Amazon RDS故障時的初步調查(工作日常)

1.檢查AWS Health Dashboard

通過檢查 Health Dashboard ，可以得知 AWS 帳戶特定的故障通知 與 AWS 服務和區域故障報告。您可以注意到如 執行了緊急硬件維護 或 與 RDS相關的服務出現故障，導致無法連接到RDS之類的訊息。

2. 檢查 Maintenance 時間

我在一段時間內無法連接到 RDS！

發生意外重啟事件！

在上述情況下，如果檢查故障時間和維護時段是否重疊，會發現維護時段期間執行了小版本自動升級，並且執行了需要資源下線的維護。事情已經完成了。

3. 檢查 RDS Events

在管理控制台上，您可以查看過去 24 小時內與 Amazon RDS 相關的以下事件。

・資料庫實例事件

・資料庫參數組事件

・資料庫安全組事件

・資料庫快照事件

・RDS 代理事件

・自定義引擎版本事件

但是，需要使用 AWS CLI 檢查超過24 小時前發生的事件，因此請執行以下 AWS CLI 命令來檢查最近兩週內的事件。

aws rds describe-events --source-identifier --source-type db-instance --duration 20160

通過執行上述命令，您可以查看待排查實例的故障轉移等RDS事件。

4. 檢查 CloudWatch 中的每個指標

如果故障原因仍然未知，請檢查 CloudWatch 指標

CPU Utilization

CPU CreditBalance

Database Connections

FreeableMemory

FreeStorage Space

SwapUsage

網路吞吐量（IN/OUT）和 IOPS（讀/寫請求）指標。

如果其他客戶報告 Aurora 正在進行故障轉移，請檢查 AuroraReplicaLag 指標以查看故障轉移是否是由副本延遲增加引起的。

這是因為對於 Amazon Aurora，如果副本滯後持續超過 100 毫秒，就會被判斷為故障，並會發生故障轉移。（當副本延遲超過 100 毫秒時，它並不總是會進行故障轉移。）

5.後續調查

後續調查將使用增強監控、性能洞察和各種日誌進行。

此外，如果AWS基礎設施方面存在故障的可能性，我們可能會要求AWS利用我們的技術支持調查結果進行調查。

增強監控（必須啟用）

使用增強監控監控操作系統指標

Performance Insights（必須啟用）

使用 Amazon RDS 上的 Performance Insights 監控資料庫負載

啟用 Logs

使用Logs進行調查。