SQLServer Always On FCI 脑裂及可疑状态修复

FCI 双节点集群，因为晚上集群节点间的网络中断过。两个节点都觉得还有一个节点宕机，在各节点的集群管理中都看到对方已宕机。

连接到集群IP。提示 msdb 数据库有问题：

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQva2sxODU4MDA5NjE=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" alt="">

发现MSDB数据库 “可疑”

msdb 损坏了，mssql 错误日志和代理日志也无就法查询，从windows查看到信息例如以下：

SQL Server 断言: 文件: <xdes.cpp>，行=3785 失败的断言 = 'curr->GetXdesId () == m_xdesId'。

此错误可能与时间有关。假设又一次执行该语句后错误仍然存在，请使用 DBCC CHECKDB 来检查数据库的结构是否完整，或又一次启动server以确保内存中的数据结构未破坏。

在数据库 'msdb' 中撤消日志记录下的操作时。在日志记录 ID (106502:3622:2) 处出错。通常。这一特定故障曾经在 Windows 事件日志服务中会记录为错误。请利用备份还原数据库或文件，或者修复该数据库。

处理数据库 'msdb' 的日志时出错。假设可能，请从备份还原。假设没有可用备份，可能须要又一次生成日志。

因为在例程 'XdesRMReadWrite::RollbackToLsn' 中错误发生 3314。数据库 msdb 已关闭。在与该数据库的全部连接都中止后，将尝试又一次启动非快照数据库。

在数据库 'msdb' 中撤消日志记录下的操作时，在日志记录 ID (106502:3614:1) 处出错。通常，这一特定故障曾经在 Windows 事件日志服务中会记录为错误。

请利用备份还原数据库或文件，或者修复该数据库。

传递给数据库 'msdb' 中的日志扫描操作的日志扫描号 (106502:3144:155) 无效。此错误可能指示数据损坏，或者日志文件(.ldf)与数据文件(.mdf)不匹配。假设此错误是在复制期间出现的。请又一次创建公布。否则。假设该问题导致启动期间出错。请从备份还原。

恢复期间出错，导致数据库“msdb”(4:0)无法又一次启动。请诊断并纠正这些恢复错误，或者从已知的正确备份中还原。假设无法更正错误，或者为意外错误，请与技术支持人员联系。

可疑推断 msdb 数据库日志有损坏。

sql server 还有自己主动监控的一些跟踪。主要系统错误和连接错误等其它重要性错误信息，查看例如以下：

DECLARE @path NVARCHAR(1000)
SELECT @path =PATH FROM sys.traces WHERE  id = 1
SELECT * FROM ::fn_trace_gettable(@path, 0)

2017-04-07 01:21:36.05 spid95      错误: 3624，严重性: 20，状态: 1。
2017-04-07 01:21:36.05 spid95      A system assertion check has failed. Check the SQL Server error log for details. Typically, an assertion failure is caused by a software bug or data corruption. To check for database corruption, consider running DBCC CHECKDB. If you agreed to send dumps to Microsoft during setup, a mini dump will be sent to Microsoft. An update might be available from Microsoft in the latest Service Pack or in a QFE from Technical Support.
2017-04-07 01:21:36.07 spid95      错误: 3314，严重性: 21，状态: 3。
2017-04-07 01:21:36.07 spid95      During undoing of a logged operation in database 'msdb', an error occurred at log record ID (106502:3622:2). Typically, the specific failure is logged previously as an error in the Windows Event Log service. Restore the database or file from a backup, or repair the database.
2017-04-07 01:21:37.59 spid95      错误: 9004，严重性: 23，状态: 6。

