修復SQLSERVER2000數據庫之實(shí)戰經(jīng)驗

********************************************************************************

Author:黃山光明頂

mail:leimin@jxfw.com

version:1.0.0

date:2004-1-30

(如需轉載,請注明出處!,如果有問(wèn)題請發(fā)MAIL給我:-))

*******************************************************************************

   我所講的一個(gè)故事的背景是這樣的，在某一個(gè)POS的項目中使用SQLSERVER 2000做前臺數據庫，IBM 的DB2做后臺數據庫。前臺數據庫的環(huán)境是這樣的操作系統是WINDOWS2000 SERVER(10 USERS),數據庫是SQLSERVER2000(E)+SP3,Application是POS的收銀系統（是一種實(shí)時(shí)的交易系統）。硬件的配置是：P4 XRON 2.4G*2,36G HDD*5 做的RAID5 ,1G MEMORY，HP DDS4 磁帶機,數據庫的容量一般保持在5G左右。
   因為數據比較的重要，并且數據容量也不大，我們要求的備份策略是每天在磁帶機做POS_DB的全備份（一個(gè)星期7天一個(gè)循環(huán)），在晚上還在硬盤(pán)上做全部備份（MASTER,MSDB,POS_DB).這樣保持雙重的保險。

1.故障爆發(fā)：
2003－12－26 13:00
客戶(hù)報告所有的POS死機和SERVER運行速度非常的慢。經(jīng)過(guò)重新啟動(dòng)服務(wù)器（啟動(dòng)到檢查RAID卡時(shí)開(kāi)始報警）我們發(fā)現在WINDEOWS 2000 SERVER的“系統日志”中有這樣的信息：
       Error: 823, Severity: 24, State: 2
       I/O error (torn page) detected during read at offset 0x0000001bf96000 in file   D :\DATA\POS_DB.mdf‘.
SQLSERVER的“錯誤日志”中有這樣的信息： 
 2003-12-10 03:34:22.23 spid56    Error: 823, Severity: 24, State: 2
 2003-12-10 03:34:22.23 spid56    I/O error (torn page) detected during read at offset 0x00000074964000 in file   ‘D:\DATA\POS_DB.mdf‘..
來(lái)自msdn的解釋?zhuān)?br>    I/O logical check failure: If a read Windows API call or a write Windows API call for a database file is successful, but specific logical checks on the data are not successful (a torn page, for example), an 823 error is raised. The following error message is an example of an 823 error for an I/O logical check failure:
 2003-09-05 16:51:18.90 spid17 Error: 823, Severity: 24, State: 2
 2003-09-05 16:51:18.90 spid17 I/O error (torn page) detected during read at offset 0x00000094004000 in file   ‘F:\SQLData\mydb.MDF‘..
    To resolve this problem, first run the DBCC CHECKDB statement on the database that is associated with the file in the error message. If the DBCC CHECKDB statement reports errors, correct those errors before you troubleshoot this problem. If the problem persists even after the DBCC CHECKDB errors have been corrected, or if the DBCC CHECKDB statement does not report any errors, review the Microsoft Windows NT system event log for any system errors or disk-related errors. You can also contact your hardware vendor to run any appropriate diagnostics.
        I/O邏輯檢查失?。喝绻幸粋€(gè)WINDOWS程序在讀取和寫(xiě)數據庫文件時(shí)是成功的，但是在詳細的數據邏輯檢查時(shí)沒(méi)有成功（比如：不完整的頁(yè)），SQLSERVER會(huì )返回MSG 823的錯誤。下面就是一個(gè)I/O邏輯檢查失敗MSG 823的實(shí)例：
 2003-09-05 16:51:18.90 spid17 Error: 823, Severity: 24, State: 2
 2003-09-05 16:51:18.90 spid17 I/O error (torn page) detected during read at offset 0x00000094004000 in file    ‘F:\SQLData\mydb.MDF‘..
 要解決這樣的問(wèn)題，首先要在該數據庫中執行DBCC CHECKDB（錯誤信息提示的數據庫文件）。如果DBCC CHECKDB報錯，在你修復錯誤之前糾正這些錯誤。如果這些錯誤信息一直保留到執行DBCC CHECKDB運行之后，或者DBCC CHECKDB沒(méi)有報告任何錯誤，檢查WINDOWS NT系統的的事件查看器的和系統錯誤或磁盤(pán)錯誤相關(guān)的信息。你也可以聯(lián)系硬件廠(chǎng)商運行正確的診斷工具。

壞了:-(，數據庫文件有問(wèn)題，在檢查OS的事件查看器，我們發(fā)現在一個(gè)星期之前就有錯誤信息（只是OFFSET的偏移地址不同）。

趕緊檢查HDD,果然發(fā)現在RAID5的第一快HDD亮了紅燈（灰塵太多，很難于看清）

執行 DBCC CHECKDB(‘POS_DB‘)檢查發(fā)現：
 Server: Msg 8909, Level 16, State 1, Line 1
 Table error: Object ID 26342838, index ID 35207, page ID (1:50978). The PageId in the page header =(32230:-2048732002).

