SQL Server 磁盤請求超時的833錯誤原因及解決方法

這篇文章主要介紹了SQL Server 磁盤請求超時的833錯誤原因及解決方法,需要的朋友可以參考下

最近遇到一個SQL Server服務器響應極度緩慢，並且出現客戶端請求報錯的情況，在數據庫中的errorlog中出現磁盤請求超過15s才完成的error消息。

對於此類問題，到底是存儲系統或者磁盤的故障，還是SQL Server 自己的問題，亦或是應用程序引發的呢？又要如何解決？

本文將對引起此問題的某一方面的因素進行簡單的分析，但是無法涵蓋所有潛在的可能性，因此遇到類似問題還要做具體的分析。

SQL Server中的磁盤請求超時

　　該錯誤的英文版的錯誤信息如下:

　　SQL Server has encountered %d occurrence(s) of I/O requests taking longer than %d seconds to complete on file [%ls] in database id %d. The OS file handle is 0x%p. 0
　　The offset of the latest long I/O is: %#016I64x

　　中文版的錯誤信息如下

　　SQL Server 已遇到 %1! 次對數據庫 ID %4! 中的文件 [%3!] 進行的 I/O 請求超過 %2! 秒才完成。操作系統文件句柄為 0x%5!。最新的長時間 I/O 的偏移量為: %6!

　　參考message信息中的833號錯誤消息

具體的833 error 申請磁盤請求超時現象

　　具體報錯情況如下：

　　SQL Server 已遇到 m 次對數據庫 n 中的文件***進行的 I/O 請求超過 15 秒才完成。操作系統文件句柄為 ***。最新的長時間 I/O 的偏移量為: ***

　　也就是說在數據庫的文件自動增長的過程中遇到了錯誤。

。

　　

　　

　　比較有意思的是某DBA將此錯誤信息報告給負責存儲（SAN存儲，並非掛的磁盤）的工程師，認為是可能存儲系統存在故障或者不穩定造成的，

　　存儲工程師認為存儲沒有問題，檢查服務器後說服務器不正常，內存“幾乎占滿”，對於數據庫服務器，內存“幾乎占滿”的情況可以說是完全正常的，鑒於負責存儲的工程師並非專業DBA，對於SQL Server數據庫服務器的內存使用可能不是太了解，提出此疑問也可以理解。

　　因為數據庫服務器使用的存儲是高性能的SAN存儲，存儲是作為一個服務存在的，有N多服務器共同來使用的，其他服務器並沒有出現磁盤請求，不太可能說某一台服務器會出現疑似“存儲故障”就簡單認定為是存儲故障。

　　那麼究竟原因在什麼地方呢？

數據庫引擎錯誤833的含義

　　首先來看這個833錯誤的具體含義是什麼，就不自己裝13解釋一通了，那本經典的書上寫的很清楚了。

　　總之，意思就是，SQL Server在請求磁盤讀寫的時候，遇到磁盤繁忙或者其他一些因素，超過了15秒還沒有完成
　　比如數據的讀寫的時候需要向磁盤發起請求，而磁盤正忙或者其他問題，來不及或者相應的不夠及時，這樣無疑會嚴重影響SQL Server對外提供服務器的響應時間。

　　上面簡單分析了，因為該問題並非普片發生的，存儲系統不太可能出現問題，那就很有可能定位到當前服務器自身的因素了。

原因分析

　　因為是專門的SQL Server服務器，沒有其他應用程序的請求，很有可能跟向sqlserver數據庫發起的請求有關。

　　其實發生這個問題之前，早就有預兆了，平時還算穩定的服務器（CPU很少超過60%，內存的PLE也可以穩定在20分鐘以上，磁盤IO延遲較低等等），只是偶爾會存在抽風一陣子的情況

　　抽風的時候表現為CPU狂飙到80%左右，內存的PLE會嚴重下降，IO延遲嚴重增高。

　　現在只能從SQL Server的Session入手，在觀察SQL Server中的活動Session的時候，發現某一類的SQL語句的查詢時間非常長，
　　平時這類SQL在某一個時間段內執行的頻率還算比較高。

　　但是正常情況下，這類SQL的執行效率還是比較高的，為什麼突然就變的非常之底？

　　在檢查活動Session的對應的執行計劃的時候，發現這類活動Session的等待狀態都是IO等待（PAGEIOLATCH_SH），同時SQL的執行完全是意料之外的執行方式。

　　因為類似查詢還是執行的比較頻繁的，此類Session會從不同的客戶端發起，一旦SQL的執行效率降下來，服務器上會積壓大量的活動Session

　　為什麼平時執行的好好的SQL語句突然就變的很慢很慢，

　　原因就在於在某一點，SQL Server自動觸發了統計信息的更新，但是這是一個比較大的表，但是默認統計信息更新的取樣比例是不夠的，如果取樣百分比不夠，這個統計信息完全是不可用的。

　　一旦自動收集統計信息完成之後，會根據當前收集到的統計信息，向之前的SQL語句發出一種它認為高效的方式（table scan而不是index seek），其實這種方式並非是合理的，
　　由此引發對應的SQL利用一種並非合理的執行計劃來實現查詢，同時會引發Session的擁堵，客戶端發過來大量的Session同時在利用一種低效的方式緩慢執行。

　　所以CPU會飙升，IO延遲增加，內存的PLE嚴重下降。

　　由此也不難理解，數十個查詢的Session正在以一種不合理的方式瘋狂地想磁盤發出請求，磁盤正在忙於活動Session的數據請求，出現無法響應因為數據或者索引文件的自動增長請求，造成一開始說的問題。

　　最後經過索引重建（促使統計信息更新，當然純粹的統計信息更新也可以）解決，長期預防的話，需要安排job人為地定義統計信息更新的阈值以及取樣百分比。

總結：

　　數據庫服務器上的問題，很多問題都是一個連鎖反應的過程，對應觀察到的一部分現象，很有可能並不是表面上的反應的那樣（磁盤請求超時，問題出在存儲上？）
　　專業的位置上必須要有專業的素養，比如一開始DBA誤以為是存儲問題，存儲工程師認為服務器內存用滿了是不正常的等，其實都不是問題的根本原因所在。
　　面對問題，要追本溯源，找出來最根本的原因，才是解決問題的關鍵。