SQL Server 2019 DAG WFC手动故障转移失败（MSSQL错误41131）

• 分布式故障转移集群：2台Windows Server 2019 Datacenter节点，均为单网卡ESXI虚拟机
• SQL配置：每节点运行SQL Server 2019 Enterprise + SSMS18
• 网络：节点分属不同站点的不同IP子网，站点间通过S2S-VPN连接，路由正常

通过SSMS执行同步数据库的可用性组手动故障转移时失败，操作路径：【实例→Always On高可用性→可用性组→右键“故障转移”】，触发SQL Server错误41131

• 节点间连通性正常，集群仪表盘显示节点通信正常且数据库同步状态正常
• 已配置DAG监听器、SQL Server代理、Browser服务的Windows Defender防火墙规则；站点A的PaloAlto防火墙未检测到SQL主机间流量被拒绝
• SQL Server引擎和Agent使用独立服务账户，AD集群对象具备创建/更新子对象权限
• 监听器及集群对象的DNS条目已正常生成
• 自动种子生成功能正常，主节点数据可同步至辅助节点

1. 错误41131的详细日志分析 #

• 查看SQL Server错误日志（默认路径：C:\Program Files\Microsoft SQL Server\MSSQL15.MSSQLSERVER\MSSQL\Log\ERRORLOG），定位错误41131的上下文信息，确认是否伴随其他关联错误（如权限、网络超时、资源依赖问题）
• 查看Windows集群事件日志（通过Failover Cluster Manager→日志→集群事件），排查故障转移过程中集群资源的操作记录，是否存在资源离线/在线失败的情况

2. 可用性组同步状态细节验证 #

• 在主节点执行以下查询，确认所有数据库的同步状态：

  SELECT ag.name, ar.replica_server_name, drs.synchronization_state_desc, drs.last_hardened_lsn, drs.last_redone_lsn 
  FROM sys.dm_hadr_database_replica_states drs
  JOIN sys.availability_groups ag ON drs.group_id = ag.group_id
  JOIN sys.availability_replicas ar ON drs.replica_id = ar.replica_id;
  

  确保所有数据库的synchronization_state_desc为SYNCHRONIZED，且主备节点的last_hardened_lsn、last_redone_lsn无明显差异，排除同步未完全完成的情况

3. 跨站点网络质量检测 #

• 在两个节点间持续执行ping -t <对方IP>和tracert <对方IP>，同时用Test-NetConnection <对方IP> -Port 5022（AG端点默认端口）排查是否存在间歇性丢包或端口连通性波动
• 检查VPN链路的带宽占用情况，确认故障转移期间无带宽耗尽导致的操作超时

4. 服务账户权限与身份验证检查 #

• 验证SQL Server服务账户是否具备对方节点的Windows管理权限（如远程登录、读取集群资源权限），故障转移过程需跨节点执行资源操作
• 执行klist命令查看服务账户的Kerberos票据状态，排除票据过期或无效导致的身份验证失败

5. 可用性组监听器配置验证 #

• 检查监听器的多子网IP状态：通过Failover Cluster Manager→角色→监听器→IP地址，确认两个子网的IP均处于在线状态
• 执行nslookup <监听器名称>，确认返回两个子网的IP地址，且SSMS所在客户端能正常解析

6. SQL Server实例配置检查 #

• 确认两个节点的SQL Server实例均启用Always On可用性组功能（通过服务器属性→高级→Always On可用性组）
• 检查主备节点的远程访问配置：

  SELECT name, value_in_use FROM sys.configurations WHERE name = 'remote access';
  

  确保value_in_use为1

7. 集群仲裁与资源状态检查 #

• 检查集群仲裁配置（如有见证资源），确认所有仲裁资源正常在线，避免仲裁问题阻碍故障转移
• 查看节点磁盘IO负载，排除故障转移期间磁盘高负载导致的操作超时

内容的提问来源于stack exchange，提问作者DevDino