LLI Wiki — My Digital Knowledge Base

Superviser les groupes de basculement Azure SQL avec KQL et T-SQL

Retard de réplication, rôle par base, bases absentes du groupe et alertes de basculement avec des requêtes KQL et T-SQL.

Un groupe de basculement qui « existe » ne prouve pas qu'il est sain. Ce qui m'intéresse, c'est de répondre en quelques secondes à quatre questions : quel est le retard de réplication ? Quel est le rôle de chaque base ? Quelles bases ne sont dans aucun groupe ? Et qui a basculé, quand ? Voici mes requêtes, écrites pour un espace de travail Log Analytics et pour T-SQL.

flowchart LR
    A["Bases Azure SQL"] -- "métriques de diagnostic" --> B["Log Analytics"]
    A -- "journal d'activité" --> B
    B --> C["Requêtes KQL"]
    C --> D["Dashboard"]
    C --> E["Règles d'alerte"]
    F["T-SQL sur chaque serveur"] --> G["Rôle et lien par base"]

1. Retard de réplication (KQL)

La métrique n'est émise que par le primaire et ne porte pas de dimension indiquant le partenaire. Si tu envoies les métriques de bases vers Log Analytics, la table est AzureMetrics. Vérifie d'abord le nom exact de la métrique dans ton espace :

AzureMetrics
| where TimeGenerated > ago(1d) and ResourceProvider =~ "MICROSOFT.SQL"
| distinct MetricName

Puis, avec la métrique de retard (en secondes dans mon espace) :

let thresholdSec = 30;
AzureMetrics
| where TimeGenerated > ago(15m)
| where ResourceProvider =~ "MICROSOFT.SQL" and MetricName == "replication_lag_seconds"
| extend rid = tolower(_ResourceId)
| extend Server = extract(@"servers/([^/]+)", 1, rid),
         Db     = extract(@"databases/([^/]+)", 1, rid)
| summarize Lag = max(Maximum) by Server, Db
| where Lag > thresholdSec
| order by Lag desc

Pour repérer un motif horaire (une fenêtre de batch qui fait gonfler le lag), je regroupe par heure UTC :

AzureMetrics
| where TimeGenerated > ago(7d) and MetricName == "replication_lag_seconds"
| summarize Peak = max(Maximum) by Hour = hourofday(TimeGenerated)
| order by Hour asc

Sur un grand parc, un pic qui revient à la même heure est une fenêtre de travail, pas une réplication cassée.

2. Rôle et lien par base (T-SQL)

Dans master du serveur logique, une seule requête donne tous les liens du serveur, avec le rôle local :

SELECT d.name AS database_name, l.role_desc, l.partner_server,
       l.replication_state_desc
FROM sys.geo_replication_links AS l
JOIN sys.databases AS d ON d.database_id = l.database_id
ORDER BY d.name;

Une base avec SECONDARY sur ce serveur n'est pas inscriptible ici. Je collecte cela serveur par serveur et je range le résultat dans une table d'inventaire, rafraîchie souvent (voir l'article sur les pièges : un inventaire en retard est dangereux).

3. Bases absentes du groupe (T-SQL + PowerShell)

Une base créée après le groupe n'y est pas ajoutée toute seule. Côté T-SQL, repère les bases sans lien :

SELECT d.name
FROM sys.databases AS d
LEFT JOIN sys.geo_replication_links AS l ON l.database_id = d.database_id
WHERE d.database_id > 4 AND l.database_id IS NULL;

Côté PowerShell, compare l'ensemble des bases du serveur avec celles du groupe :

$inGroup = (Get-AzSqlDatabaseFailoverGroup -ResourceGroupName rg-dba-prd `
    -ServerName sql-contoso-prd-a -FailoverGroupName fog-contoso-app-01).DatabaseNames
Get-AzSqlDatabase -ResourceGroupName rg-dba-prd -ServerName sql-contoso-prd-a |
    Where-Object { $_.DatabaseName -ne 'master' -and $_.DatabaseName -notin $inGroup } |
    Select-Object DatabaseName

4. Alerter sur un basculement (KQL)

Le journal d'activité garde la trace des opérations de basculement. Les noms d'opération ci-dessous sont ceux que j'utilise ; contrôle-les dans ton journal avant d'en faire une règle :

AzureActivity
| where TimeGenerated > ago(1h)
| where OperationNameValue has "FAILOVERGROUPS"
| where OperationNameValue has_any ("FAILOVER/ACTION", "FORCEFAILOVERALLOWDATALOSS/ACTION")
| project TimeGenerated, OperationNameValue, ActivityStatusValue, Caller, ResourceGroup, _ResourceId

Une règle d'alerte sur ce résultat (nombre > 0) me prévient d'un basculement, qu'il soit voulu ou subi ; l'appelant « - » indique une initiative de Microsoft.

Seuils

Bande Lag Action
Normal < 5 s rien
Attention 5 à 30 s surveiller
Dégradé 30 s ou plus, durable enquêter (charge, taille de pool)

Retour d'expérience

Mastodon LLIMastodon SocialFosstodon