排查 SQL 数据库和 SQL 托管实例中的临时连接错误
适用于： 
Azure SQL 数据库 Azure SQL 托管实例 Azure Synapse Analytics
本文介绍如何防止、排查、诊断和减少客户端应用程序在与 Azure SQL 数据库、Azure SQL 托管实例和 Azure Synapse Analytics 交互时发生的连接错误和暂时性错误。 了解如何配置重试逻辑、生成连接字符串以及调整其他连接设置。
暂时性错误（暂时性故障）
暂时性错误（也称为暂时性故障）的根本原因很快就能自行解决。 当 Azure 系统快速地将硬件资源转移到负载均衡更好的各种工作负荷时，偶尔会发生暂时性错误。 大多数这些重新配置事件在 60 秒内就能完成。 在进行这种重新配置的过程中，可能会在 SQL 数据库中连接到你的数据库时遇到问题。 连接到你的数据库的应用程序应当构建为能预见这些暂时性错误。 为了处理这些错误，可应用程序代码中实现重试逻辑，而不是以应用程序错误的形式呈现给用户。
如果客户端程序使用 ADO.NET，系统会引发 SqlException，使程序知道已发生暂时性错误。
连接与命令
重试 SQL 数据库和 SQL 托管实例连接或重新建立连接，具体取决于以下各项：
- 尝试连接期间发生暂时性错误
延迟几秒钟后，重试连接。
- 在 SQL 数据库和 SQL 托管实例查询命令期间遇到暂时性错误
不要立即重试该命令， 应在一定的延迟之后建立新的连接。 然后重试命令。
针对暂时性错误的重试逻辑
在偶尔会遇到暂时性错误的客户端程序中包含重试逻辑可以让它变得更稳健。 如果你的程序通过第三方中间件与你在 SQL 数据库中的数据库通信，请咨询供应商，了解该中间件是否包含暂时性错误的重试逻辑。
重试原则
- 如果错误是暂时性的，请重试打开连接。
- 不要直接重试由于暂时性错误而失败的 SQL 数据库或 SQL 托管实例
SELECT语句。 而应建立新的连接，然后重试SELECT。 - SQL 数据库或 SQL 托管实例
UPDATE语句由于暂时性错误而失败时，请先建立新的连接，然后重试 UPDATE。 重试逻辑必须确保整个数据库事务完成，或整个事务已回滚。
其他重试注意事项
- 下班后自动启动的批处理程序以及在凌晨之前完成的批处理程序在每次重试前经过较长的时间间隔。
- 用户界面程序应该解释用户会在长时间等待后放弃操作的倾向。 解决方案不得每隔几秒钟重试，因为该策略可能会使系统填满请求。
增大重试间隔
我们建议在第一次重试前等待 5 秒。 如果在少于 5 秒的延迟后重试，云服务有超载的风险。 对于后续的每次重试，延迟应以指数级增大，最大值为 60 秒。
要了解使用 ADO.NET 的客户端的暂停时段，请参阅连接池 (ADO.NET)。
还可以设置程序在自行终止之前的重试次数上限。
重试逻辑代码示例
以下文档提供了有关重试逻辑的代码示例：
测试重试逻辑
若要测试重试逻辑，必须模拟或生成程序仍在运行时可更正的错误。
通过断开网络连接进行测试
可以测试重试逻辑的一种方法是在程序运行时断开客户端计算机与网络的连接。 错误为：
- SqlException.Number = 11001
- 消息：“此主机不存在”
第一次重试时，可以将客户端计算机重新连接到网络，然后尝试连接。
要使此测试可行，请从网络中断开计算机的连接，再启动程序。 然后，程序将识别促使它执行以下操作的运行时参数：
- 暂时将 11001 添加到视为暂时性故障的错误列表。
- 像往常一样尝试首次连接。
- 在捕获该错误后，从列表中删除 11001。
- 显示一条消息，告知用户要将计算机接入网络。
- 通过使用“Console.ReadLine” 方法或具有“确定”按钮的对话框暂停进一步执行。 将计算机接入网络后，用户按 Enter 键。
- 重新尝试连接，预期会成功。
通过在连接时拼错用户名进行测试
在首次连接尝试之前，程序可以故意拼错用户名。 错误为：
- SqlException.Number = 18456
- 消息：“用户 'WRONG_MyUserName' 的登录失败。”
在首次重试过程中，程序可以更正拼写错误，并尝试连接。
要使此测试可行，程序需识别促使它执行以下操作的运行时参数：
- 暂时将 18456 添加到视为暂时性故障的错误列表。
- 故意将“WRONG_”添加到用户名。
- 在捕获该错误后，从列表中删除 18456。
- 从用户名中删除“WRONG_”。
- 重新尝试连接，预期会成功。
连接重试的 .NET SqlConnection 参数
