4. SQL Server数据库状态监控 - 作业状态

原文:4. SQL Server数据库状态监控 - 作业状态

有很多地方可以设置定时任务，比如：Windows的计划任务，Linux下的crontab，各种开发工具里的timer组件。SQL Server也有它的定时任务组件 SQL Server Agent，基于它可以方便的部署各种数据库相关的作业(job)。

一. 作业历史纪录

作业的历史纪录按时间采用FIFO原则，当累积的作业历史纪录达到上限时，就会删除最老的纪录。

1. 作业历史纪录数配置

所有作业总计纪录条数默认为1000，最多为999999条；单个作业总计记录条数默认为100，最多为999999条。有下面2种方式可以进行修改：

(1) SSMS/SQL Server Agent/属性/历史；

(2) 未记载的扩展存储过程，SQL Server 2005及以后版本适用，以下脚本将记录数设回默认值：

EXEC msdb.dbo.sp_set_sqlagent_properties
 @jobhistory_max_rows=-1,
 @jobhistory_max_rows_per_job=-1
GO

2. 删除作业历史纪录

(1) SSMS/SQL Server Agent/右击作业文件夹或某个作业/查看历史纪录/清除

在SQL Server 2000中会一次清除所有作业历史记录，SQL Server 2005 及以后版本可以有选择的清除某个作业/某个时间之前的历史纪录；

(2) SQL Server 2005及以后版本，提供了系统存储过程如下：

--清除所有作业15天前的纪录
DECLARE @OldestDate datetime
SET @OldestDate = GETDATE()-15
EXEC msdb.dbo.sp_purge_jobhistory
    @oldest_date=@OldestDate

--清除作业”Test”3天前的纪录
DECLARE @OldestDate datetime
DECLARE @JobName varchar(256)
SET @OldestDate = GETDATE()-3
SET @JobName = 'Test'
EXEC msdb.dbo.sp_purge_jobhistory
    @job_name=@JobName,
    @oldest_date=@OldestDate

作业历史纪录数有上限，通常不需要手动去删除。

3. 保留作业历史纪录

即便设置了历史记录上限到999999，如果作业很多，加之作业运行很频繁，最终历史记录还是会被慢慢删除掉。

如果想要保留某些作业历史的记录，可以打开作业属性/步骤/编辑/高级，选择将这个步骤的历史记录输出到文件/自定义表中，如下图：

二. 作业运行状态

界面上可以通过: SSMS/SQL Server Agent/右击作业文件夹或某个作业/查看历史纪录，如下用SQL 语句检查作业状态。

1. 作业上次运行状态及时长

利用系统表msdb.dbo.sysjobhistory：

(1) 表中的run_status字段表示作业上次运行状态，有0~3共4种状态值，详见帮助文档，另外在2005的帮助文档中写到：sysjobhistory的run_status为4表示运行中，经测试是错误的，在2008的帮助中已没有4这个状态；

(2) 表中run_duration字段表示作业上次运行时长，格式为HHMMSS，比如20000则表示运行了2小时。

如下脚本查看所有作业最后一次运行状态及时长：

if OBJECT_ID('tempdb..#tmp_job') is not null
    drop table #tmp_job

--只取最后一次结果
select job_id,
       run_status,
       CONVERT(varchar(20),run_date) run_date,
       CONVERT(varchar(20),run_time) run_time,
       CONVERT(varchar(20),run_duration) run_duration
  into #tmp_job
  from msdb.dbo.sysjobhistory jh1
 where jh1.step_id = 0
   and (select COUNT(1) from msdb.dbo.sysjobhistory jh2
        where jh2.step_id = 0
          and (jh1.job_id = jh2.job_id)
          and (jh1.instance_id <= jh2.instance_id))=1

--排除syspolicy_purge_history这个系统作业
select a.name job_name,
       case b.run_status when 0 then 'Failed'
                         when 1 then 'Succeeded'
                         when 2 then 'Retry'
                         when 3 then 'Canceled'
       else 'Unknown'
       end as job_status,
       LEFT(run_date,4)+'-'+SUBSTRING(run_date,5,2)+'-'+RIGHT(run_date,2)
       +SPACE(1)
       +LEFT(RIGHT(1000000+run_time,6),2)+':'
            +SUBSTRING(RIGHT(1000000+run_time,6),3,2)+':'
            +RIGHT(RIGHT(1000000+run_time,6),2) as job_started_time,
       +LEFT(RIGHT(1000000+run_duration,6),2)+':'
            +SUBSTRING(RIGHT(1000000+run_duration,6),3,2)+':'
            +RIGHT(RIGHT(1000000+run_duration,6),2) as job_duration
  from msdb.dbo.sysjobs a
  left join    #tmp_job b
    on a.job_id=b.job_id
 where a.name not in ('syspolicy_purge_history')
   and a.enabled = 1
 order by b.run_status asc,a.name,b.run_duration desc

