AWS MySQL RDS实例自动重启切换问题排查与告警配置咨询

1. 确定实例重启/故障转移的原因 #

• 查看RDS控制台事件历史：进入目标RDS实例的事件标签，这里会完整记录所有自动操作（包括故障转移、重启）的触发原因，比如AZ硬件故障、系统维护、实例健康检测失败等，不受日志清空影响。
• 检查CloudTrail日志：在CloudTrail控制台中搜索目标RDS实例的相关事件，可找到FailoverDBInstance或RebootDBInstance的API调用记录，能区分是自动触发还是手动操作，同时附带事件详情。
• 提取原主节点的历史日志：如果是多AZ部署，故障转移后原主节点会切换为只读副本，可在RDS控制台的日志标签中选择该副本，下载故障发生时间段的旧日志（错误日志、慢查询日志等）；也可使用AWS CLI命令aws rds download-db-log-file-portion指定日志文件和时间范围获取内容。
• 查看AWS Health Dashboard：如果是AWS基础设施层面的问题（如可用区中断），AWS Health会推送相关通知，明确影响的资源和故障原因。

2. 配置CloudWatch告警/通知（故障前预警或即时通知） #

监控前兆指标并配置告警 #

针对故障转移的常见前兆，监控以下RDS指标并设置CloudWatch告警：

• CPUUtilization：设置阈值（如持续5分钟超过90%），触发告警，排查是否有异常负载导致节点故障。
• ReplicaLag（多AZ部署）：当主从同步延迟超过30秒（可根据业务调整）时告警，同步异常可能是故障转移的前兆。
• DatabaseConnections：当连接数超过实例最大连接数的80%时告警，连接耗尽可能引发实例重启。
• FreeableMemory：内存不足时告警，OS层面的资源耗尽可能导致节点崩溃。

配置步骤：

1. 进入CloudWatch控制台，选择告警 > 创建告警。
2. 选择RDS命名空间下的对应指标，设置阈值和评估周期。
3. 选择告警触发状态（如“In Alarm”），关联已创建的SNS主题（需提前创建SNS主题并订阅你的邮箱、短信或即时通讯工具）。

捕获故障转移即时事件通知 #

通过CloudWatch Events捕获RDS故障转移相关事件，实现即时通知：

1. 进入CloudWatch控制台，选择事件 > 创建规则。
2. 事件源选择“服务名称：RDS”，事件类型选择“特定事件”，勾选DB Instance Failover Start等相关事件类型。
3. 目标选择SNS主题，关联之前创建的通知主题，故障转移启动时会立即推送通知。

启用增强监控 #

开启RDS实例的增强监控功能，可获取OS层面的细粒度指标（如磁盘IO、进程状态），提前发现节点的异常状态，进一步提升预警准确性。

内容的提问来源于stack exchange，提问作者Onlydocs