如果你的客户端程序使用 .NET Framework 类 System.Data.SqlClient.SqlConnection 连接到你在 Azure SQL 数据库中的数据库，请使用 .NET 4.6.1 或更高版本（或 .NET Core），以便利用其连接重试功能。 有关此功能的详细信息，请参阅 SqlConnection.ConnectionString 属性。
为 SqlConnection 对象生成连接字符串时，请在以下参数之间协调值：
- ConnectRetryCount：默认值为 1。 范围为 0 到 255。
- ConnectRetryInterval：默认值为 10 秒。 范围为 1 到 60。
- Connection Timeout：默认值为 15 秒。 范围为 0 到 2147483647。
- Command Timeout：默认值为 30 秒。 范围为 0 到 2147483647。
连接重试设置（ConnectRetryCount 和 ConnectRetryInterval）适用于连接复原。 连接复原包括以下不同类型：
打开连接复原是指初始 SqlConnection.Open 或 OpenAsync() 方法。 第一次连接尝试算作尝试零。 ConnectRetryCount 适用于后续重试。 因此，如果连接零失败（这可能不会立即发生），则首先应用 ConnectRetryInterval，然后进行 ConnectRetryCount（和 ConnectRetryInterval）尝试。 若要利用所有重试尝试，连接超时属性必须为所有尝试提供时间。
空闲连接复原是指自动检测并重新连接已断开的现有空闲连接。 重新连接断开的空闲连接的第一次尝试算作第一次重试尝试。 若要利用所有重试尝试，命令超时必须为所有尝试提供时间。
示例：假设 ConnectRetryCount 和 ConnectRetryInterval 参数的值如下：
ConnectRetryCount：3 ConnectRetryInterval：10 秒
了解以下场景中如何使用这些值：
场景：新建连接
4:10:00 - Connection.Open() - 零尝试
4:10:01 - 检测到连接失败
4:10:11 - 重试 1 - ConnectRetryInterval 后的首次重试>
4:10:21 - 重试 2
4:10:31 - 重试 3
对于此场景，所选值应满足以下条件：
Connection Timeout > = ConnectRetryCount * ConnectionRetryInterval
例如，如果计数为 3 且间隔为 10 秒，超时值仅为 29 秒未给系统足够的时间进行其第三次也是最后一次连接重试：
29 < 3 * 10
场景：空闲连接
ConnectRetryCount：3 ConnectRetryInterval：10 秒
4:10:00 - 执行命令时检测到连接断开
4:10:00 - 重试 1 -->首次重试立即发生
4:10:10 - 重试 2
4:10:20 - 重试 3
这不是初始连接。 因此，连接超时不适用。 但是，由于连接恢复发生在命令执行期间，命令超时设置也的确适用。 Connection Timeout 默认值为 30 秒。 虽然在典型情况下连接恢复很快，但间歇性中断可能会导致恢复占用一些命令执行时间。
对于这个场景，如果你想充分利用空闲连接恢复重试，所选值应满足以下条件：
Command Timeout > (ConnectRetryCount - 1) * ConnectionRetryInterval
例如，如果计数为 3 且间隔为 10 秒，命令超时值仅为 20 秒不能给出足够的时间进行第三次也是最后一次连接重试：(3 - 1) * 10 = 20`
另外，请考虑在连接恢复后命令本身还需要时间来执行。
备注
这些场景中提供的持续时间值仅用于演示。 这两种场景中的实际检测时间取决于底层基础设施。
连接与命令
ConnectRetryCount 和 ConnectRetryInterval 参数使 SqlConnection 对象在重试连接操作时不用通知或麻烦你的程序（例如，将控制权返还给你的程序）。 在以下情况下可能会进行重试：
- SqlConnection.Open 方法调用
- SqlConnection.Execute 方法调用
有个很微妙的地方。 如果正在执行查询时发生暂时性错误，SqlConnection 对象不会重试连接操作。 肯定不会重试查询。 但是， SqlConnection 在发送要执行的查询前会非常快速地检查连接。 如果快速检查检测到连接问题， SqlConnection 会重试连接操作。 如果重试成功，则会发送查询以执行。
ConnectRetryCount 是否应结合应用程序重试逻辑？