 Server: Msg 2511, Level 16, State 1, Line 1
 Table error: Object ID 862626116, Index ID 0. Keys out of order on page (1:269310), slots 0 and 1.
啊哈，果然有很多的表都有錯誤關(guān)聯(lián)（請記錄每一個(gè)錯誤表的OBJECT ID)
從MSDN查到：
 錯誤號Msg 823:表示SQLSERVER在讀取數據和寫(xiě)數據時(shí)檢測到硬件設備有問(wèn)題或者系統有問(wèn)題。
         TORN PAGE:的意思是不完整的頁(yè)
         0x0000001bf96000：這是從數據文件開(kāi)始處到TORN PAGE 的字節數。
         錯誤號Msg 8939 ：大家可以看看：http://support.microsoft.com/default.aspx?kbid=320434
         FIX：在運行 CHECKDB 時(shí)，具有 TABLOCK 提示的大容量插入（bulk insert, bcp 等）可能導致錯誤 8929 和 8965
         錯誤號MSG 8928:是和8939相關(guān)聯(lián)的信息，
         錯誤號MSG 8965:是和8939相關(guān)聯(lián)的信息，

大家可以到下面的地址找到相關(guān)的信息：
 http://support.microsoft.com/default.aspx?scid=kb;en-us;826433
 PRB: Additional SQL Server Diagnostics Added to Detect Unreported I/O Problems
 http://support.microsoft.com/default.aspx?scid=kb;en-us;828339
 PRB: Error message 823 may indicate hardware problems or system problems
 http://support.microsoft.com/default.aspx?scid=kb;en-us;308795
 FIX: CheckDB May Not Fix Error 8909 or Error 8905

故障確診：RAID有一塊HDD壞，造成數據庫文件破壞

2.更換HDD
2003－12－28 23:00
現在就體現了RAID5的好處，壞了一塊HDD，系統可以照常運行，不過(guò)系統的日志和SQLSERVER的日志還是有MSG823的報錯信息。
按照RAID 卡的REBUILD的步驟將新的HDD綁定到原始的RAID5中，順利完成:-)
用DBCC檢查數據庫的完整性
      DBCC CHECKDB(‘POS_DB‘) WITH ALL_ERRORMSGS
發(fā)現還是有和更換HDD之前一樣的ERROR信息，看來(lái)數據庫文件還是有問(wèn)題。

--有一個(gè)奇怪問(wèn)題1，既然是5塊HDD的RAID5，為何有一塊HDD壞會(huì )影響數據庫文件的損壞，不解？？？:-(

3.恢復數據庫
2003－12－29 00:30
沒(méi)有辦法，用備份的數據集恢復數據庫（看來(lái)備份是多么的重要）
           USE MASTER
          GO
          RESTORE DATABASE POS_DB FROM    DISK=‘D:\DATABASEBACKUP\POS_DB_BACKUP.DAT‘
重新啟動(dòng)MSSQLSERCVER服務(wù)，
    NET STOP MSSQLSERVER / NET START MSSQLSERVER
用DBCC檢查數據庫的完整性
    DBCC CHECKDB(‘POS_DB‘) WITH ALL_ERRORMSGS

和恢復之前的錯誤信息一致，沒(méi)有改變。
--奇怪問(wèn)題之2，SQLSERVER BACKUP 之前并不驗證數據庫的完整性，數據庫的全備份竟然是有問(wèn)題的。氣憤??！

看來(lái)只能通過(guò)工具修復數據庫了（--在修改之前記錄錯誤表的記錄數，以便修復數據庫后進(jìn)行比較）。
 在查詢(xún)分析器中運行：
      ALTER DATABASE POS_DB SET SINGL_USER
      GO
      DBCC CHECKDB(‘POS_DB‘,repair_allow_data_loss) WITH TABLOCK
     GO
      ALTER DATABASE POS_DB SET MULTI_USER
     GO

CHECKDB 有3個(gè)參數:
REPAIR_ALLOW_DATA_LOSS
  執行由 REPAIR_REBUILD 完成的所有修復，包括對行和頁(yè)進(jìn)行分配和取消分配以改正分配錯誤、結構行或頁(yè)的錯誤，以及刪除已損壞的文本對象。這些修復可能會(huì )導致一些數據丟失。修復操作可以在用戶(hù)事務(wù)下完成以允許用戶(hù)回滾所做的更改。如果回滾修復，則數據庫仍會(huì )含有錯誤，應該從備份進(jìn)行恢復。如果由于所提供修復等級的緣故遺漏某個(gè)錯誤的修復，則將遺漏任何取決于該修復的修復。修復完成后，備份數據庫。
REPAIR_FAST 進(jìn)行小的、不耗時(shí)的修復操作，如修復非聚集索引中的附加鍵。這些修復可以很快完成，并且不會(huì )有丟失數據的危險。
REPAIR_REBUILD 執行由 REPAIR_FAST 完成的所有修復，包括需要較長(cháng)時(shí)間的修復（如重建索引）。執行這些修復時(shí)不會(huì )有丟失數據的危險。

