SQL Server 2014中SSIS作业随机执行失败的原因排查求助

从你提供的报错信息来看，核心问题集中在OLE DB连接的通信层故障——TDS流协议错误、TCP连接被远程主机关闭，而且是随机发生，你已经排除了SSIS包内SQL语句的问题，那我们可以从以下几个方向入手排查：

1. 网络链路的不稳定因素 #

这种随机失败最常见的诱因就是网络波动：

• 防火墙/路由器的会话超时：很多硬件防火墙或企业级路由器会自动断开长时间空闲的连接，但如果作业运行中突发网络丢包、延迟飙升，也可能触发连接强制关闭。你可以检查作业失败时间段的网络监控日志（比如Windows PerfMon的Network Interface计数器，或者网络设备的日志），看有没有丢包率过高、带宽突降的情况。
• TCP连接超时配置：检查目标SQL Server的远程连接超时设置（服务器属性 → 连接 → 远程查询超时值），如果设置得过短，当查询执行时间略长时可能被强制断开；另外也可以检查Windows系统的TCP Keep-Alive参数（注册表路径HKLM\SYSTEM\CurrentControlSet\Services\Tcpip\Parameters下的KeepAliveTime和KeepAliveInterval），默认值可能偏长，导致连接断开后才被检测到。

2. OLE DB驱动（SQLNCLI11）的兼容性或bug问题 #

SQLNCLI11是SQL Server 2014的原生驱动，但可能存在已知的协议流bug或兼容性问题：

• 更新驱动补丁：去微软官网下载并安装SQLNCLI11的最新累积补丁，修复已知的连接相关bug。
• 替换为推荐驱动：微软现在推荐使用MSOLEDBSQL作为替代SQLNCLI的新一代OLE DB驱动，它对TDS协议的支持更稳定，你可以尝试将SSIS连接管理器的驱动切换为MSOLEDBSQL，看是否能解决问题。
• 调整连接管理器配置：在Execute SQL Task的连接管理器中，检查“连接超时”设置是否足够长，同时启用“重试连接”的相关选项（如果有）。

3. 目标SQL Server的资源瓶颈 #

当目标服务器资源耗尽时，会主动关闭外来连接以保护自身：

• 检查性能计数器：查看失败时间段目标服务器的CPU使用率、内存压力（比如Page File % Usage）、磁盘IO队列长度（PhysicalDisk\Avg. Disk Queue Length）。如果这些指标在失败时达到峰值，说明是资源不足导致的连接中断，你可以考虑优化服务器资源（比如加内存、优化磁盘），或者调整作业运行时间避开业务高峰。
• 查看SQL Server日志：检查目标SQL Server的错误日志，看失败时间点有没有资源相关的报错（比如Out of memory、Disk IO timeout）。

4. SSIS作业的连接管理与事务配置 #

SSIS的连接和事务设置也可能影响连接稳定性：

• 避免持久化空闲连接：如果你的SSIS包使用了持久化连接（比如连接管理器的RetainSameConnection属性设为True），长时间空闲的连接可能被网络设备或服务器断开。可以尝试将RetainSameConnection改为False，让每个任务按需创建和释放连接。
• 分布式事务问题：如果作业使用了分布式事务（比如跨服务器的事务），检查MSDTC（分布式事务协调器）的配置是否正确，比如双方服务器的MSDTC是否启用、防火墙是否开放了MSDTC的端口，分布式事务的超时设置是否合理。

5. TCP/IP配置异常 #

检查SQL Server和操作系统的TCP/IP相关设置：

• SQL Server TCP/IP属性：确认目标SQL Server已启用TCP/IP协议，端口配置正确（默认1433），没有被其他进程占用。可以用netstat -ano命令查看端口占用情况。
• 端口耗尽问题：如果作业短时间内创建大量连接，可能导致服务器端口耗尽，触发连接失败。检查目标服务器的动态端口范围是否足够，或者调整SSIS包的连接复用策略。

内容的提问来源于stack exchange，提问作者user3115933