数据库故障手册专业资料更新于 2026-07-286 分钟阅读
数据库故障先查什么：慢查询、锁等待、恢复与集群异常分流手册
用一张可下载简表对慢查询、锁等待、恢复与集群异常做分流，判断应先做只读自查、固定范围巡检、集群管控评估，还是进入需要单独授权的应急修复。
摘要
把常见故障按证据、停止条件和授权层级分流，避免脚本直接变成高风险生产动作。
适用对象
IT负责人DBA与值班工程师应用负责人数据库服务团队
核心结论
- 慢查询、锁等待、恢复失败、复制异常、连接耗尽和数据一致性问题需要不同的首轮证据。
- 免费资料的目标是形成可复查材料，不是自动诊断、自动终止或自动修复。
- B-HC适合固定范围巡检和风险Top 5；集群拓扑、复制与容量问题进入管控评估；生产修复必须单独授权。
- 客户原始SQL、日志、备份、拓扑和凭据只能进入受控位置，不能随网页表单或公共文件流转。
01搜索问题
六类常见故障分别先收集什么
先选正确的证据路径，再决定是否需要更高权限。
慢查询先固定时间窗和脱敏指纹；锁等待只采当前候选链；备份恢复必须区分作业、介质和实际恢复；复制与高可用先固定拓扑和角色；连接问题先看容量与等待分布；一致性问题先保存错误码、受影响范围和只读校验。
故障分流速查
| 问题 | 首轮只读证据 | 何时停止 | 建议下一步 |
|---|---|---|---|
| 慢查询 | 时间窗、脱敏指纹、调用与耗时聚合 | 需要实跑计划、改SQL、索引或参数 | B-HC巡检 |
| 锁等待 | 当前等待链、锁类型、等待事件、事务年龄 | 需要取消、终止、提交或回滚 | B-HC或应急评估 |
| 备份恢复 | 作业、介质校验、日志链、演练与RPO/RTO | 需要原始备份或真实恢复 | 恢复演练 |
| 复制/高可用 | 拓扑摘要、角色、延迟、最近变更与切换记录 | 需要切换、重建或改复制配置 | 集群管控评估 |
| 连接容量 | 连接分布、等待类型、连接池摘要和时间窗 | 需要断会话或改上限 | 容量巡检 |
| 数据一致性 | 错误码、影响范围、只读校验、备份与最近变更 | 需要写入修复、恢复或切换 | 应急远程评估 |
02服务边界
从免费自查到巡检、管控与修复
每一级都只增加解决当前问题所必需的权限。资料和脚本不接触客户原始数据；B-HC接收脱敏材料并给风险分级；集群管控评估需要拓扑、版本和交接手册；生产修复必须有明确目标、备份、回滚、授权人和回读。
数据库服务递进
- 01
L0
公开手册
选择问题类型和对应证据路径。
- 02
L1
只读脚本
在客户控制环境形成脱敏结果。
- 03
L2
B-HC巡检
固定范围人工复核、风险分级与整改Top 5。
- 04
L3
集群管控评估
核对拓扑、权限、制品、部署和回退条件。
- 05
L4
授权修复
按批准动作实施并完成生产回读。
层级不能跳过；任何写入、终止、恢复、切换或扩缩容都需要单独授权。
03可用交付物
下载故障分流简表
CSV可直接导入表格工具，包含故障类型、典型现象、首轮只读证据、停止条件、免费资料、付费下一步、授权动作和禁止自动动作。第14天观察从资料到脚本、自查或服务的有效动作，第30天核对非QA有效问题，第90天依据真实报价、付费或交付决定是否产品化。
本节判断
- 不要求上传生产密码、客户原始SQL、日志、备份或拓扑。
- 资料不足时记录缺口，不补写根因。
- 页面、下载、访问和QA不是商业证据。
常见问题
巡检脚本能否直接给出修复方案？
只能给候选风险和需要补充的证据。修复方案还需要结合版本、拓扑、业务窗口、回滚和负责人审批。
什么时候适合进入集群管控评估？
当问题涉及多节点角色、复制、故障转移、容量、统一监控或批量运维时，先核对拓扑、权限和部署制品，再决定是否使用管控平台。
什么时候应该停止自查？
一旦需要终止会话、写入修复、改参数、改索引、恢复、切换或扩大权限，就应停止并进入单独授权流程。