。”

　　其实最耗神的不是死锁图，是猜用户到底改过啥。用户说“我就点了一下‘刷新’”，然后blocking chain拉出来五层，最后源头是个sleeping session，last_request_start_time是三天前。我查syssessions，查dm_exec_requests，查ring buffer，最后在default trace里翻到一条Audit Database Object Access Event，对象名是usp_generate_report_v2_legacy_copy_old。这玩意根本不在任何作业里，也不在任何应用代码库里。我问前端负责人，他愣住三秒，说：“哦…那个啊，我们测试环境删库前手动执行过一遍，怕报表数据污染。”删库？他脸上一点愧意没有，反而笑着给我看手机里刚收到的钉钉消息截图：“运维说他们没做任何操作”，落款时间比他执行usp还早十八秒。我盯着那条消息，突然想起我妈去年冬天炖的排骨汤，火太大，锅底焦了，她掀盖时那股糊味冲得我打喷嚏。就是那种味道，现在还记得。

　　上个月我重新装了一台Windows Server，补丁升到最新，SQL Server打上CU23，Agent作业全配置好，启动项检查三遍。交出去当天下午，用户反馈查询慢。我看执行计划，nested loop右表走了PK扫描，统计信息明明两小时前刚更新过。登上去一查，auto_update_statistics_async 是 OFF，但auto_update_statistics 是 ON。我以为没问题。直到看见sys.dm_db_stats_properties返回的modification_counter是421万，而上一次update是三百七十二天前。不是服务器时间错了——是系统表里那个datetime列，存的是UTC，而我们所有监控脚本读的是localtime，差八小时，于是所有“过去24小时”判断都失效了。没人注意到，因为没人真去看stat update timestamp，只看status是不是“updated”。这个我敢打包票，我亲手改过六次syspolicy_policies表，就为绕过那个该死的评估频率校验。

　　现在我把每台新装实例的SQL Server Agent服务启动类型，全改成“手动”。等第一次备份做完、第一个索引维护跑通、第一个告警通知发出之后，再改回来。就这么简单。别的先不管。反正我桌上那盒金嗓子，含片只剩三颗了。

（编辑：站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!