2017-04-07 01:21:37.59 spid95      An error occurred while processing the log for database 'msdb'.  If possible, restore from backup. If a backup is not available, it might be necessary to rebuild the log.
2017-04-07 01:21:39.11 spid95      错误: 9004，严重性: 23。状态: 6。
2017-04-07 01:21:39.11 spid95      An error occurred while processing the log for database 'msdb'.  If possible, restore from backup. If a backup is not available, it might be necessary to rebuild the log.
2017-04-07 01:21:40.64 spid95      错误: 9004，严重性: 23，状态: 6。
2017-04-07 01:21:40.64 spid95      An error occurred while processing the log for database 'msdb'.  If possible, restore from backup. If a backup is not available, it might be necessary to rebuild the log.
2017-04-07 01:21:40.66 spid95      错误: 3314，严重性: 21，状态: 5。
2017-04-07 01:21:40.66 spid95      During undoing of a logged operation in database 'msdb', an error occurred at log record ID (106502:3614:1). Typically, the specific failure is logged previously as an error in the Windows Event Log service. Restore the database or file from a backup, or repair the database.
2017-04-07 01:21:41.43 spid22s     Error: 9003, Severity: 20, State: 6.
2017-04-07 01:21:41.43 spid22s     The log scan number (106502:3144:155) passed to log scan in database 'msdb' is not valid. This error may indicate data corruption or that the log file (.ldf) does not match the data file (.mdf). If this error occurred during replication, re-create the publication. Otherwise, restore from backup if the problem results in a failure during startup.
2017-04-07 01:21:41.43 spid22s     Error: 3414, Severity: 21, State: 1.
2017-04-07 01:21:41.43 spid22s     An error occurred during recovery, preventing the database 'msdb' (4:0) from restarting. Diagnose the recovery errors and fix them, or restore from a known good backup. If errors are not corrected or expected, contact Technical Support.

主要几个状态：3624、3314、9004、3414

基本原因例如以下：

Troubleshooting Error 3313, 3314, 3414, or 3456 (SQL Server)

How to troubleshoot Error 9004 in SQL Server

因为msdb日志备份引起的（发现msdb数据文件有 60+GB！）

如今集群有问题了，相互占用资源。心跳没起作用。连接数据库内部查看节点能正常连接到当中一个。

select * from sys.dm_os_cluster_nodes
SELECT * FROM fn_virtualservernodes();

更重要的是：由于存储是共享的。系统数据库和用户数据库都共享！

两个节点用共享存储，按理说数据是一致的。为了使集群能恢复正常状态，打算转移集群。

重新启动server比較好，不用逐个转移，使其自己主动全部资源转移。

重新启动之后！

。

msdb 正常了！！

可是有 3 个用户数据库出现了 “可疑”。！

没办法。出现了就仅仅能修复吧。。设置 “紧急” 模式修复。设置“单用户”。结果设置都产生死锁，无法运行！

设置单用户模式后非常难恢复多用户模式。似乎不断有进程来运行。

干脆把集群还有一个节点server（虚拟机）关闭了！

进来还是一样的错误。

再接着不用集群连接。到节点server运行。还是一样！！

再以专用管理员DAC 启动服务，看谁还能连接！

进来后老提示还有一个用户在执行，此时设置数据库为多用户模式也不行！

好！

再更改port。重新启动mssql服务。看谁还连接。结果没人抢了！能够进行操作也不会死锁，也没其它人操作，此时能够进行修复了！

两个较小（60GB和1GB）的数据库没问题；DBCC checkdb 修复过程中，有一个170GB的数据库修复至tempdb空间不足！

修复了部分，且停止了。

但非常快，因有些数据库文件都在同一磁盘，磁盘空间不足了！

！使mssql服务自己主动停止！

好吧！

删除一些数据库dump/log文件。启动服务分离一些不重要的数据库，把它移走（可能不再用了）。移出共享盘。

什么。权限不够。本地管理员都无法移动文件。再逐个将数据文件的权限加入给本地管理员！

空间够业务用了，可是另一个数据库没有修复。。再把暂时数据库移到本地磁盘，才进行DBCC checkdb修复！

修复完毕后把 tempdb 改回共享存储位置。并设置小一些！

可是，数据丢失非常多！。仅仅能备份还原。。

备份文件有专门的存储，又因昨晚网络调整，无法拷贝！

！

而该数据库在还原前又因损坏无法备份！！

备份为简单模式，也不能备份日志！。

等待备份恢复中…………

集群还未恢复…………

终于还原数据库！

所以平时在网上看到，谁家数据库宕机半天都恢复只是来的云云。出如今自己身上！

相对好点，数据库仅仅是一个有问题！

！

内部人员使用！但确是比較重要的！

附：

ALTER DATABASE dbname SET EMERGENCY
GO
ALTER DATABASE dbname SET SINGLE_USER WITH ROLLBACK IMMEDIATE
GO
ALTER DATABASE dbname SET SINGLE_USER
GO
DBCC CheckDB (dbname , REPAIR_ALLOW_DATA_LOSS)
GO
--after then:
ALTER DATABASE dbname SET MULTI_USER
GO