作为数据库管理员，很多时候会遇到线上堵塞的情况，或者是客户与相关部门同事反馈系统出现等待。虽然整个架构各环节都有可能影响着业务系统的性能，但是他们往往首先把“矛头”指向数据库。那么，这时候你该如何处理呢？

即使很多时候不是数据库的问题，但是在数据库端进行排查，也可以间接发现引起系统慢的原因。比如，网络带宽、磁盘、连接、代码、SQL等各种问题。在问题发生的时刻，线上排查是最容易发现问题根源的。而有的时候，我们可能还没发现问题根源，就用了其他手段先解决了当下的问题，待后续再进行问题溯源。

作为数据库的管理员，我们应该知道如何在线上排查问题，或者在事件过后确认问题，以防止此类事件再次发生。在SQL Server中，大部分的问题都反映在连接和执行的SQL上，如果你知道如何查找这些连接和SQL，你就可以从中判断系统问题了。

线上堵塞如何排查？

通过监控系统或告警信息确认数据库系统是否正常运行；

通过监控系统或告警信息确认CPU、Mem、IO、带宽是否异常；

通过监控系统确认数据库实例的连接数、堵塞/死锁情况、长事务、QPS/TPS、命中率等是否异常；

通过数据库系统记录的历史运行数据，确认是否异常；

通过数据库错误日志及Windows系统日志是否报错；

以上的排查问题在事发前、中、后的基本处理方案。但是，一个平时稳定运行的系统，通常很少出现异常。除非你对操作系统或数据库实例进行了相关补丁和更改参数。如果仅仅是日常的产品升级、SQL脚本升级，在数据库中几乎都可以通过连接发现其中的问题。

首先了解几个系统DMV，用于查看当前的连接信息。

sys.dm_exec_connections 记录当前连接到实例的连接协议、网络信息等。

sys.dm_exec_sessions 记录当前连接到实例的客户端信息、配置信息、操作统计信息等。

sys.dm_exec_requests 记录当前正在请求的信息，如执行参数、等待信息、资源消耗信息等。

sys.sysprocesses 记录当前活动连接（包括正在请求）的客户端信息、等待信息、资源消耗信息等。

以上几个DMV，我们可以从中获取到以下的关键信息：

其中dm_exec_requests与sysprocesses可以确认当前系统正在执行中的连接、该连接处于什么状态、是否被堵塞、堵塞类型及等待资源、执行了多长时间、消耗的资源如何、客户端信息等。这些都是非常重要关键信息，在表中都有相应的字段对应。此外，还可以通过sql_handle与sys.dm_exec_sql_text()查看最近执行的SQL语句。

首先在线查看当前数据库连接的运行情况（如通过sysprocesses查看），重点关注正在运行的连接（kpid>0）、堵塞连接（blocked>0）、未提交的连接（open_tran>0）

-- 当前正在执行的SQL
select session_id,db_name(dbid) as dbname,transaction_id,wait_type,last_wait_type,wait_resource
,start_time,status,command,estimated_completion_time,cpu_time,logical_reads
,text,open_transaction_count,open_resultset_count,percent_complete
from sys.dm_exec_requests r cross apply sys.dm_exec_sql_text(r.sql_handle)s
where session_id>50 and session_id<>@@spid
go
select spid,blocked,db_name(p.dbid),waittime,lastwaittype,waitresource,open_tran,status
,p.dbid,cpu,physical_io,memusage,login_time,last_batch,hostname,[program_name]
,hostprocess,cmd,nt_domain,nt_username,net_address,net_library,loginame,sql_handle,text
from master.dbo.sysprocesses p cross apply sys.dm_exec_sql_text(p.sql_handle) s
where kpid >0 and p.spid>50 and p.spid<>@@spid
go
-- 当前正在堵塞与被堵塞SQL
select spid,blocked,waittime,lastwaittype,waitresource,open_tran,status
,p.dbid,cpu,physical_io,memusage,login_time,last_batch,hostname,[program_name]
,hostprocess,cmd,nt_domain,nt_username,net_address,net_library,loginame,sql_handle,text
from master.dbo.sysprocesses p cross apply sys.dm_exec_sql_text(p.sql_handle) s
where blocked >0 or spid in(select sp.blocked from master.dbo.sysprocesses sp where sp.blocked>0)
go
-- 是否有未提交事务
Select spid,blocked,waittime,waittype,waitresource,db_name(p.dbid) dbname,cpu,physical_io,memusage,open_tran  
,status,login_time,last_batch,hostname,program_name,hostprocess,loginame,cmd,text  
from master.dbo.sysprocesses p cross apply sys.dm_exec_sql_text(p.sql_handle) s  
where open_tran <> 0 --and last_batch < dateadd(minute,-15,getdate())
go
按这几类确认当前连接数是否过多，或在确认线程情况sys.dm_os_threads是否充足。重点关注status与waittype，可以确定当前连接正在等待什么资源，如网络IO等待ASYNC_NETWORK_IO（说明网络堵塞、或者客户端读取大量数据）、线程等待CXPACKET（说明并发执行SQL）、日志写等待WRITELOG（说明大量数据更改、或者磁盘问题）、线程调度等待SOS_SCHEDULER_YIELD（CPU或线程不足、或是没有索引、任务耗时长等）……waittype类型几百个，从该类型的等待情况，可以间接判断问题发生在哪里。

有哪些异常SQL，如何确认？

在线SQL（正在运行的SQL、堵塞SQL、未提交的SQL）

慢SQL

堵塞SQL

死锁SQL

在线SQL/在线连接：通过上文中的SQL脚本，我们可以查询到正在运行的SQL、堵塞SQL、未提交的SQL，但是只能查询到系统当前时刻正在连接或运行的SQL。通过当前连接情况判断此刻堵塞的原因。线上的SQL如果出现大量堵塞，评估影响情况后，可以把堵塞的SQL连接进行kill回滚。

