本文共 3297 字，大约阅读时间需要 10 分钟。
监控AG性能
AG的性能的性能方面，在关键任务数据库上进行语句级维护性能是很重要的。理解AG如何传输日志到secondary副本对评估RTO和RPO，表明AG是否性能不好。
1. 数据同步步骤
为了评估是否有性能问题，首先需要理解同步过程。性能问题可能出现在同步过程的任何一个环节，瓶颈的定位可以让你深入的理解问题。以下图标演示了数据通过过程：
| Sequence | Step Description | Comments | Useful Metrics |
| 1 | Log Generation | 日志数据被刷新到磁盘。日志必须被复制到secondary副本。日志记录进入到发送队列. |
|
| 2 | Capture | 每个数据库的日志被获取并且发送到相关的partner队列，每个数据库副本都有一个队列。在可用组在连接的情况下，并且数据移动并没有被挂起，获取进程持续运行，并且数据库副本显示要不是同步的，要不是正在同步，如果获取进程不能及时扫描并把消息放入队列，日志发送队列就会筑高。 | , which is an aggregation of the sum of all database messages queued for that availability replica. (KB) and (KB/sec) on the primary replica. |
| 3 | Send | 数据库副本中的消息出队列，并且发送到相关的secondary副本. | and (ms) |
| 4 | Receive and Cache | 每个secondary副本接受并且缓存这些信息. | Performance counter |
| 5 | Harden | 日志在secondary副本被刷新。在日志刷新后，一个通知被发送到primary副本。一旦日志被固化，就表示不会再有数据丢失。 | Performance counter Wait type |
| 6 | Redo | Redo刷新secondary副本中的page。Page被存放在redo队列等待被redo完成。 |
(KB) and. Wait type |
2.流量控制门(Flow Control Gates)
AG被设计时，在primary副本上带了流量控制，为了避免太多资源消耗，比如网络，内存资源在所有可用副本上的消耗。这些流量控制不会影响可用副本的健康状态，但是会影响可用数据库性能，包括RPO。
日志被primary副本捕获之后，有2个级别的流量控制。
| Level | Number of Gates | Number of messages | Useful Metrics |
| Transport | 1 per availabiltiy replica | 8192 | Extended event database_transport_flow_control_action |
| Database | 1 per availability database | 11200 (x64) 1600 (x86) |
Extended event hadron_database_flow_control_action |
一旦到达任意一个阀值，log信息就不会被发送到指定副本或者指定数据库。一旦从副本收到通知，已发送的消息下降，就可以再发。
除了流量控制，还有一个因素会阻止日志发送。副本的同步要保证LSN是顺序的被发送的。在日志被发送之前，日志的LSN会通过最小通知LSN检查，保证小于阀值。如果2个LSN的空隙大于阀值，消息就不会被发送。一旦空隙小于阀值，消息就会被发送。
有2个性能指标， 和 表示在上一秒，有多少流量控制被激活并且有多少时间是用来等待流量控制。等待值越高表示RPO越多。跟多信息查看：
3.评估故障转移时间
故障转移时间的公式如下：
如果AG有多个可用库，最高的故障转移时间变长了限制RTO总要因素。
Tdetection错误诊断时间，是用来发现系统错误的时间。这个时间依赖于集群设置级别,而不是个别可用性副本的设置。根据设置的自动故障转移的条件，故障转移在SQL Server出现严重的内部错误会出发，比如，孤立的自旋锁。这个时候诊断在sp_server_diagnostics发送到WSFC集群马上启动。故障转移也会因为超时发生，比如集群健康检查超时(HealthCheck Timeout 默认30秒)或者资源DLL和SQL Server实例的租用超时(Leasetimeout 默认20秒)。这个诊断时间为超时的间隙。具体看：.
Secondary副本唯一要做的事情就是，redo这些获取的日志。Redo时间是Tredo，公式如下：
Redo_queue是redo队列的长度，redo_rate是redo的速度。这2个值可以查看:sys.dm_hadr_database_replica_states
Toverhead over head的时间就是WSFC集群故障转移，数据库online的时间。通常这个时间都很小。
4.评估RPO
RPO，RPO的公司如下：
Log_send_queue可以查看sys.dm_hdar_database_replica_states的log_send_queue_size和日志的生成速度，.
如果AG包含了多个可用性数据库，最大的 Tdata_loss 会变成限制RPO的关键。
Log发送队列表示所有数据会因为严重错误丢失的。不能使用log_send_rate来代替log生成速度，因为RPO评估数据丢失是基于日志生成速度的，而不是基于同步速度的。
最简单的评估 Tdata_loss 是使用last_commit_time.priamry会把这个值发给所有的secondary，你可以计算primary副本和secondary 副本的值的差，来评估需要多久secondary副本可以追上primary副本。虽然不能准确的表示数据丢失，但是已经很接近了。
5.监控RPO和RTO
本章介绍如何对RPO和RTO进行监控，RPO和RTO的计算请查看上面2节的介绍。你可以监控这2个值，在超过阀值时发送告警。
通过以下步骤创建AG的告警：
1.启动ageng服务 2.点开ALwaysOn启动用户定义AlwaysOn策略 3.创建条件， Database Replica State/ Add(@EstimatedRecoveryTime, 60) <= 600 4.创建条件 Database Replica State/EstimatedDataLoss<=36005.创建RTO策略，创建RPO策略6.性能排查场景
| Scenario | Description |
| 自动或者手动故障转移后，没有数据丢失，但是故障转移超过了RTO。或者评估发现故障转移时间超过了 | |
| 强制故障转移后，都是的数据超过了RPO。或者异步提交的replica能够承受的数据丢失超过了RPO。 | |
| 客户端程序可以成功的完成primary的修改，但是查询replia却没有反应。 |
7. 使用扩展事件
以下扩展时间可以用来排查副本在同步中的情况：
| Event Name | Category | Channel | Availability Replica |
| redo_caught_up | transactions | Debug | Secondary |
| redo_worker_entry | transactions | Debug | Secondary |
| hadr_transport_dump_message | alwayson | Debug | Primary |
| hadr_worker_pool_task | alwayson | Debug | Primary |
| hadr_dump_primary_progress | alwayson | Debug | Primary |
| hadr_dump_log_progress | alwayson | Debug | Primary |
| hadr_undo_of_redo_log_scan | alwayson | Analytic | Secondary |
转载地址：http://fzqpx.baihongyu.com/