在一個(gè)理想的世界中，不會(huì)存在任何數(shù)據(jù)庫的損壞，就像我們不會(huì)將一些嚴(yán)重意外情況列入我們生活中的日常一樣，而一旦這類事情發(fā)生，一定會(huì)對(duì)我們的生活造成非常顯著的影響，在SQL Server中也同樣如此，或許幾年內(nèi)您沒有遇見過數(shù)據(jù)庫中出現(xiàn)這類情況，而一旦遇見這類情況，往往伴隨著數(shù)據(jù)的丟失，宕機(jī)，嚴(yán)重甚至您本身的職業(yè)生涯也會(huì)受到影響。因此對(duì)于這類情況，我們需要了解數(shù)據(jù)庫損壞方面的知識(shí)，以便我們能夠事前準(zhǔn)備，事后能夠處理。本篇文章會(huì)對(duì)數(shù)據(jù)庫損壞的原因、現(xiàn)象、事前和事后的一些處理方法以及簡單的修復(fù)方法進(jìn)行探討。

數(shù)據(jù)庫為什么會(huì)損壞？

在了解數(shù)據(jù)庫損壞之前，首先我們要了解SQL Server是如何將數(shù)據(jù)保存到數(shù)據(jù)文件（MDF、NDF等）。無論更新還是插入數(shù)據(jù)，數(shù)據(jù)都需要首先在內(nèi)存中的Buffer Pool駐留，然后通過CheckPoint和Lazy Writer等過程將內(nèi)存中的數(shù)據(jù)持久化到磁盤。在這個(gè)過程中，數(shù)據(jù)臟頁由內(nèi)存寫入持久化的IO子系統(tǒng)，在此期間，按照IO子系統(tǒng)的不同，數(shù)據(jù)可能經(jīng)過這幾層：

Windows(寫數(shù)據(jù)一定調(diào)用的是WINDOWS API)

Windows底層的中間層（殺毒軟件，磁盤加密系統(tǒng)）

網(wǎng)卡、路由器、交換機(jī)、光釬、網(wǎng)線等（如果IO子系統(tǒng)不是直連的話）

SAN控制器（如果使用了SAN）

RAID控制器（IO子系統(tǒng)做了RAID）

磁盤或SSD等持久化存儲(chǔ)器

因此，數(shù)據(jù)頁被寫入持久化存儲(chǔ)期間，可能經(jīng)過上述列表中的幾項(xiàng)。在經(jīng)歷上述過程中，硬件環(huán)境會(huì)受到很多方面的影響，比如說電壓是否穩(wěn)定、斷電、溫度過高或過低、潮濕程度等，而軟件方面，由于軟件都是人寫的，因此就可能存在BUG，這些都可能導(dǎo)致數(shù)據(jù)頁在傳輸過程中出現(xiàn)錯(cuò)誤。

此外，影響磁盤的因素也包括電壓是否穩(wěn)定、灰塵等因素，這些也有可能引起磁盤壞道或整體損壞。

上面提到的所有因素都可以被歸結(jié)為IO子系統(tǒng)。因此，造成數(shù)據(jù)損壞的情況絕大部分是由IO子系統(tǒng)引起的，還有非常非常小的概率內(nèi)存芯片也會(huì)導(dǎo)致數(shù)據(jù)頁損壞，但這部分情況微乎其微，因此不在本文的討論之列。

上面提到的這些導(dǎo)致數(shù)據(jù)損壞的原因都屬于天災(zāi)，還有一些人禍。比如說通過編輯器等手動(dòng)編輯數(shù)據(jù)文件、數(shù)據(jù)庫中還有需要Redo和Undo的事務(wù)時(shí)（也就是沒有Clean Shutdown）刪除了日志文件（通常會(huì)導(dǎo)致數(shù)據(jù)庫質(zhì)疑）。

發(fā)現(xiàn)數(shù)據(jù)庫損壞

在我們知道可能造成數(shù)據(jù)庫的損壞原因之后，接下來我們來看SQL Server是如何監(jiān)測數(shù)據(jù)庫頁損壞的。

在SQL Server的數(shù)據(jù)庫級(jí)別，可以設(shè)置頁保護(hù)類型，一共有三個(gè)選項(xiàng)：None，CheckSum，Torn_Page_Detection，如圖1所示：

圖1.頁保護(hù)的三種選項(xiàng)

關(guān)于這三種選項(xiàng)，首先，請無視None，請不要在任何場景下選擇該選項(xiàng)，該選項(xiàng)意味著SQL Server不對(duì)頁進(jìn)行保護(hù)。

