SQL Server在CentOS故障排查技巧

SQL Server在CentOS的故障排查技巧

一 快速定位流程

• 服务状态与自启：使用命令查看与拉起服务，确认是否开机自启
  命令：sudo systemctl status mssql-server、sudo systemctl start mssql-server、sudo systemctl enable mssql-server。若反复重启失败，先停止后再排查。
• 错误日志：先看 SQL Server 错误日志，再看 systemd 日志
  路径：/var/log/mssql/errorlog；命令：journalctl -u mssql-server -xe。从最近的错误与时间线定位根因。
• 文件权限与所有权：确保数据目录归属正确
  命令：sudo chown -R mssql:mssql /var/opt/mssql。权限异常会导致启动或访问失败。
• 端口与防火墙：确认监听端口并放通
  默认端口：1433；放通命令：sudo firewall-cmd --zone=public --add-port=1433/tcp --permanent && sudo firewall-cmd --reload。
• 网络连通与监听：从客户端测试连通性
  命令：ping 服务器IP；端口检测：telnet 服务器IP 1433 或 nc -zv 服务器IP 1433。无法连通时优先排查网络与防火墙策略。
• 配置核对：检查监听地址配置
  文件路径：/etc/mssql/mssql.conf.d/90-sqlservr.conf，确保包含 listen_addresses=0.0.0.0（或所需网段）以监听所有接口。
• 客户端侧检查：确认客户端工具与连接串
  安装工具：sudo yum install -y mssql-tools unixODBC-devel；连接测试：sqlcmd -S localhost -U SA -P ‘YourStrong!Passw0rd’ -Q “SELECT 1”。连接串需包含正确的服务器地址、端口、数据库、用户名、密码。

二 常见故障与修复

• 服务启动即崩溃或反复重启
  典型现象：systemctl 显示 Active: failed (Result: signal)。处理步骤：
  1. 用 journalctl -u mssql-server -xe 查具体信号与报错；
  2. 若日志出现 “Unable to read instance id from /var/opt/mssql/.system/instance_id”，先备份该文件（若存在），再删除后重启，实例会自动生成新的 instance_id。注意：这可能导致依赖 NEWSEQUENTIALID() 的表在重启后出现顺序性异常风险，务必评估业务影响并做好备份。
• 断电或异常关机后无法启动
  处理步骤：
  1. 以单用户模式观察启动输出：sudo /opt/mssql/bin/sqlservr -m；
  2. 若怀疑数据文件异常，先做好文件级备份，再用 sqlcmd 执行检查与修复：
     • 检查：sqlcmd -S localhost -U SA -Q “DBCC CHECKDB (‘YourDB’)”
     • 修复（谨慎）：sqlcmd -S localhost -U SA -Q “DBCC CHECKDB (‘YourDB’) WITH REPAIR_ALLOW_DATA_LOSS”（仅在无法用常规手段恢复时、且有完整备份的前提下执行）。
• 客户端连接超时或拒绝
  排查顺序：
  1. 服务端确认服务运行与监听：systemctl status mssql-server、ss -lntp | grep 1433；
  2. 防火墙放通 1433/tcp；
  3. 客户端测试：telnet 服务器IP 1433 或 nc -zv 服务器IP 1433；
  4. 核对连接字符串参数（服务器、端口、数据库、凭据）与账号权限。
• 主机名解析异常
  现象：应用或客户端报无法解析主机。处理：
  1. 检查 /etc/hosts 中主机名与IP映射；
  2. 检查 /etc/resolv.conf 的 nameserver 是否可用，必要时更换为可用 DNS。

三 性能与阻塞排查

• 即时会话与请求：
  查询阻塞与长时运行会话：
  • 查看活跃请求与等待信息：
    • SELECT session_id, request_id, task_state, wait_type, wait_time_ms, start_time, command, text FROM sys.dm_exec_requests r CROSS APPLY sys.dm_exec_sql_text(r.sql_handle) st ORDER BY wait_time_ms DESC;
  • 查看会话与登录信息：
    • SELECT session_id, login_name, host_name, program_name, login_time, last_request_end_time FROM sys.dm_exec_sessions;
  • 结合执行统计定位问题 SQL：
    • SELECT TOP 20 qs.execution_count, qs.total_worker_time/qs.execution_count AS avg_cpu_ms, qs.total_elapsed_time/qs.execution_count AS avg_elapsed_ms, SUBSTRING(qt.text, (qs.statement_start_offset/2)+1, ((CASE qs.statement_end_offset WHEN -1 THEN DATALENGTH(qt.text) ELSE qs.statement_end_offset END - qs.statement_start_offset)/2)+1) AS stmt_text FROM sys.dm_exec_query_stats qs CROSS APPLY sys.dm_exec_sql_text(qs.sql_handle) qt ORDER BY avg_elapsed_ms DESC;
• 资源瓶颈定位：
  • 系统层：top/htop、vmstat、iostat、nmon、sar、dstat、glances 观察 CPU、内存、I/O、网络；
  • 存储层：用 iostat -x 1 检查 await、svctm、util% 判断磁盘压力；
  • 网络层：netstat -s、tcpdump 排查丢包与重传。
• 日志与空间：
  • 查看日志空间使用：DBCC SQLPERF(LOGSPACE);；
  • 事务日志维护：按业务 RPO 定期执行 BACKUP LOG [DB] TO DISK=‘…’ WITH FORMAT;，避免日志无限增长。
• 深入诊断：
  • 使用 扩展事件（Extended Events） 捕获长时 SQL、锁等待、错误等；
  • 借助 SSMS 活动监视器 或性能仪表盘快速定位热点查询与阻塞链。

四 监控与日志管理

• 基础监控：
  • 命令行健康检查：sqlcmd -S localhost -U SA -P ‘YourStrong!Passw0rd’ -Q “SELECT @@SERVERNAME, @@VERSION;”；
  • 系统资源：top/htop、vmstat、iostat、nmon、sar、dstat、glances；
  • 第三方监控：Prometheus + Grafana（建议配合 prometheus-mssql-exporter）、Zabbix、Nagios 等，覆盖实例存活、连接数、查询性能、磁盘/内存/CPU 等关键指标。
• 日志集中与审计：
  • 系统日志集中：rsyslog 收集与转发；
  • 日志分析与可视化：ELK Stack（Elasticsearch, Logstash, Kibana）、Splunk；
  • 审计与合规：启用 SQL Server 审计 或触发器记录关键数据变更，便于追踪与取证。

五 排错命令清单

• 服务与日志：systemctl status|start|enable mssql-server；journalctl -u mssql-server -xe；tail -n 200 /var/log/mssql/errorlog
• 端口与连通：ss -lntp | grep 1433；firewall-cmd --list-ports；telnet 服务器IP 1433；nc -zv 服务器IP 1433
• 权限与目录：ls -ld /var/opt/mssql /var/opt/mssql/.system；chown -R mssql:mssql /var/opt/mssql
• 客户端与连通：sqlcmd -S localhost -U SA -P ‘Pwd’ -Q “SELECT 1”
• 资源与 I/O：top/htop、vmstat 1、iostat -x 1、nmon、sar、dstat、glances
• 数据库诊断：DBCC SQLPERF(LOGSPACE);；DBCC CHECKDB(‘DB’)；长时 SQL 与阻塞查询（见第三部分 SQL）