2. 作业当前运行状态及时长

什么时候可能要检查作业的当前状态？

(1) 需要关闭SQL Server或SQL Server Agent服务时；

(2) 等到当前作业完成，有后续动作；

(3) 纯粹只是查看当前作业运行到哪个步骤等等。

通过SSMS/SQL Server Agent/右击作业文件夹或某个作业/查看历史纪录，看到的作业历史记录存放在：

select * from msdb.dbo.sysjobhistory

需要注意的是：至少作业已完成第一步运行，sysjobhistory表中才会有作业历史纪录，若当前作业没有完成任何一个步骤，那表里就不会有本次运行纪录。所以作业当前状态用有时无法通过sysjobhistory查看，尤其是作业只有1个步骤且运行时间很长时。

2.1. SQL Server 2005及以后版本

(1) 当前运行状态：系统存储过程msdb.dbo.sp_help_job，返回所有作业的运行状态(current_execution_status)，共7种状态值，详见帮助文档。查看所有作业状态如下：

exec msdb..sp_help_job

(2) 当前运行时长：系统存储过程sp_help_job无法获得作业运行时长，可通过新增的系统表sysjobactivity来查看。查看正在运行的作业如下：

select a.name,
       b.start_execution_date,
       DATEDIFF(MI,b.start_execution_date,GETDATE()) as job_duration
  from msdb..sysjobs a
 inner join msdb..sysjobactivity b
    on a.job_id = b.job_id
 where b.start_execution_date is not null
   and b.stop_execution_date is null 

以下脚本结合sp_help_job和sysjobactivity，得到作业的当前状态及时长：

exec sp_configure 'show advanced options',1
RECONFIGURE
exec sp_configure 'Ad Hoc Distributed Queries',1
RECONFIGURE

if OBJECT_ID('tempdb..#jobinfo') is not null
    drop table #jobinfo

select * into #jobinfo
from openrowset('sqloledb', 'server=(local);trusted_connection=yes','exec msdb.dbo.sp_help_job')

select a.name,
       j.current_execution_status,
       b.start_execution_date,
       DATEDIFF(MI,b.start_execution_date,GETDATE()) as job_duration_minute
  from msdb..sysjobs a
 inner join msdb..sysjobactivity b
    on a.job_id = b.job_id
 inner join #jobinfo j
    on a.job_id = j.job_id
 where b.start_execution_date is not null
   and b.stop_execution_date is null 

2.2. SQL Server 2000沿用过来的方法

在SQL Server 2000时，没有sysjobactivity这个系统表，通常借助sysprocesses监视作业的当前运行状态及时长。

select j.name,
       p.status as current_execution_status,
       p.last_batch as start_execution_date,
       ISNULL(DATEDIFF(MI, p.last_batch, GETDATE()), 0) as job_duration_minute
  from msdb.dbo.sysjobs j, master..sysprocesses p
 where p.program_name like 'SQLAgent - TSQL JobStep (Job%'
   and substring((cast(j.job_id as varchar(36))),7,2) +
       substring((cast(j.job_id as varchar(36))),5,2) +
       substring((cast(j.job_id as varchar(36))),3,2) +
       substring((cast(j.job_id as varchar(36))),1,2) +
       substring((cast(j.job_id as varchar(36))),12,2) +
       substring((cast(j.job_id as varchar(36))),10,2) +
       substring((cast(j.job_id as varchar(36))),17,2) +
       substring((cast(j.job_id as varchar(36))),15,2) +
       substring((cast(j.job_id as varchar(36))),20,4) +
       substring((cast(j.job_id as varchar(36))),25,12)
           = substring((cast(p.program_name as varchar(75))),32,32)

sysprocesses里获得的作业编号跟sysjobs里是不一致的，所以上面进行了转换，通常只转换job_id的前8位字符也行，如下脚本做了job_id的简化转换，并检查作业已运行超过30分钟：