其次是TORN_PAGE_DETECTION，在SQL Server中，數(shù)據(jù)的最小單位是頁，每一頁是8K，但是對(duì)應(yīng)磁盤上往往是16個(gè)512字節(jié)的扇區(qū)，如果一個(gè)頁在寫入持久化存儲(chǔ)的過程中，只寫了一半的頁，這就是所謂的TORN_PAGE_DETECTION，SQL Server通過每個(gè)扇區(qū)提512字節(jié)中前2位作為元數(shù)據(jù)，總共16個(gè)扇區(qū)32位4字節(jié)的元數(shù)據(jù)（頁頭中標(biāo)識(shí)為:m_tornBits），通過該元數(shù)據(jù)來檢測是否存在部分寫的TORN_PAGE，但該類型的頁驗(yàn)證無法檢測出頁中的寫入錯(cuò)誤，因此在SQL Server 2005及以上版本，盡量選擇CheckSum。

在SQL Server 2005及以上版本，引入了CheckSum，CheckSum可以理解為校驗(yàn)和，當(dāng)數(shù)據(jù)頁被寫入持久化存儲(chǔ)時(shí)，會(huì)根據(jù)頁的值計(jì)算出一個(gè)4字節(jié)的CheckSum存于頁頭（頁頭中標(biāo)識(shí)同為:m_tornBits），和數(shù)據(jù)在同一頁中一起保存在數(shù)據(jù)庫中。當(dāng)數(shù)據(jù)從IO子系統(tǒng)被讀取到內(nèi)存中時(shí)，SQL Server會(huì)根據(jù)頁內(nèi)的值再次計(jì)算CheckSum，用該重新計(jì)算的CheckSum和頁頭中存儲(chǔ)的CheckSum進(jìn)行比對(duì)，如果比對(duì)失敗，則SQL Server就會(huì)認(rèn)為該頁被損壞。

由CheckSum的過程可以看出，只有在頁被寫入SQL Server的過程中才會(huì)計(jì)算CheckSum，因此如果僅僅改變數(shù)據(jù)庫選項(xiàng)的話，則頁頭中的該元數(shù)據(jù)并不會(huì)隨之改變。

與IO相關(guān)的三種錯(cuò)誤

通過上述CheckSum的原理可以看出，SQL Server可以檢測出頁損壞，此時(shí)，具體的表現(xiàn)形式可能為下述三種錯(cuò)誤的一種：

823錯(cuò)誤，也就是所謂的硬IO錯(cuò)誤，可以理解為SQL Server希望讀取頁，而Windows告訴SQL Server，無法讀取到該頁。

824錯(cuò)誤，也就是所謂的軟IO錯(cuò)誤，可以理解為SQL Server已經(jīng)讀取到該頁，但通過計(jì)算CheckSum等值發(fā)現(xiàn)不匹配，因此SQL Server認(rèn)為該頁已經(jīng)被損壞。

825錯(cuò)誤，也就是所謂Retry錯(cuò)誤。

其中， 上述823和824錯(cuò)誤都是錯(cuò)誤等級(jí)為24的嚴(yán)重錯(cuò)誤，因此會(huì)被記錄在Windows應(yīng)用程序日志和SQL Server的錯(cuò)誤日志中，而引起該錯(cuò)誤的頁會(huì)被記錄在msdb.dbo.suspect_pages中。SQL Server錯(cuò)誤日志中也會(huì)記錄到出錯(cuò)頁的編號(hào)，如圖2所示。

圖2.824錯(cuò)誤在SQL Server錯(cuò)誤記錄中的描述

因此，如果我們存在完善的備份的話，我們可以通過備份進(jìn)行頁還原（在此再次強(qiáng)調(diào)一下對(duì)于DBA來說，有”備”無患），一個(gè)簡單的頁還原代碼如代碼清單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

代碼清單1.一個(gè)簡單的頁還原代碼，從備份中還原文件ID1中的第155頁

記得我們前面說的，在讀取頁計(jì)算校驗(yàn)和時(shí)出錯(cuò)，這既可能是被寫入持久化存儲(chǔ)的頁本身出錯(cuò)，也可能是在頁被讀取的過程中出錯(cuò)，此時(shí)SQL Server會(huì)嘗試從IO子系統(tǒng)中再次讀取該頁，最多可能是4次嘗試，如果在4次嘗試過程中校驗(yàn)和通過，則會(huì)是825錯(cuò)誤，否則是824錯(cuò)誤。這里要注意，與823和824錯(cuò)誤不同的是，825錯(cuò)誤是一個(gè)等級(jí)僅為10的信息。

