17_SQLServer 监控体系构建 ------ sql_exporter + Prometheus + Grafana 全栈实战
系列定位 :《SQL Server 数据库全栈运维实战系列》第 17 篇,与《MySQL 数据库全栈运维实战系列》同构对标(对标 MySQL 17 监控体系:mysqld_exporter + Prometheus + Grafana)。适用版本 :SQL Server 2019/2022(2017 及以下差异随文标注)。官方文档:Microsoft Learn SQL Server 2019/2022 文档、sys.dm_os_performance_counters 动态管理视图、sql_exporter 官方仓库。
一、监控体系架构(全景图)
SQL Server 自带的 SSMS 活动监视器、Profiler、扩展事件(Extended Events)适合排障,但做不到 7×24 时序存储、趋势对比和统一告警。生产环境推荐用 Prometheus 生态:sql_exporter 跑在数据库主机上,通过 ADO.NET(Go-mssql)连本地 SQL 实例,执行预定义的 DMV 查询,把结果转成 Prometheus 指标暴露出来;Prometheus 拉取后长期存储,Grafana 做看板,Alertmanager 做告警收敛(告警收敛细则见第 19 篇)。

图 1

图 2
| 层 | 组件 | 端口 | 说明 |
|---|---|---|---|
| 采集 | sql_exporter | 9399 | 每个 SQL Server 实例一个 |
| 采集 | windows_exporter | 9182 | 每台 Windows 主机一个(对标 node_exporter) |
| 存储 | Prometheus | 9090 | 时序库 + 告警规则 |
| 展示 | Grafana | 3000 | 看板 |
| 告警 | Alertmanager | 9093 | 收敛 + 分发 |
二、指标分层(sql_exporter 真实指标)
2.1 指标来源
SQL Server 的监控数据全部来自三类官方入口:一是 sys.dm_os_performance_counters(Windows 性能计数器的 SQL Server 子集,对标 MySQL 的 SHOW GLOBAL STATUS);二是 sys.dm_exec_、sys.dm_os_ 系列 DMV(对标 MySQL 的 performance_schema);三是 Wait Statistics(``sys.dm_os_wait_stats``)。sql_exporter 官方自带的 ``mssql_standard.yml`` collector 就是把这些查询固化下来。

图 3
2.2 SQL Server 指标清单与类比 MySQL 对照(本篇核心)
| 分类 | sql_exporter 指标 | 含义 | 类比 MySQL | 告警阈值 |
|---|---|---|---|---|
| 存活 | sqlserver_up |
采集连接、实例是否正常 | mysql_up |
=0 即 P0 |
| 运行时长 | sqlserver_uptime_seconds |
实例启动至今秒数 | mysql_global_status_uptime |
突降=重启 |
| 连接数 | sqlserver_connections_count |
当前会话总数 | threads_connected |
超 80% user connections |
| 活动请求 | sqlserver_session_active_count |
正在跑的请求数 | threads_running |
持续偏高 |
| 连接上限 | sqlserver_user_connections_limit |
最大并发连接配置 | max_connections |
--- |
| 缓冲池命中率 | sqlserver_buffer_cache_hit_ratio |
数据页缓存命中 | Buffer Pool 命中率 | 低于 98% 关注 |
| 慢查询 | sqlserver_sql_compilations_rate |
SQL 编译速率 | slow_queries 近似 | 突增=计划缓存失效 |
| TPS | sqlserver_transactions_rate |
事务提交速率 | Com_commit 速率 | 趋势 |
| 批量请求 | sqlserver_batch_requests_rate |
每秒批请求数 | QPS(Questions) | 趋势 |
| 临时库 | sqlserver_tempdb_space_used_bytes |
tempdb 已用空间 | created_tmp_disk_tables | 接近磁盘上限 P1 |
| 锁等待 | sqlserver_lock_wait_wait_time_ms |
锁等待累计 | innodb_row_lock_waits | 偏高 |
| 死锁 | sqlserver_deadlocks_rate |
死锁发生速率 | 死锁计数器 | 大于 0 即排查 |
| 日志生成 | sqlserver_log_flush_wait |
日志刷新等待 | redo 写等待 | 偏高=日志盘慢 |
| AG 同步状态 | sqlserver_ag_sync_health |
可用性副本健康 | 主从 IO、SQL 线程 | 副本 UNHEALTHY P0 |
| AG 数据延迟 | sqlserver_ag_sync_lag_seconds |
副本未固化日志延迟 | seconds_behind_master |
超 60s P1 |
| CPU | sqlserver_process_cpu_seconds |
SQL 进程 CPU | 主机 CPU | 持续打满 |
对照表小结 :MySQL 侧 mysql_* 指标在 SQL Server 侧几乎都能找到对应------sqlserver_up 对 mysql_up、缓冲池命中率对 Buffer Pool 命中率、sqlserver_ag_sync_lag_seconds 对 seconds_behind_master。看板与告警规则把 mysql_ 前缀换成 sqlserver_、把从库线程判断换成 AG 副本健康判断即可整体迁移。
三、部署 sql_exporter
3.1 流程

