LLI Wiki — My Digital Knowledge Base

Géo-réplication Azure SQL : mise en place, surveillance du retard et test de basculement

Groupes de basculement, surveillance de l'état et du retard, exercice de basculement planifié et pièges à éviter.

La géo-réplication d'Azure SQL Database copie une base vers un autre serveur, généralement dans une autre région, pour survivre à une panne régionale. Elle ne vaut que si elle est surveillée et testée. Voici comment je la mets en place, la surveille, répète un basculement et les pièges rencontrés.

Deux briques

Brique Usage
Géo-réplication active Une base primaire et jusqu'à quatre secondaires lisibles, gérées une par une
Groupe de basculement Un ensemble de bases basculé ensemble, avec des points de terminaison de lecture-écriture et de lecture seule qui suivent le primaire

En production j'utilise les groupes de basculement : les applications se connectent au point de terminaison du groupe, jamais au nom du serveur, et n'ont rien à changer après un basculement.

flowchart LR
    A["Application"] --> B["Point de terminaison lecture-écriture du groupe"]
    B --> C["Serveur primaire (région 1)"]
    C -->|"réplication asynchrone"| D["Serveur secondaire (région 2)"]
    A -.->|"lecture seule"| E["Point de terminaison lecture seule"]
    E --> D

Mise en place

Prérequis côté secondaire : un serveur dans l'autre région, des pools élastiques équivalents (mêmes noms, capacité comparable) et les règles réseau.

New-AzSqlDatabaseFailoverGroup -ResourceGroupName 'rg-dba-prd' `
    -ServerName 'sql-contoso-prd-weu' -PartnerServerName 'sql-contoso-prd-neu' `
    -FailoverGroupName 'fog-contoso-prd-01' -FailoverPolicy Manual

$db = Get-AzSqlDatabase -ResourceGroupName 'rg-dba-prd' -ServerName 'sql-contoso-prd-weu' -DatabaseName 'AppDb'
Add-AzSqlDatabaseToFailoverGroup -ResourceGroupName 'rg-dba-prd' `
    -ServerName 'sql-contoso-prd-weu' -FailoverGroupName 'fog-contoso-prd-01' -Database $db

Je choisis une politique manuelle : décider d'un basculement en production est une décision humaine, pas un automatisme déclenché par un incident régional partiel. L'ajout déclenche l'amorçage (seeding) de la copie : c'est long pour les grosses bases.

Surveiller l'état et le retard

Côté base, la vue de référence est sys.dm_geo_replication_link_status :

SELECT partner_server, partner_database, role_desc,
       replication_state_desc, replication_lag_sec, last_replication
FROM sys.dm_geo_replication_link_status;

Côté métriques, replication_lag_seconds est disponible dans Azure Monitor, donc dans Log Analytics ; je l'affiche en heatmap par base et je mets une alerte sur un retard soutenu (quelques secondes pendant plusieurs minutes), ainsi que sur un état différent de « catch-up / seeding terminé ». Un retard qui monte sans redescendre signale généralement un secondaire sous-dimensionné.

Le test de basculement

Un plan de reprise jamais exécuté n'est pas un plan.

  1. Choisir une fenêtre calme, prévenir les équipes applicatives.
  2. Vérifier avant : retard proche de zéro, toutes les bases « synchronisées ».
  3. Basculement planifié (sans perte de données) :
Switch-AzSqlDatabaseFailoverGroup -ResourceGroupName 'rg-dba-prd' `
    -ServerName 'sql-contoso-prd-neu' -FailoverGroupName 'fog-contoso-prd-01'
  1. Contrôler les rôles inversés, tester les applications via le point de terminaison du groupe.
  2. Rebasculer, ou rester : mais documenter la durée mesurée.

Le basculement forcé (-AllowDataLoss) est réservé à la vraie panne : il peut perdre les dernières transactions non répliquées.

Pièges

Retour d'expérience

La surveillance du retard et un exercice régulier détectent 90 % des problèmes avant la vraie panne. Écrivez le runbook, chronométrez-le, et mettez-le à jour après chaque exercice.

Mastodon LLIMastodon SocialFosstodon