因此，由于有固定的錯(cuò)誤編號(hào)，因此可以在SQL Server Agent中對(duì)823和824設(shè)置警報(bào)。

備份CheckSum

上述頁CheckSum只有在頁被使用時(shí)才會(huì)被校驗(yàn)頁的正確性。在備份數(shù)據(jù)庫時(shí)，可以指定CheckSum選項(xiàng)來使得備份讀取的頁也計(jì)算校驗(yàn)和，從而保證了被備份的數(shù)據(jù)庫是沒有損壞的。在圖3的備份選項(xiàng)我們可以注意到這兩條：

圖3.CheckSum和Continue_After_Error選項(xiàng)

如果啟用了CheckSum，當(dāng)備份過程中發(fā)現(xiàn)了頁校驗(yàn)和錯(cuò)誤時(shí)，就會(huì)終止備份，而啟用了Continue_After_Error選項(xiàng)的話，在檢測到校驗(yàn)和錯(cuò)誤時(shí)，仍然繼續(xù)從而使得備份成功。

備份如果啟用了CheckSum選項(xiàng)，除去檢測每一頁的校驗(yàn)和之外，還會(huì)在備份完成后，對(duì)整個(gè)備份計(jì)算校驗(yàn)和并存儲(chǔ)于備份頭中。

此外，對(duì)于備份，我們還可以通過Restore Verifyonly with CheckSum來驗(yàn)證備份，來保證備份的數(shù)據(jù)沒有被損壞。

DBCC CheckDB

前面提到SQL Server發(fā)現(xiàn)錯(cuò)誤的方法有兩種，分別為在讀取頁時(shí)和在備份時(shí)（本質(zhì)上也是讀取頁）。但如果我們希望對(duì)于數(shù)據(jù)一致性的檢查更加的激進(jìn)，那我們應(yīng)該定期使用CheckDB來檢查數(shù)據(jù)的一致性，而不至于在生產(chǎn)時(shí)間數(shù)據(jù)被讀取時(shí)才能發(fā)現(xiàn)錯(cuò)誤。

CheckDB命令會(huì)對(duì)整個(gè)數(shù)據(jù)庫做所有的一致性檢查。當(dāng)檢查對(duì)象是Master數(shù)據(jù)庫時(shí)，CheckDB還會(huì)檢查ResourceDB。

CheckDB最簡單的用法如代碼清單2所示，在當(dāng)前數(shù)據(jù)庫上下文中直接執(zhí)行CheckDB，將會(huì)檢查當(dāng)前數(shù)據(jù)庫中所有的一切。

DBCC CHECKDB

代碼清單2.CheckDB最簡單的用法

CheckDB命令在企業(yè)版中會(huì)使用多線程來進(jìn)行，會(huì)對(duì)整個(gè)數(shù)據(jù)庫進(jìn)行一致性檢查，在該過程中，使用了內(nèi)建數(shù)據(jù)庫快照的方式進(jìn)行，因此不會(huì)造成阻塞，但CheckDB會(huì)消耗大量的CPU、內(nèi)存和IO。因此CheckDB要選擇在維護(hù)窗口時(shí)間或是系統(tǒng)閑時(shí)進(jìn)行。

默認(rèn)情況下，CheckDB命令會(huì)將輸出所有的信息，但通常我們并不關(guān)心這些信息，而是只關(guān)心錯(cuò)誤信息，因此實(shí)際中通常給DBCC指定不顯式信息的參數(shù)，如代碼清單3所示。

DBCC CHECKDB WITH NO_INFOMSGS;

代碼清單3.CheckDB通常搭配No_InfoMsgs參數(shù)

實(shí)際上，CheckDB是一套命令的匯總，CheckDB會(huì)依次檢查下述內(nèi)容：

初次檢查系統(tǒng)表

分配單元檢查（DBCC CHECKALLOC）

完整檢查系統(tǒng)表

對(duì)所有表進(jìn)行一致性邏輯檢查（DBCC CHECKTABLE）

元數(shù)據(jù)檢查（DBCC CHECKCATALOG）

SSB檢查

索引視圖、XML索引等檢查

首先，當(dāng)發(fā)現(xiàn)系統(tǒng)表損壞時(shí)，只能通過備份進(jìn)行恢復(fù)（這也是為什么備份除TempDB之外的系統(tǒng)表非常重要）。其次，在一個(gè)大數(shù)據(jù)庫中，做一次CheckDB時(shí)間會(huì)非常長，維護(hù)窗口時(shí)間或系統(tǒng)閑時(shí)的時(shí)間可能無法Cover這段時(shí)間，那么我們可以將CheckDB的任務(wù)分散到CHECKALLOC、DBCC CHECKTABLE、DBCC CHECKCATALOG這三個(gè)命令中。

更多關(guān)于CheckDB的詳細(xì)信息，請參閱：http://technet.microsoft.com/en-us/library/ms176064.aspx。

數(shù)據(jù)庫損壞的修復(fù)

數(shù)據(jù)庫損壞最