图 4
3.2 实施(TSQL + 命令 + 解释)
-- ① 建监控登录名(解释:SQL Server 用 SQL 身份验证登录名,exporter 走非域账号)
CREATE LOGIN exporter WITH PASSWORD = 'Exp@Pass2026', CHECK_POLICY = OFF;
-- 解释:exporter 需要读 DMV,VIEW SERVER STATE 即可,不需要 sysadmin
GRANT VIEW SERVER STATE TO exporter;
GRANT VIEW ANY DEFINITION TO exporter;
-- ② 再给各业务库 CONNECT(解释:collector 里要遍历数据库统计空间)
USE master;
# ② 下载(解释:sql_exporter 官方 GitHub 发行版,Windows 用 amd64 zip)
# 解压到 C:\sql_exporter\,目录内含 sql_exporter.exe 与 mssql_standard.yml
cd C:\sql_exporter
# ③ 写配置 sql_exporter.yml(解释:DSN 用 sqlserver:// 协议,encrypt=disable 跳过自签证书校验)
@'
global:
scrape_timeout: 10s
query_timeout: 5s
subscriptions:
- resource: "Test"
config:
username: "exporter"
password: "Exp@Pass2026"
host: "127.0.0.1"
port: 1433
encryp: "disable"
collector_files:
- "mssql_standard.yml"
'@ | Out-File -Encoding utf8 C:\sql_exporter\sql_exporter.yml
# ④ 前台试启动(解释:默认 9399 端口)
.\sql_exporter.exe --config.sql-exporter.yml=C:\sql_exporter\sql_exporter.yml --web.listen-address=:9399
# ⑤ 验证(解释:另开窗口,能看到 sqlserver_up=1 即成功)
(Invoke-WebRequest -Uri "http://127.0.0.1:9399/metrics" -UseBasicParsing).Content | Select-String -Pattern 'sqlserver_up|sqlserver_uptime'
注:DSN 中 encrypt=disable 对应 Go-mssql 驱动 encrypt=disable 参数,本机采集够用;生产跨机采集建议启用证书加密。mssql_standard.yml 随官方发行包提供,内含心跳、CPU、内存、数据库空间、Wait Stats 等标准 collector 定义。
3.3 注册为 Windows 服务
# 用 NSSM 注册(解释:SQL Server 主机上没有 systemd,服务化用 NSSM 或 sc.exe)
# 下载 nssm.exe 后执行:
nssm install sql_exporter C:\sql_exporter\sql_exporter.exe "--config.sql-exporter.yml=C:\sql_exporter\sql_exporter.yml --web.listen-address=:9399"
nssm set sql_exporter AppDirectory C:\sql_exporter
nssm start sql_exporter
nssm status sql_exporter
VMware 注意事项 :sql_exporter 与被监控实例建议同机部署(连 127.0.0.1:1433),避免跨机网络抖动造成 sqlserver_up 误报;一台 Windows 主机若跑命名实例(多实例、不同端口),要为每个实例起独立服务并指定不同 --web.listen-address(9399、9400......)。windows_exporter 用官方 MSI 安装即可,默认采集 CPU、内存、磁盘、日志,与 SQL 层指标互补。
四、Prometheus 配置
4.1 采集目标
# prometheus.yml 片段
scrape_configs:
- job_name: 'sqlserver'
static_configs:
- targets:
- '192.168.10.61:9399' # AG 主副本
- '192.168.10.62:9399' # AG 同步副本
labels:
env: 'prod'
- job_name: 'windows'
static_configs:
- targets:
- '192.168.10.61:9182'
- '192.168.10.62:9182'
4.2 告警规则
groups:
- name: sqlserver_alerts
rules:
- alert: SQLServerDown
expr: sqlserver_up == 0
for: 1m
labels: { severity: P0 }
annotations:
summary: "SQL Server 实例不可用 ({{ $labels.instance }})"
- alert: SQLServerConnectionsHigh
expr: sqlserver_connections_count / sqlserver_user_connections_limit > 0.8
for: 5m
labels: { severity: P1 }
annotations:
summary: "连接数超过上限 80%"
- alert: SQLServerBufferCacheHitLow
expr: sqlserver_buffer_cache_hit_ratio < 98
for: 5m
labels: { severity: P2 }
annotations:
summary: "缓冲池命中率低于 98%"
- alert: SQLServerAGReplicaUnhealthy
expr: sqlserver_ag_sync_health == 0
for: 1m
labels: { severity: P0 }
annotations:
summary: "AG 副本健康检查失败"
- alert: SQLServerAGSyncLag
expr: sqlserver_ag_sync_lag_seconds > 60
for: 2m
labels: { severity: P1 }
annotations:
summary: "AG 副本数据延迟超过 60 秒"
4.3 常用 PromQL
sqlserver_up # 实例存活
sqlserver_connections_count # 当前会话数
rate(sqlserver_batch_requests_rate[5m]) # 每秒批请求数(QPS)
rate(sqlserver_transactions_rate[5m]) # TPS
sqlserver_buffer_cache_hit_ratio # 缓冲池命中率
rate(sqlserver_deadlocks_rate[5m]) # 死锁速率
sqlserver_ag_sync_lag_seconds # AG 数据延迟
# tempdb 磁盘占用(解释:接近磁盘上限时配合 windows_exporter 的磁盘指标)
sqlserver_tempdb_space_used_bytes / 1024 / 1024 / 1024
五、Grafana 看板