慢SQL：慢SQL需要跟踪收集才能发现，不可能每次都在线查询SQL去判断，且在线查询不能准确得到慢SQL的资源开销情况。通过扩展事件rpc_completed与sql_batch_completed来记录SQL的运行结果，注意添加筛选条件duration（单位为微妙）。此时慢SQL跟踪的是执行结束的SQL，只有执行结束，才能确认具体开销情况。

堵塞SQL：堵塞SQL也需要跟踪收集才能被记录。通过扩展事件blocked_process_report记录堵塞的事件。记录信息为XML格式。

死锁SQL：系统自动启用的扩展事件system_health可以捕获到死锁，只不过捕获不全且会被循环覆盖。你也可以通过跟踪标志1222或者1204进行捕获，死锁信息则记录到SQL Server 错误日志中，但这并不好筛选。可以通过扩展事件xml_deadlock_report记录死锁事件。记录信息为XML格式。

事后排查方法

我们已经通过线上排查，或者通过SQL跟踪，可以找到异常的连接和异常SQL。那么，如果问题已经结束。我们还能如何确认系统的历史运行情况呢？

事后排查方法：

历史线程数

历史CPU使用率

历史内存使用

历史异常连接

历史IO统计

历史缓存SQL

历史等待类型

…………

历史线程数：通过系统自动跟踪的扩展事件system_health，筛选对象为sp_server_diagnostics_component_result，解析XML文件可以查看系统近段时间内的线程数。可以判断线程是否充足。

历史CPU使用率：通过系统记录的ring buffer（dm_os_ring_buffers），筛选类型为RING_BUFFER_SCHEDULER_MONITOR，可以找到近段时间内CPU的使用率。如果你没有对数据库服务器进行监控，这是不错的方法。ring buffer 维护大约 1000 条记录，超过则循环覆盖。

历史内存使用：同样的方法，可以通过系统DMV dm_os_ring_buffers 筛选类型为RING_BUFFER_RESOURCE_MONITOR 的记录。可以查看近段时间内内存的使用情况。

历史异常连接：同样的方法，可以通过系统DMV dm_os_ring_buffers 筛选类型为RING_BUFFER_CONNECTIVITY 的记录。可以查看近段时间内异常连接情况。

历史IO统计：SQLServer有一个DMV sys.dm_io_virtual_file_stats，记录着数据文件和日志文件的IO统计情况。通过该视图，可以确认哪些数据库读写与耗时最多，以针对指定数据库进行相应优化。

历史缓存SQL：对于已经执行过的SQL，我们有慢SQL与堵塞SQL跟踪，不过这是有限制性的筛选。我们还可以通过查询缓存中的编译对象，找到缓存计划中的SQL。通过4个DMV dm_exec_cached_plans、dm_exec_query_stats、dm_exec_procedure_stats、dm_exec_trigger_stats，其字段sql_handle和plan_handle与另外2个DMV sys.dm_exec_sql_text和sys.dm_exec_query_plan关联，可以查看到具体的SQL和执行计划。你可以找耗时最长、耗IO最多、执行频繁的SQL等，将它们找出来进行优化。

历史等待类型：我们确认在线连接及SQL的时候，重点关注了等待类型，等待类型确定客户端连接主要的瓶颈在哪里。系统函数sys.dm_os_wait_stats记录着实例启动以来不同类型的等待情况，从中我们可以确定数据库实例的主要瓶颈在哪里。

如果你们已经完善了这些监控，可以从监控平台或数据收集等平台来回顾分析问题发生的原因。

如何优化异常SQL

我们已经找到了这些异常SQL，该如何优化呢？

优化SQL。查找慢SQL、堵塞SQL、死锁SQL、资源开销大的SQL进行优化，如改写SQL、优化索引。

缺失索引。通过此类视图sys.dm_db_missing_index_*发现缺失的索引，或者通过dm_exec_query_plan查看缓存执行计划中有提示缺失索引（MissingIndex=1）的执行计划，创建相关索引。。

重复索引。通过视图sys.indexes与sys.index_columns找到重复索引、或者前缀字段相同的索引删除。

索引碎片。DML操作频繁，产生较多碎片，将导致表比较大，增加了磁盘IO。通过系统视图dm_db_index_physical_stats，查找碎片较多的索引，定期进行重组或重建，亦或者定期更新统计信息。必须注意的是，确保磁盘空间足够（重建索引后可有效收缩表空间）。

调整参数。实例级别的参数配置，可通过sp_configure查看和设置。比如一些影响SQL的重要参数max degree of parallelism、optimize for ad hoc workloads、max server memory (MB)等。

通过连接数据库系统的客户端，我们都可以从上面的排除方法确认是否是数据库的问题。稳定运行的系统若出现异常，这种情况也是比较好排查的。前提是，你一定要对数据库服务器进行监控，甚至对异常SQL的收集。否则当你遇到业务系统的问题，不希望自己去担这个锅吧。只有有理有据，别人才能信服。

数据库系统遇到的问题，第一时间可以在线查看连接情况，及时解决系统堵塞问题。如果都正常，再查看相关的日志和历史监控记录，确认资源是否充足。历史经验中，作者有几次遇到的是出口带宽的问题，导致业务系统访问卡顿。不过，只要客户端连接到了数据库，我们都可以从连接信息判断是否是网络IO的问题。

一个稳定的数据库系统，大部分发生的问题，基本是SQL的问题。找出异常SQL进行优化，是一项光荣而艰巨的任务，光荣在于平淡，艰巨在于漫长。