CentOS下SQL Server的故障排除技巧

CentOS下SQL Server故障排除技巧

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：
  查看阻塞与长时运行会话：
  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 网络与权限专项

• 端口与防火墙：
  确认服务监听 1433/tcp，在服务器放通并重载防火墙：
  sudo firewall-cmd --zone=public --add-port=1433/tcp --permanent && sudo firewall-cmd --reload。
• 监听地址：
  在 /etc/mssql/mssql.conf.d/90-sqlservr.conf 中设置 listen_addresses=0.0.0.0 以监听所有接口，必要时仅开放内网网段。
• SELinux：
  检查状态：getenforce；若为 Enforcing 可临时设为 Permissive 做 A/B 测试（生产环境需谨慎，并配合策略调整）。
• 主机名解析：
  修正 /etc/hosts 映射，确保 /etc/resolv.conf 中的 nameserver 可用。
• 客户端工具与连接串：
  安装：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。

五 应急与恢复清单

• 变更前先做文件级与逻辑备份：包含 /var/opt/mssql 数据目录、系统库与用户库、以及关键配置文件。
• 启动失败先读日志：优先查看 /var/log/mssql/errorlog 与 journalctl -u mssql-server -xe，按时间线定位首次报错。
• 异常关机或疑似数据文件异常：
  1. 以单用户模式观察：sudo /opt/mssql/bin/sqlservr -m；
  2. 先做全量文件备份；
  3. 执行 DBCC CHECKDB 评估；仅在无其它恢复路径且已有有效备份时，才使用 REPAIR_ALLOW_DATA_LOSS。
• 实例 ID 丢失导致启动异常：
  备份 /var/opt/mssql/.system/instance_id 后删除该文件并重启，实例会生成新的 instance_id；注意 NEWSEQUENTIALID() 的顺序性风险。
• 连接问题快速验证：
  服务端确认监听与防火墙；客户端用 telnet/nc 测试 1433；核对连接串与账号权限。