假设应用程序具有功能强大的自定义重试逻辑。 它可能会重试连接操作四次。 如果你将 ConnectRetryInterval 和 ConnectRetryCount =3 添加到连接字符串，则将重试计数提高到 4 * 3 = 12 次重试。 可能未打算重试这么多次。
连接到你在 SQL 数据库中的数据库
连接:连接字符串
连接到你的数据库所需的连接字符串与连接到 SQL Server 所需的字符串稍有不同。 可以通过 Azure 门户复制数据库的连接字符串。
从 Azure 门户获取连接字符串
使用 Azure 门户获取客户端程序与 Azure SQL 数据库进行交互所需的连接字符串。
选择“所有服务”>“SQL 数据库”。
在“SQL 数据库”窗格左上角附近的筛选器文本框中输入数据库的名称。
选择数据库所对应的行。
显示数据库的窗格后，为了方便查看，请选择“最小化”按钮，以便折叠用于浏览和数据库筛选的边栏选项卡。
在数据库窗格上，选择“显示数据库连接字符串”。
复制相应的连接字符串。 也就是说，如果想要使用 ADO.NET 连接库，则从“ADO.NET”选项卡中复制相应的字符串。
根据需要编辑连接字符串。 即，向连接字符串中插入密码，或者在用户名或服务器名称太长的情况下，从用户名中删除“@<servername>”。
通过这种或那种格式，将连接字符串信息粘贴到客户端程序代码中。
有关详细信息，请参阅连接字符串和配置文件。
连接:IP 地址
必须配置 SQL 数据库，使其接受来自托管你的客户端程序的计算机 IP 地址的通信。 若要设置此配置，可以通过 Azure 门户编辑防火墙设置。
如果忘记了配置 IP 地址，程序会失败，并显示简单的错误消息，指出所需的 IP 地址。
登录到 Azure 门户。
在左侧的列表中，选择“所有服务”。
滚动并选择“SQL Server”。
在筛选器文本框中，开始键入服务器的名称。 此时会显示行。
选择服务器所对应的行。 此时会显示服务器的窗格。
在服务器窗格上选择“设置”。
选择“防火墙”。
选择“添加客户端 IP”。 在第一个文本框中键入新规则的名称。
键入要启用的范围的下限和上限 IP 地址值。
- 为方便起见，可以让下限值以 .0 结尾，让上限值以 .255 结尾。
选择“保存”。
有关详细信息，请参阅在 SQL 数据库中配置防火墙设置。
连接:端口
通常，只需确保在托管客户端程序的计算机上已打开端口 1433 进行出站通信。
例如，当客户端程序托管在 Windows 计算机上时，则可以使用主机上的 Windows 防火墙打开端口 1433。
- 打开控制面板。
- 选择“所有控制面板项”>“Windows 防火墙”>“高级设置”>“出站规则”>“操作”>“新建规则”。
如果客户端程序托管在 Azure 虚拟机 (VM) 上，请阅读用于 ADO.NET 4.5 和 SQL 数据库的非 1433 端口。
有关在数据库中配置端口和 IP 地址的背景信息，请参阅 Azure SQL 数据库防火墙。
连接:ADO.NET 4.6.2 或更高版本
如果程序使用 System.Data.SqlClient.SqlConnection 等 ADO.NET 类来连接到 SQL 数据库，我们建议使用 .NET Framework 4.6.2 或更高版本。
从 ADO.NET 4.6.2 开始
- 将立即为 Azure SQL 重试连接打开尝试，从而提升支持云的应用的性能。
从 ADO.NET 4.6.1 开始
- 对于 SQL 数据库，使用 SqlConnection.Open 方法打开连接可以获得更高的可靠性。 此 Open 方法现在结合了应对暂时性故障的最佳效果重试机制，用于处理连接超时期间发生的特定错误。
- 支持连接池，其中包括有效验证提供给程序的连接对象是否正常运行的功能。
若要从连接池使用连接对象，我们建议，如果程序未立即使用连接，应暂时关闭连接。 重新打开连接的开销并不高，但要创建新连接。
如果使用 ADO.NET 4.0 或更低版本，我们建议升级到最新的 ADO.NET。 从 2018 年 8 月开始，可以下载 ADO.NET 4.6.2。
诊断
诊断：测试实用程序是否可以连接
如果你程序无法连接到你在 SQL 数据库中的数据库，可通过一个诊断选项尝试使用某个实用程序进行连接。 理想的情况下，该实用工具将使用程序所用的同一个库进行连接。
可以在任何 Windows 计算机上尝试以下实用程序：
- SQL Server Management Studio (ssms.exe)，它使用 ADO.NET 进行连接
sqlcmd.exe，它使用 ODBC 进行连接
连接程序后，测试一个简短的 SQL SELECT 查询是否可以正常工作。
诊断：检查打开的端口
如果你怀疑连接尝试由于端口问题而失败，可以在计算机上运行报告端口配置的实用工具。
在 Linux 上，以下实用工具可能很有用：
