LLI Wiki — My Digital Knowledge Base

Basculement planifié ou forcé d'un groupe de basculement Azure SQL : runbook

Runbook de basculement, contrôles avant et après, impact applicatif, failback, retrouver le primaire courant en PowerShell ou T-SQL et checklist de drill.

Deux opérations portent le nom de « basculement » et elles n'ont rien à voir. Le basculement planifié synchronise tout avant de changer de rôle : zéro perte. Le basculement forcé change de rôle immédiatement, sans attendre la réplication : perte possible, à réserver aux vraies pannes. Voici le runbook que j'applique, avec les contrôles avant et après (pour un premier exercice sur une simple géo-réplication, voir mon article sur le drill de failover).

Planifié Forcé
Primaire accessible oui (obligatoire) non, ou panne en cours
Perte de données aucune possible
Usage drill, déménagement de charge, failback panne régionale
Cmdlet Switch-AzSqlDatabaseFailoverGroup idem avec -AllowDataLoss

Les deux se lancent sur le serveur secondaire du groupe (celui qui va devenir primaire).

sequenceDiagram
    participant DBA
    participant ARM as "API Azure"
    participant P as "Serveur primaire A"
    participant S as "Serveur secondaire B"
    participant App as "Application via listener"
    DBA->>P: Contrôles avant : état, lag, pool B
    DBA->>ARM: Switch-AzSqlDatabaseFailoverGroup sur B
    ARM->>P: Synchronisation complète
    ARM->>S: Passage en primaire
    ARM->>ARM: Mise à jour DNS du listener
    App->>S: Nouvelles connexions après TTL de 30 s
    DBA->>S: Contrôles après : rôles, écritures, jobs

Avant

  1. Le groupe est en état de synchronisation (pas de seeding en cours) et le retard de réplication est faible.
  2. Le pool secondaire a la taille du primaire : il va porter la charge de production.
  3. Les logins, utilisateurs et règles de pare-feu existent côté B ; les identités applicatives passent.
  4. L'application utilise bien le listener (voir l'article sur les pièges).
  5. Les jobs et traitements batch sont suspendus ou savent s'arrêter proprement.

Planifié

Get-AzSqlDatabaseFailoverGroup -ResourceGroupName rg-dba-prd -ServerName sql-contoso-prd-b `
    -FailoverGroupName fog-contoso-app-01 |
    Switch-AzSqlDatabaseFailoverGroup

Sans -AllowDataLoss, la commande attend que les deux rôles soient échangés et, au pire, échoue en annulant : on ne perd rien.

Forcé

Switch-AzSqlDatabaseFailoverGroup -ResourceGroupName rg-dba-prd -ServerName sql-contoso-prd-b `
    -FailoverGroupName fog-contoso-app-01 -AllowDataLoss

Avec -AllowDataLoss, la commande n'attend que la prise de rôle du nouveau primaire. Quand l'ancien primaire revient, ses bases se reconnectent en tant que secondaires. Avant de forcer, je note la dernière valeur de retard connue : c'est l'estimation de ce qui sera perdu.

Après

-- Connecté via le listener : suis-je sur le bon serveur, en écriture ?
SELECT @@SERVERNAME AS serveur,
       DATABASEPROPERTYEX(DB_NAME(), 'Updateability') AS mode;  -- READ_WRITE attendu

Retrouver le primaire courant sans ambiguïté :

(Get-AzSqlDatabaseFailoverGroup -ResourceGroupName rg-dba-prd -ServerName sql-contoso-prd-a `
   -FailoverGroupName fog-contoso-app-01) | Select-Object ReplicationRole, PartnerServerName
-- Sur une base : mon rôle et mon partenaire
SELECT role_desc, partner_server, replication_state_desc, replication_lag_sec
FROM sys.dm_geo_replication_link_status;

Ensuite : vérifier que les écritures passent, que les jobs sont réactivés uniquement sur le nouveau primaire, que l'inventaire des rôles est rafraîchi, et que le lag retombe.

Impact applicatif

Le DNS bascule avec un TTL de 30 secondes, mais les connexions déjà ouvertes pointent vers l'ancien primaire : elles échouent ou passent en lecture seule. Les applications doivent savoir reconnecter (retry avec backoff) et ne pas mettre en cache une adresse IP. J'attends une brève interruption, pas une panne.

Failback

Une fois l'incident levé, je reviens avec un basculement planifié, jamais forcé. Sur SQL Managed Instance, une sauvegarde complète automatique est lancée sur le nouveau primaire après un basculement : un failback juste après peut être plus lent.

Checklist de drill

Retour d'expérience

Mastodon LLIMastodon SocialFosstodon