监控可用性组：如何查询判断可用性组是否存在异常

我明白这种找不到问题根源的挫败感——当AG状态显示NOT_HEALTHY但常规副本查询看起来正常时，确实很头疼。下面我整理了一套分层的SQL查询方案，从核心状态到深层细节帮你定位问题：

这个查询整合了多个关键DMV，一次性展示AG、副本、数据库的核心健康状态，帮你快速定位异常点：

SELECT
    ag.name AS AG_Name,
    ags.synchronization_health_desc,
    ar.replica_server_name,
    ar.role_desc,
    ars.connected_state_desc,
    ars.synchronization_health_desc AS Replica_Sync_Health,
    ars.availability_mode_desc,
    ars.failover_mode_desc,
    d.name AS DB_Name,
    dhs.synchronization_state_desc,
    dhs.log_send_queue_size,
    dhs.log_send_rate,
    dhs.redo_queue_size,
    dhs.redo_rate,
    dhs.last_sent_time,
    dhs.last_received_time,
    dhs.last_hardened_time,
    dhs.last_redone_time
FROM sys.dm_hadr_availability_group_states ags
JOIN sys.availability_groups ag ON ags.group_id = ag.group_id
JOIN sys.availability_replicas ar ON ag.group_id = ar.group_id
JOIN sys.dm_hadr_availability_replica_states ars ON ar.replica_id = ars.replica_id
LEFT JOIN sys.dm_hadr_database_replica_states dhs ON ars.replica_id = dhs.replica_id
LEFT JOIN sys.databases d ON dhs.database_id = d.database_id
ORDER BY ag.name, ar.replica_server_name, d.name;

重点关注：

• synchronization_health_desc（AG级和副本级的健康状态）
• connected_state_desc（副本是否处于连接状态）
• log_send_queue_size/redo_queue_size（是否有大量日志积压）
• synchronization_state_desc（数据库同步状态是否异常）

如果核心查询没找到问题，试试下面的专项查询：

1. 检查WSFC集群与AG的关联状态 #

NOT_HEALTHY经常和集群故障或资源问题相关，这个查询能帮你验证AG的集群资源状态：

SELECT
    ag.name AS AG_Name,
    ar.replica_server_name,
    ars.role_desc,
    ars.operational_state_desc,
    ars.role_health_desc,
    ags.primary_replica,
    ags.primary_recovery_health_desc,
    ags.secondary_recovery_health_desc
FROM sys.dm_hadr_availability_group_states ags
JOIN sys.availability_groups ag ON ags.group_id = ag.group_id
JOIN sys.availability_replicas ar ON ag.group_id = ar.group_id
JOIN sys.dm_hadr_availability_replica_states ars ON ar.replica_id = ars.replica_id;

留意operational_state_desc是否为ONLINE，role_health_desc是否为HEALTHY。

2. 排查副本连接与通信问题 #

有时候副本看起来正常，但底层通信存在异常：

SELECT
    ar.replica_server_name,
    ars.connected_state_desc,
    ars.last_connect_error_number,
    ars.last_connect_error_description,
    ars.last_connect_error_timestamp
FROM sys.dm_hadr_availability_replica_states ars
JOIN sys.availability_replicas ar ON ars.replica_id = ar.replica_id
WHERE ars.connected_state_desc != 'CONNECTED';

如果有连接错误，这里会显示具体的错误码和描述，帮你定位网络或权限问题。

3. 分析日志同步与积压细节 #

日志同步异常是NOT_HEALTHY的常见原因，这个查询能更细致地查看日志流动情况：

SELECT
    d.name AS DB_Name,
    ar.replica_server_name,
    dhs.synchronization_state_desc,
    dhs.log_send_queue_size,
    dhs.log_send_rate,
    dhs.redo_queue_size,
    dhs.redo_rate,
    dhs.filestream_send_rate,
    dhs.end_of_log_lsn,
    dhs.last_hardened_lsn,
    dhs.last_redone_lsn
FROM sys.dm_hadr_database_replica_states dhs
JOIN sys.databases d ON dhs.database_id = d.database_id
JOIN sys.availability_replicas ar ON dhs.replica_id = ar.replica_id
WHERE dhs.is_local = 0; -- 查看远程副本的状态

如果log_send_queue_size持续增长，可能是网络带宽不足、副本性能瓶颈或日志生成过快。

4. 检测数据库级别的隐藏异常 #

有些数据库级的问题不会在副本状态中直接体现：

SELECT
    d.name AS DB_Name,
    dhs.synchronization_state_desc,
    dhs.database_state_desc,
    dhs.is_suspended,
    dhs.suspend_reason_desc,
    dhs.last_error_number,
    dhs.last_error_description,
    dhs.last_error_timestamp
FROM sys.dm_hadr_database_replica_states dhs
JOIN sys.databases d ON dhs.database_id = d.database_id
WHERE dhs.database_state_desc != 'ONLINE' OR dhs.is_suspended = 1;

重点看是否有数据库挂起（is_suspended=1）或状态异常，以及对应的错误信息。

5. 查看AG的故障转移与健康事件 #

SQL Server的扩展事件能记录AG的关键事件，这个查询可以读取近期的AG相关错误：

SELECT
    event_time,
    message,
    severity,
    error_number
FROM sys.fn_xe_file_target_read_file('AlwaysOn_health*.xel', NULL, NULL, NULL)
CROSS APPLY (SELECT CAST(event_data AS XML) AS event_xml) AS x
WHERE x.event_xml.value('(event/@name)[1]', 'varchar(100)') IN ('error_reported', 'availability_group_lease_expired', 'availability_replica_state_change')
ORDER BY event_time DESC;

这个查询会读取AlwaysOn健康扩展事件的日志，帮你找到近期的异常事件。

1. 先从核心综合查询入手，对比AG级和副本级的synchronization_health_desc，如果AG是NOT_HEALTHY但个别副本是HEALTHY，重点排查异常副本。
2. 检查WSFC集群的节点状态（可以在集群管理器中查看，或用PowerShell命令Get-ClusterNode），确保所有节点在线。
3. 验证AG端点的权限和网络连通性，确保副本之间能通过端点端口通信。

内容的提问来源于stack exchange，提问作者Tony Hinkle