netstat -napnmap -sS -O 127.0.0.1：请将示例值更改为你的 IP 地址。
在 Windows 上，PortQry.exe 实用工具可能很有用。 下面是一个示例执行，它在 SQL 数据库中某个数据库上查询端口情况，并在笔记本电脑上运行：
[C:\Users\johndoe\]
>> portqry.exe -n johndoesvr9.database.chinacloudapi.cn -p tcp -e 1433
Querying target system called: johndoesvr9.database.chinacloudapi.cn
Attempting to resolve name to IP address...
Name resolved to 23.100.117.95
querying...
TCP port 1433 (ms-sql-s service): LISTENING
[C:\Users\johndoe\]
>>
诊断：记录错误
有时，诊断间歇性问题的最好方式是每隔数天或数周检测常规模式。
客户端可以通过记录其所遇到的所有错误来帮助你进行诊断。 可将日志条目与 SQL 数据库本身内部记录的错误数据相关联。
Enterprise Library 6 (EntLib60) 提供了 .NET 托管类来帮助进行日志记录。 有关详细信息，请参阅：5 - 与写入日志一样简单：使用日志记录应用程序块。
诊断：在系统日志中检查错误
下面是查询错误日志和其他信息的一些 Transact-SQL SELECT 语句。
| 日志查询 | 说明 |
|---|---|
SELECT e.*FROM sys.event_log AS eWHERE e.database_name = 'myDbName'AND e.event_category = 'connectivity'AND 2 >= DateDiff(hour, e.end_time, GetUtcDate())ORDER BY e.event_category,e.event_type, e.end_time; |
sys.event_log 视图提供有关各个事件的信息，包括一些可能导致暂时性错误或连接故障的事件。 理想情况下，可以将 start_time 或 end_time 值与有关客户端程序遇到问题时的信息相关联。 必须连接到 master 数据库才能运行此查询。 |
SELECT c.*FROM sys.database_connection_stats AS cWHERE c.database_name = 'myDbName'AND 24 >= DateDiff(hour, c.end_time, GetUtcDate())ORDER BY c.end_time; |
sys.database_connection_stats 视图针对其他诊断提供事件类型的聚合计数。 必须连接到 master 数据库才能运行此查询。 |
诊断：在 SQL 数据库日志中搜索问题事件
可以在 SQL 数据库日志中搜索有关问题事件的条目。 在 master 数据库中尝试运行以下 Transact-SQL SELECT 语句：
SELECT
object_name
,CAST(f.event_data as XML).value
('(/event/@timestamp)[1]', 'datetime2') AS [timestamp]
,CAST(f.event_data as XML).value
('(/event/data[@name="error"]/value)[1]', 'int') AS [error]
,CAST(f.event_data as XML).value
('(/event/data[@name="state"]/value)[1]', 'int') AS [state]
,CAST(f.event_data as XML).value
('(/event/data[@name="is_success"]/value)[1]', 'bit') AS [is_success]
,CAST(f.event_data as XML).value
('(/event/data[@name="database_name"]/value)[1]', 'sysname') AS [database_name]
FROM
sys.fn_xe_telemetry_blob_target_read_file('el', null, null, null) AS f
WHERE
object_name != 'login_event' -- Login events are numerous.
