SQL Server数据库损坏检测

在一个理想的世界中，不会存在任何数据库的损坏，就像我们不会将一些严重意外情况列入我们生活中的日常一样，而一旦这类事情发生，一定会对我们的生活造成非常显著的影响，在SQL Server中也同样如此，或许几年内您没有遇见过数据库中出现这类情况，而一旦遇

 　　在一个理想的世界中，不会存在任何数据库的损坏，就像我们不会将一些严重意外情况列入我们生活中的日常一样，而一旦这类事情发生，一定会对我们的生活造成非常显著的影响，在SQL Server中也同样如此，或许几年内您没有遇见过数据库中出现这类情况，而一旦遇见这类情况，往往伴随着数据的丢失，宕机，严重甚至您本身的职业生涯也会受到影响。因此对于这类情况，我们需要了解数据库损坏方面的知识，以便我们能够事前准备，事后能够处理。本篇文章会对数据库损坏的原因、现象、事前和事后的一些处理方法以及简单的修复方法进行探讨。

　　数据库为什么会损坏?

　　在了解数据库损坏之前，首先我们要了解SQL Server是如何将数据保存到数据文件(MDF、NDF等)。无论更新还是插入数据，数据都需要首先在内存中的Buffer Pool驻留，然后通过CheckPoint和Lazy Writer等过程将内存中的数据持久化到磁盘。在这个过程中，数据脏页由内存写入持久化的IO子系统，在此期间，按照IO子系统的不同，数据可能经过这几层：

　　Windows(写数据一定调用的是WINDOWS API)

　　Windows底层的中间层(杀毒软件，磁盘加密系统)

　　网卡、路由器、交换机、光钎、网线等(如果IO子系统不是直连的话)

　　SAN控制器(如果使用了SAN)

　　RAID控制器(IO子系统做了RAID)

　　磁盘或SSD等持久化存储器

　　因此，数据页被写入持久化存储期间，可能经过上述列表中的几项。在经历上述过程中，硬件环境会受到很多方面的影响，比如说电压是否稳定、断电、温度过高或过低、潮湿程度等，而软件方面，由于软件都是人写的，因此就可能存在BUG，这些都可能导致数据页在传输过程中出现错误。

　　此外，影响磁盘的因素也包括电压是否稳定、灰尘等因素，这些也有可能引起磁盘坏道或整体损坏。

　　上面提到的所有因素都可以被归结为IO子系统。因此，造成数据损坏的情况绝大部分是由IO子系统引起的，还有非常非常小的概率内存芯片也会导致数据页损坏，但这部分情况微乎其微，因此不在本文的讨论之列。

　　上面提到的这些导致数据损坏的原因都属于天灾，还有一些人祸。比如说通过编辑器等手动编辑数据文件、数据库中还有需要Redo和Undo的事务时(也就是没有Clean Shutdown)删除了日志文件(通常会导致数据库质疑)。

　　发现数据库损坏

　　在我们知道可能造成数据库的损坏原因之后，接下来我们来看SQL Server是如何监测数据库页损坏的。

　　在SQL Server的数据库级别，可以设置页保护类型，一共有三个选项：None，CheckSum，Torn_Page_Detection，如图1所示：

　　图1.页保护的三种选项

　　关于这三种选项，，首先，请无视None，请不要在任何场景下选择该选项，该选项意味着SQL Server不对页进行保护。

　　其次是TORN_PAGE_DETECTION，在SQL Server中，数据的最小单位是页，每一页是8K，但是对应磁盘上往往是16个512字节的扇区，如果一个页在写入持久化存储的过程中，只写了一半的页，这就是所谓的TORN_PAGE_DETECTION，SQL Server通过每个扇区提512字节中前2位作为元数据，总共16个扇区32位4字节的元数据(页头中标识为:m_tornBits)，通过该元数据来检测是否存在部分写的TORN_PAGE，但该类型的页验证无法检测出页中的写入错误，因此在SQL Server 2005及以上版本，尽量选择CheckSum。

　　在SQL Server 2005及以上版本，引入了CheckSum，CheckSum可以理解为校验和，当数据页被写入持久化存储时，会根据页的值计算出一个4字节的CheckSum存于页头(页头中标识同为:m_tornBits)，和数据在同一页中一起保存在数据库中。当数据从IO子系统被读取到内存中时，SQL Server会根据页内的值再次计算CheckSum，用该重新计算的CheckSum和页头中存储的CheckSum进行比对，如果比对失败，则SQL Server就会认为该页被损坏。

　　由CheckSum的过程可以看出，只有在页被写入SQL Server的过程中才会计算CheckSum，因此如果仅仅改变数据库选项的话，则页头中的该元数据并不会随之改变。

　　与IO相关的三种错误

　　通过上述CheckSum的原理可以看出，SQL Server可以检测出页损坏，此时，具体的表现形式可能为下述三种错误的一种：

　　823错误，也就是所谓的硬IO错误，可以理解为SQL Server希望读取页，而Windows告诉SQL Server，无法读取到该页。

　　824错误，也就是所谓的软IO错误，可以理解为SQL Server已经读取到该页，但通过计算CheckSum等值发现不匹配，因此SQL Server认为该页已经被损坏。

　　825错误，也就是所谓Retry错误。

　　其中， 上述823和824错误都是错误等级为24的严重错误，因此会被记录在Windows应用程序日志和SQL Server的错误日志中，而引起该错误的页会被记录在msdb.dbo.suspect_pages中。SQL Server错误日志中也会记录到出错页的编号，如图2所示。

　　图2.824错误在SQL Server错误记录中的描述

　　因此，如果我们存在完善的备份的话，我们可以通过备份进行页还原(在此再次强调一下对于DBA来说，有”备”无患)，一个简单的页还原代码如代码清单1所示。

　　USE [master]

　　RESTORE DATABASE [Corrupt_DB] PAGE='1:155'

　　FROM DISK = N'C:xxx.bak'

　　WITH FILE = 1, NORECOVERY, NOUNLOAD, STATS = 5

　　代码清单1.一个简单的页还原代码，从备份中还原文件ID1中的第155页

　　记得我们前面说的，在读取页计算校验和时出错，这既可能是被写入持久化存储的页本身出错，也可能是在页被读取的过程中出错，此时SQL Server会尝试从IO子系统中再次读取该页，最多可能是4次尝试，如果在4次尝试过程中校验和通过，则会是825错误，否则是824错误。这里要注意，与823和824错误不同的是，825错误是一个等级仅为10的信息。

　　因此，由于有固定的错误编号，因此可以在SQL Server Agent中对823和824设置警报。

　　备份CheckSum