第一次運行，我們會(huì )發(fā)現：
 DBCC results for ‘TABLE_NAME‘.
 There are 1 rows in 1 pages for object ‘TABLE_NAME‘.
         The error has been repaired.
 CHECKDB found 0 allocation errors and 1 consistency errors in  table ‘(Object ID 26342838)‘ (object ID 26342838).
 CHECKDB fixed 0 allocation errors and 1 consistency errors in  table ‘(Object ID 26342838)‘ (object ID 26342838).
這樣的信息有很多，并且有“The error has been repaired”的提示。不過(guò)到最后還是有這樣的信息：
 CHECKDB found 0 allocation errors and 19 consistency errors in database ‘POS_DB‘.
 CHECKDB fixed 0 allocation errors and 19 consistency errors in database ‘POS_DB‘.
再次運行，還是有同樣的錯誤。糟糕:=)看來(lái)這種方式是無(wú)法修復這樣測錯誤。

失?。。?！

再仔細看看SQLSERVER BOL發(fā)現CHECKDB還有一個(gè)非常有用的參數PHYSICAL_ONLY

PHYSICAL_ONLY
    僅限于檢查頁(yè)和記錄標題物理結構的完整性，以及頁(yè)對象 ID 和索引 ID 與分配結構之間的一致性。該檢查旨在以較低的開(kāi)銷(xiāo)檢查數據庫的物理一致性，同時(shí)還檢測會(huì )危及用戶(hù)數據安全的殘缺頁(yè)和常見(jiàn)的硬件故障。PHYSICAL_ONLY 始終意味著(zhù) NO_INFOMSGS，并且不能與任何修復選項一起使用。

再次運行：
 DBCC CHECKDB(‘POS_DB‘) with NO_INFOMSGS,PHYSICAL_ONLY
然后再運行：
 DBCC CHECKDB(‘POS_DB‘,repair_allow_data_loss) WITH TABLOCK
這次會(huì )返回一些8952.8956的錯誤信息:
Server: Msg 8952, Level 16, State 1, Line 1
Table error: Database ‘POS_DB‘, index ‘POS_REFER.Idx2_POS_REFER‘ (ID 861246123) (index ID 2). Extra or invalid key for the keys:

Server: Msg 8956, Level 16, State 1, Line 1
Index row (1:26315:23) with values (PLU_ID = ‘6922825200240‘ and PRD_AGGR_ID = 10006 and EVNT_ID = NULL and RGST_MDE = 0 and SUBPRD_NBR = 0 and STR_ID = 12 and PRD_AGGR_ID = 10006 and SUBPRD_NBR = 0 and STR_ID = 12 and PLU_ID = ‘6922825200240‘ and EVNT_ID = NULL and RGST_MDE = 0) points to the data row identified by ().

根據MSDN上的說(shuō)明：
 This problem does not cause any data or index corruption. The problem is in the metadata which is corrected only by  dropping and re-creating the indexes.
        這些問(wèn)題不會(huì )引起數據或索引的損壞，這些問(wèn)題的元數據是正確的，只是刪除再重新建立索引。
看來(lái)問(wèn)題是修改了。

再次運行DBCC CHECKDB(‘POS_DB‘),再次運行:DBCC CHECKDB(‘POS_DB‘),message沒(méi)有錯誤信息。

ok成功修復:-)

4.檢查修復后的數據庫并且備份數據庫
檢查DBCC CHECKDB報錯的相關(guān)表，和沒(méi)有執行DBCC之前的記錄數進(jìn)行比較，發(fā)現有一個(gè)表少了40條記錄。郁悶:-<

5.總結

1.RAID5并不能保證SQLSERVER 2000 數據庫的數據文件的完整性；
2.SQLERVER 2000的備份程序不驗證數據庫文件的數據完整性；如果你的數據文件有問(wèn)題，備份時(shí)也不圖示；
3.DBCC CHECKDB的repair_allow_data_loss并不是非常安全的，不能修復所有的錯誤，即使是對不完整頁(yè)（TORN PAGE）的修復也會(huì )著(zhù)成數據丟失；
4.DBCC CHECKDB的REPAIR_ALLOW_DATA_LOSS參數無(wú)法修復所有的錯誤;

參考文章:
http://support.microsoft.com/default.aspx?scid=kb;en-us;298806
http://support.microsoft.com/default.aspx?scid=kb;en-us;284440
http://support.microsoft.com/default.aspx?kbid=320434
http://support.microsoft.com/default.aspx?scid=kb;en-us;828339
http://support.microsoft.com/default.aspx?scid=kb;en-us;308795
http://support.microsoft.com/default.aspx?scid=kb;en-us;826433