and
'2015-06-21' < CAST(f.event_data as XML).value
('(/event/@timestamp)[1]', 'datetime2')
ORDER BY
[timestamp] DESC
;
将返回 sys.fn_xe_telemetry_blob_target_read_file 中的若干行
以下示例显示返回的行的类似内容。 显示的 null 值在其他行中通常不是 null。
object_name timestamp error state is_success database_name
database_xml_deadlock_report 2015-10-16 20:28:01.0090000 NULL NULL NULL AdventureWorks
Enterprise Library 6
Enterprise Library 6 (EntLib60) 是 .NET 类的框架，可帮助你实施云服务（包括 SQL 数据库）的可靠客户端。 要查找 EntLib60 可以提供帮助的各个领域的相关主题，请参阅 Enterprise Library 6。
用于处理暂时性错误的重试逻辑是 EntLib60 可以提供帮助的一个领域。 有关详细信息，请参阅 4 - 锲而不舍是一切成功的秘密：使用暂时性故障处理应用程序块。
注意
EntLib60 的源代码可从下载中心公开下载。 Microsoft 不打算对 EntLib 做进一步的功能更新或维护更新。
用于暂时性错误和重试的 EntLib60 类
以下 EntLib60 类对重试逻辑特别有用。 可以在 Microsoft.Practices.EnterpriseLibrary.TransientFaultHandling 命名空间或其子级中找到所有这些类。
在命名空间 Microsoft.Practices.EnterpriseLibrary.TransientFaultHandling 中：
- RetryPolicy 类
- ExecuteAction 方法
- ExponentialBackoff 类
- SqlDatabaseTransientErrorDetectionStrategy 类
- ReliableSqlConnection 类
- ExecuteCommand 方法
在命名空间 Microsoft.Practices.EnterpriseLibrary.TransientFaultHandling.TestSupport中：
- AlwaysTransientErrorDetectionStrategy 类
- NeverTransientErrorDetectionStrategy 类
以下是 EntLib60 相关信息的某些链接：
- 免费书籍下载：Microsoft Enterprise Library 版本 2 开发人员指南
- 最佳做法：有关重试的一般性指南深入探讨了重试逻辑。
- NuGet 下载：Enterprise Library - 暂时性故障处理应用程序块 6.0。
EntLib60：日志记录块
- 日志记录块是极其灵活且可配置的解决方案，可用于：
- 创建日志消息并将其存储在各种不同的位置。
- 分类与筛选消息。
- 收集有助于调试和跟踪的上下文信息，以及用于满足审核和一般日志记录要求的上下文信息。
- 日志记录块可以从日志目标抽象化日志记录功能，使应用程序代码保持一致，无论目标日志记录存储的位置和类型为何。
有关详细信息，请参阅：5 - 与写入日志一样简单：使用日志记录应用程序块。
EntLib60 IsTransient 方法的源代码
接下来，SqlDatabaseTransientErrorDetectionStrategy 类包含 IsTransient 方法的 C# 源代码。 该源代码阐明了哪些错误被视为暂时性错误并值得重试。
public bool IsTransient(Exception ex)
{
if (ex != null)
{
SqlException sqlException;
if ((sqlException = ex as SqlException) != null)
{
// Enumerate through all errors found in the exception.
foreach (SqlError err in sqlException.Errors)
{
switch (err.Number)
{
// SQL Error Code: 40501
// The service is currently busy. Retry the request after 10 seconds.
// Code: (reason code to be decoded).
case ThrottlingCondition.ThrottlingErrorNumber:
// Decode the reason code from the error message to
// determine the grounds for throttling.
var condition = ThrottlingCondition.FromError(err);
// Attach the decoded values as additional attributes to
// the original SQL exception.
sqlException.Data[condition.ThrottlingMode.GetType().Name] =
condition.ThrottlingMode.ToString();
sqlException.Data[condition.GetType().Name] = condition;
return true;
case 10928:
case 10929:
case 10053:
case 10054:
case 10060:
case 40197:
case 40540:
case 40613:
case 40143:
case 233:
case 64:
// DBNETLIB Error Code: 20
// The instance of SQL Server you attempted to connect to
// does not support encryption.
case (int)ProcessNetLibErrorCode.EncryptionNotSupported:
return true;
}
}
}
else if (ex is TimeoutException)
{
return true;
}
else
{
EntityException entityException;
if ((entityException = ex as EntityException) != null)
{
return this.IsTransient(entityException.InnerException);
}
}
}
return false;
}