„Die Anwendung hängt, und keiner weiß warum.“
Dahinter steckt meist ein Vorgang, der auf einen anderen wartet; die Systemsichten zeigen, auf wen →
Eine Buchung im ERP-System bricht ab, die Maske friert ein, im Protokoll steht ein SQL Server Timeout – und wenn die Entwickler den Fehler nachstellen wollen, läuft alles einwandfrei. Der SQL Server hängt dann nicht zufällig: Ein Timeout ist in der Regel das Zeichen, dass ein Vorgang auf einen anderen wartet (eine Blockade) oder zu lange liest, bis die Anwendung die Geduld verliert.
Ein Deadlock im SQL Server ist der Sonderfall, in dem zwei Vorgänge gegenseitig aufeinander warten und SQL Server einen von beiden abbricht. Weil so etwas nur bei gleichzeitiger Last im Echtbetrieb entsteht, taucht es im Test nicht auf. Messen lässt es sich trotzdem.
Wenn es hängt, hat meist keiner das Fachwort zur Hand. Diese Sätze fallen stattdessen.
„Die Anwendung hängt, und keiner weiß warum.“
Dahinter steckt meist ein Vorgang, der auf einen anderen wartet; die Systemsichten zeigen, auf wen →
„Mittags friert alles ein, abends läuft es wieder.“
Dahinter steckt meist eine Blockade, die erst unter der Last des Tagesbetriebs entsteht →
„Im Test passiert es nie.“
Dahinter steckt meist ein Fehler, der gleichzeitige Last und Produktionsgröße braucht →
„Buchungen brechen mit Zeitüberschreitung ab.“
Dahinter steckt meist eine Anwendung, die auf eine Sperre oder eine lange Abfrage wartet →
„Die Produktion steht, weil die Datenbank blockiert.“
Dahinter steckt meist eine Sperrkette: Wer hält die erste Sperre? →
„Zwei Abteilungen können nicht gleichzeitig arbeiten.“
Dahinter steckt meist ein Lesezugriff, der auf einen Schreibvorgang wartet →
Große Transaktionen und zeilenweise Schleifen halten Sperren über lange Zeit, und alle anderen Vorgänge stehen dahinter an, bis die Anwendung abbricht. Besonders anfällig sind Nachtläufe, die in den Tagesbetrieb hineinlaufen. Solche Nachtläufe habe ich von mehreren Stunden auf gut eine Stunde gebracht.
Bei einem Kunden traten im laufenden Betrieb Blockierungen auf, die sich im Testsystem nie nachstellen ließen. Ursache war eine Prozedur, die ihre Abfrage per Textverkettung zusammensetzte. Ich habe sie in einen Verteiler und zwei Prozeduren mit festem, parametrisiertem T-SQL aufgeteilt; bis zum Ende meines Einsatzes trat der Fehler nicht wieder auf. Im Labor belegten solche Einmal-Abfragen bei fünfzigtausend Aufrufen 781 MB im Plan-Cache gegenüber 0,1 MB.
Praxisfall „Der Fehler, der nur in der Produktion auftrat“ →
Hält ein Vorgang sehr viele Zeilensperren, kann SQL Server sie zu einer Sperre auf die ganze Tabelle zusammenfassen (Lock Escalation). Dann wartet plötzlich jeder, der diese Tabelle braucht, auch wenn er ganz andere Zeilen will. Kleinere Transaktionsschritte und mengenorientiertes SQL lösen den Stau.
In der Standardeinstellung blockiert eine schreibende Transaktion Lesende auf denselben Zeilen. Mit der Isolationsstufe RCSI (Read Committed Snapshot Isolation) lesen Berichte den zuletzt bestätigten Stand, statt zu warten. Das kostet zusätzlichen Platz und Verwaltungsaufwand in der Datenbank und gehört geprüft, nicht blind eingeschaltet.
Wer gerade wen blockiert, zeigt SQL Server selbst: Die Systemsicht sys.dm_exec_requests nennt für jeden wartenden Vorgang in der Spalte blocking_session_id den Verursacher, sys.dm_tran_locks listet die gehaltenen und die erwarteten Sperren. Das lässt sich ansehen, während das Problem auftritt, ohne Tabelleninhalte zu lesen.
