SQL Server 2012故障轉移的looksalive check和is alive check

什麼是looksalive check和is alive check

      SQL Server故障轉移集群是建立在windows集群服務上的一種熱備的高可用方案。在集群運行過程中，windows集群服務定期檢測節點的資源健康狀態，如果發生了故障，會根據預先定義的故障轉移策略把SQL Server服務從故障節點切換到可用節點上，從而實現SQL Server的高可用。

      而looksalive和isalive就是windows集群服務定期檢測節點的資源健康狀況的兩個方法，它們存在於 resource dll中。

根據資源類型不同，resource dll可分為兩個大類。對於集群IP、DNS名稱、服務服務（SQL Server）、集群磁碟等windows自帶的資源類型，resource dll就是windows集群自帶的Resource DLL——“clusres.dll”中；而對那些自己的專屬資源類型的資源，他們有專屬的resource dll，如SQL Server和sql server agent的resource dll分別為sqlrvres.dll和sqlatres.dll。

    下圖顯示了集群里資源的類型及資源DLL與資源的關係：

                      原圖來自《SQL Server 2012實施與管理實戰指南》

looksalive check和is alive check檢測原理

RHS.exe的進程（windows集群服務進程clussvc.exe生成的）通過調用定義了looksalive check和is alive check方法 resource dll來實現對資源的健康狀態檢測。

在SQL Server故障轉移集群中，對於SQL Server資源，looksalive check和is alive check檢測的原理如下：

looksalive是基本的健康狀態檢測，它通過服務控制管理器（SCM）來檢查SQL Server服務在活躍點是否處於“啟動狀態”，預設每隔5秒檢查一次。

isalive則通過windows集群服務去執行select @@servername（SQL Server 2012之前的版本）或sp_server_diagnostics（SQL Server 2012），然後根據返回的結果來判斷SQL Server是否可用。它預設每隔60秒檢查一次。

      select @@servername是SQL Server 2012之前的版本執行isalive方法的操作。執行的結果返回給故障轉移集群，如果故障轉移集群收到返回的結果，則說明此資源目前在正常狀態。反之，則說明此資源目前已經發生故障。

       這種方法簡單、“粗暴”，能夠適應大多數場景，但如果此時SQL Server負載比較高，沒有在60秒內響應，則可能發生誤判，導致故障轉移發生。為瞭解決這個問題，在SQL Server 2012及以後的版本上，微軟改進了isalive檢查方法，不再使用select @@servername，取而代之的是使用存儲過程sp_server_diagnostics。

      相比select @@servername而言，sp_server_diagnostics返回的結果要詳細得多（如上圖）。SQL Server會利用內部演算法來處理sp_server_diagnostics的結果，然後從多個維度來評估SQL Server的健康狀況（系統、資源、查詢、IO等），從而作為windows故障轉移集群判斷是否需要進行故障轉移的依據。除此之外，SQL Server 2012還做了特別的優化：

    執行sp_server_diagnostics的線程使用搶占模式，且線程的OS優先順序也高於普通線程；

sp_server_diagnostics每隔20秒執行一次，預設情況下如果3次（60秒）執行的結果都顯示SQL Server資源處於故障狀態，才發生故障轉移

    說明：之所以是60秒，是因為“資源屬性”的HealthCheckTimeout預設為60秒，可以人為改變大小，但一般保持預設即可。

配置looksalive check和isalive check

looksalive和isalive檢測的間隔時間可以在“資源屬性”的“高級策略”裡面設置，一般採用預設即可，如需更改，可參考下圖的位置設置。