declare @MaxMinutes int
    set @MaxMinutes = 30 

select j.name,
       p.status as current_execution_status,
       p.last_batch as start_execution_date,
       ISNULL(DATEDIFF(MI, p.last_batch, GETDATE()), 0) as job_duration_minute
  from msdb..sysjobs j
 inner join master..sysprocesses p
    on substring(left(cast(j.job_id as varchar(36)),8),7,2) +
       substring(left(cast(j.job_id as varchar(36)),8),5,2) +
       substring(left(cast(j.job_id as varchar(36)),8),3,2) +
       substring(left(cast(j.job_id as varchar(36)),8),1,2) = substring(p.program_name,32,8)
 where p.program_name like 'SQLAgent - TSQL JobStep (Job%'
   and ISNULL(DATEDIFF(MI, p.last_batch, GETDATE()), 0) > @MaxMinutes

还有种比较笨的方法，在要监视的所有作业中增加一个步骤，如 : select GETDATE() 放在第一步，这样在sysjobhistory中就会有步骤1的运行纪录了，以此为起点，可以计算已运行时长。如果有很多已经部署的job，这确实不是个好办法。

又或者，在每个作业最后一步，放一个检查的步骤，这样所有状态时长全都监视到了，问题是如果作业运行时间过长，最后的检查步骤根本无法被运行到。

三. 作业状态告警

作业在完成后，自己有状态检查和告警机制，通常选择邮件告警，如下图：

但这仅限对作业最终运行状态监视：

(1) 没有运行结束的作业无法告警，或者说对作业的运行时长没有监视；

(2) 如果作业在某个中间步骤设置了：失败后继续下一步，后续的作业步骤都成功，那么作业最终状态不会显示会失败，不会触发告警，如下脚本检查每个作业的所有步骤最后一次运行状态：

if OBJECT_ID('tempdb..#tmp_job_step') is not null
    drop table #tmp_job_step

select jh1.job_id,
       jh1.step_id,
       jh1.run_status,
       CONVERT(varchar(20),jh1.run_date) run_date,
       CONVERT(varchar(20),jh1.run_time) run_time,
       CONVERT(varchar(20),jh1.run_duration) run_duration
  into #tmp_job_step
  from msdb.dbo.sysjobhistory jh1
 where (select COUNT(1) from msdb.dbo.sysjobhistory jh2
        where (jh1.job_id = jh2.job_id and jh1.step_id = jh2.step_id)
          and (jh1.instance_id <= jh2.instance_id))=1

select a.name job_name,
       s.step_name,
       case b.run_status when 0 then 'Failed'
                         when 1 then 'Succeeded'
                         when 2 then 'Retry'
                         when 3 then 'Canceled'
       else 'Unknown'
       end as job_status,
       LEFT(run_date,4)+'-'+SUBSTRING(run_date,5,2)+'-'+RIGHT(run_date,2)
       +SPACE(1)
       +LEFT(RIGHT(1000000+run_time,6),2)+':'
            +SUBSTRING(RIGHT(1000000+run_time,6),3,2)+':'
            +RIGHT(RIGHT(1000000+run_time,6),2) as job_started_time,
       +LEFT(RIGHT(1000000+run_duration,6),2)+':'
            +SUBSTRING(RIGHT(1000000+run_duration,6),3,2)+':'
            +RIGHT(RIGHT(1000000+run_duration,6),2) as job_duration
  from msdb.dbo.sysjobs a
  left join    #tmp_job_step b
    on a.job_id=b.job_id
 inner join msdb.dbo.sysjobsteps s
    on b.job_id = s.job_id and b.step_id = s.step_id
 where a.name not in ('syspolicy_purge_history')
   and a.enabled = 1
 order by b.run_status asc,a.name,b.run_duration desc

小结

SQL Server Agent作业自身的告警机制，有时并不够用，所以还需要部署另外的作业，来检查其他所有作业的运行状况，大致步骤如下 ：

(1) 部署数据库邮件；

(2) 部署作业：定时检查其他所有作业/步骤状态，发邮件告警；

作业运行时长可以在这一并检查，有时一些作业运行了很多天没结束还没人知道，也可以考虑放在性能监控里，和其他数据库请求一起监控。但是对于时长，通常需要有个性能基线，如果没有的话直接和历史最大值相比也是不错的选择。