图 5
看板落地:① Grafana(http://grafana:3000)添加 Prometheus 数据源;② 导入社区看板 ID 13916(SQL Server by sql_exporter) 或 18112 ;③ 变量按 instance 下拉切换实例。总览一屏:sqlserver_up、TPS、会话数、命中率、AG 副本延迟、死锁。windows_exporter 用官方看板 ID 12121(Windows Host Metrics),与数据库层并排。
六、AlwaysOn 可用性组专属监控

图 6
# AG 副本延迟(对标 MySQL 主从 seconds_behind_master)
sqlserver_ag_sync_lag_seconds > 60
# 副本健康(对标 MySQL 从库 IO、SQL 线程双判断)
# 主库用 sys.dm_hadr_availability_replica_states 的 role、synchronization_health_desc 采集
count by (instance) (sqlserver_up)
与 MySQL 主从监控同构:MySQL 看 Seconds_Behind_Master 和 IO、SQL 两个线程,SQL Server 看 sys.dm_hadr_availability_replica_states 的 synchronization_health_desc(HEALTHY、NOT_HEALTHY)和 redo_queue_size 换算的延迟;MySQL 复制中断是线程断开,SQL Server AG 中断会先表现为副本进入 RESOLVING、失败状态,需要同时盯 WSFC 群集状态(对标第 14 篇高可用)。
七、要点速记
- 端口牢记:sql_exporter 9399、windows_exporter 9182、Prometheus 9090、Grafana 3000、Alertmanager 9093。
- 核心指标 :
sqlserver_up、会话数与上限比、buffer_cache_hit_ratio、死锁速率、AG 副本延迟。 - 监控账号最小权限 :
GRANT VIEW SERVER STATE+VIEW ANY DEFINITION,绝不开 sysadmin。 - exporter 与实例同机部署,命名实例多端口、多起几个服务。
- 告警第一优先 :
sqlserver_up=0P0、AG 副本 UNHEALTHY P0、副本延迟 P1。
八、踩坑记录(实测汇总)
| # | 坑 | 现象 | 解决 |
|---|---|---|---|
| 1 | 监控账号权限不足 | sqlserver_up=0 或 DMV 指标为空 |
补 GRANT VIEW SERVER STATE、VIEW ANY DEFINITION |
| 2 | DSN 加密参数写错 | exporter 启动报 TLS 握手失败 | 本机采集用 encrypt=disable,跨机再配证书 |
| 3 | 1433 端口被防火墙拦 | 本机正常、Prometheus 拉不到 9399 | 放行 9399 入站;SQL 端口走本机回环不动 |
| 4 | 多实例只起一个 exporter | 命名实例指标全缺 | 每实例独立服务、独立 9399、9400 端口 |
| 5 | 没装 windows_exporter | 看不到主机磁盘、CPU、内存 | OS 层与 DB 层一起采,磁盘满才提前发现 |
| 6 | AG 副本延迟指标没采 | 主从延迟看不到 | collector 加查 sys.dm_hadr_availability_replica_states |
| 7 | 查询超时拖垮 exporter | scrape 超时、指标间断 | query_timeout 设 5s,避免在大库跑全表统计查询 |
| 8 | 告警风暴 | 维护窗口刷屏 | Alertmanager 分组收敛、维护期静默(第19篇) |
| 9 | tempdb 放系统盘 | 业务高峰 tempdb 撑爆 C 盘 | tempdb 单独挂盘、按 CPU 核数建多个数据文件 |
| 10 | 命中率算反误判 | 把物理读高当成健康 | 命中率=1-物理读、逻辑读,低于 98% 才算异常 |
九、参考资料(官方正式文档)
| 主题 | 官方链接 |
|---|---|
| sql_exporter(GitHub 官方仓库) | https://github.com/sql-exporter/sql_exporter |
| sys.dm_os_performance_counters | https://learn.microsoft.com/sql/relational-databases/system-dynamic-management-views/sys-dm-os-performance-counters-transact-sql |
| sys.dm_hadr_availability_replica_states | https://learn.microsoft.com/sql/relational-databases/system-dynamic-management-views/sys-dm-hadr-availability-replica-states-transact-sql |
| sys.dm_os_wait_stats | https://learn.microsoft.com/sql/relational-databases/system-dynamic-management-views/sys-dm-os-wait-stats-transact-sql |
| Prometheus 告警规则配置 | https://prometheus.io/docs/prometheus/latest/configuration/alerting_rules/ |
| Grafana 官方文档 | https://grafana.com/docs/ |
| SQL Server 扩展事件 | https://learn.microsoft.com/sql/relational-databases/extended-events/extended-events |
本文章属于《SQL Server 数据库全栈运维实战系列》监控与巡检篇。欢迎收藏、交流。