Monitorear la salud y el retraso del availability group (log send / redo queue, RPO)

Comando

-- Replica health (run on the primary to see all replicas):
SELECT ag.name AS ag_name, ar.replica_server_name, ars.role_desc,
       ar.availability_mode_desc, ar.failover_mode_desc,
       ars.connected_state_desc, ars.synchronization_health_desc,
       ars.operational_state_desc, ars.last_connect_error_description
FROM   sys.availability_groups ag
  JOIN sys.availability_replicas ar                ON ar.group_id = ag.group_id
  JOIN sys.dm_hadr_availability_replica_states ars ON ars.replica_id = ar.replica_id
ORDER BY ag.name, ars.role_desc;

-- Per-database lag: log send queue (RPO), redo queue (RTO):
SELECT ag.name AS ag_name, ar.replica_server_name, DB_NAME(drs.database_id) AS db,
       drs.is_primary_replica, drs.synchronization_state_desc, drs.synchronization_health_desc,
       drs.is_suspended, drs.suspend_reason_desc,
       drs.log_send_queue_size  AS log_send_queue_kb,
       drs.log_send_rate        AS log_send_kb_s,
       drs.redo_queue_size      AS redo_queue_kb,
       drs.redo_rate            AS redo_kb_s,
       CAST(drs.redo_queue_size * 1.0 / NULLIF(drs.redo_rate, 0) AS DECIMAL(18,1)) AS est_redo_catchup_s,
       drs.last_commit_time,
       DATEDIFF(SECOND, drs.last_commit_time, pri.last_commit_time) AS data_loss_window_s,
       drs.secondary_lag_seconds
FROM   sys.dm_hadr_database_replica_states drs
  JOIN sys.availability_replicas ar ON ar.replica_id = drs.replica_id
  JOIN sys.availability_groups ag   ON ag.group_id = drs.group_id
  LEFT JOIN sys.dm_hadr_database_replica_states pri
         ON pri.group_database_id = drs.group_database_id AND pri.is_primary_replica = 1
ORDER BY ag.name, db, drs.is_primary_replica DESC;

-- WSFC quorum state:
SELECT cluster_name, quorum_type_desc, quorum_state_desc FROM sys.dm_hadr_cluster;
SELECT member_name, member_type_desc, member_state_desc, number_of_quorum_votes
FROM   sys.dm_hadr_cluster_members;

Qué hace

Muestra la salud de conexión y sincronización de las réplicas; por base de datos, la log send queue, la redo queue, las tasas de envío/redo, el tiempo estimado de puesta al día del redo y la diferencia del último commit respecto al primario (ventana potencial de pérdida de datos); también devuelve el estado del quorum de WSFC.

Cuándo usarlo

Ante una alerta NOT_HEALTHY / NOT SYNCHRONIZING en el dashboard del AG, al comprobar RPO/RTO antes de un failover planificado o cuando los usuarios reportan datos desactualizados en un secundario legible.

Precaución

Una log_send_queue creciente es la cantidad de log que se pierde si falla el primario (RPO); una redo_queue creciente es lo que tarda la base de datos en ponerse online tras el failover (RTO). En un secundario solo es visible la réplica local; ejecútelo en el primario para ver el panorama completo. data_loss_window_s solo tiene sentido mientras hay tráfico de escritura. Consulta de solo lectura; segura.