Schwieriger sind Fälle, die nur nachts oder einmal pro Woche auftreten. Deadlocks schreibt SQL Server selbst mit (in der Ereignissitzung system_health); ich werte diese Berichte aus und messe die Wartezeiten über einen Zeitraum, bis das Muster sichtbar ist.
Den Timeout in der Anwendung einfach zu erhöhen, verschafft Luft, löst die Blockade aber nicht: Die Anwendung wartet dann länger und scheitert trotzdem.
Das Ziel: weniger abgebrochene Buchungen, weniger Stillstand und weniger Tickets im IT-Support. Dazu bekommen Sie einen schriftlichen Befund: welcher Vorgang welche Sperren hält, wie oft es passiert, was geändert wurde und was die Nachmessung zeigt. Ein Beispiel für so einen Befund finden Sie hier: Beispielbefund (PDF, Labordaten).
Als Notbehelf kann das sinnvoll sein, als Lösung nicht. Ein höherer Timeout ändert nichts daran, dass ein Vorgang auf einen anderen wartet; die Anwendung wartet nur länger, bis sie trotzdem scheitert, und der Anwender steht länger vor der eingefrorenen Maske. Schlimmer noch: Die längere Wartezeit lässt Sperren länger bestehen und stapelt mehr Vorgänge dahinter, sodass die Blockade größer wird. Wenn Sie den Timeout erhöhen, um einen akuten Ausfall zu überbrücken, ist das in Ordnung, solange gleichzeitig jemand die Ursache sucht. Ich messe, welcher Vorgang die Sperren hält und warum er so lange braucht, und zeige Ihnen die Zahlen. Danach entscheiden Sie, was zuerst geändert wird. Oft genügt eine kleine Änderung an einer einzelnen Prozedur oder an einem Index, und der Timeout kann auf seinem alten Wert bleiben.
Weil im Test fehlt, was die Blockade auslöst: gleichzeitige Last und Produktionsgröße. Blockaden entstehen erst, wenn viele Vorgänge gleichzeitig laufen und die Daten die Größe der Produktion haben; ein Testsystem hat meist weniger von beidem. Bei einem Kunden traten im laufenden Betrieb Blockierungen auf, die sich im Testsystem nie nachstellen ließen; die Ursache war eine Prozedur, die ihre Abfrage per Textverkettung zusammensetzte. Deshalb versuche ich nicht, den Fehler nachzustellen, sondern schreibe im Echtbetrieb mit. SQL Server zeichnet Wartezeiten und Deadlocks selbst auf. Ich lese diese Aufzeichnungen über einen Zeitraum, lesend über die Systemsichten, ohne Tabelleninhalte und ohne Last auf Ihren Nutzdaten. Tritt das Problem nur mittags, nachts oder einmal pro Woche auf, messe ich über genau diesen Zeitraum. Sobald das Muster sichtbar ist, lässt sich der Umbau gezielt planen, und die Nachmessung zeigt, ob die Blockade verschwunden ist.
Für die Diagnose nicht. Ich brauche den lesenden Zugriff auf die Systemsichten des SQL Servers (die Berechtigung VIEW SERVER STATE) und eine Ansprechperson, die Änderungen freigeben kann. Tabelleninhalte brauche ich nicht, und Messprotokolle und Produktionsdaten bleiben bei Ihnen. Eingriffe gibt es erst, wenn wir die Ursache kennen und Sie die Maßnahme freigegeben haben. Jede Maßnahme bekommt vorab ein Erfolgskriterium und einen Rückweg, damit Sie sie im Zweifel zurücknehmen können, ohne dass der Betrieb darunter leidet. Wo keine ausreichenden Tests vorhanden sind, schreibe ich keinen Code im großen Stil um; ich setze gezielt an den wirksamsten Stellen an, oft an einzelnen Prozeduren oder Indizes. Wo ein Umbau tiefer geht, sichern wir die abhängigen Pfade vorab mit automatisierten Tests ab. Wenn Ihnen das wichtig ist, unterschreiben wir vorab eine Geheimhaltungsvereinbarung (NDA).
Wann tritt es auf, wie oft, und was zeigt das Protokoll? Im Erstgespräch klären wir, ob sich eine Messung lohnt.
Mehr dazu: Praxisfälle · Messreihe Plan-Cache · SQL Server langsam · SQL Server Performance-Analyse · Hersteller oder Datenbank?