Ein nächtlicher Batch-Job frisst alle Datenbankverbindungen und die API läuft in Timeouts. Wie behebst du das?

Stopp den unmittelbaren Schaden, indem du den Batch-Job drosselst oder pausierst, und trenn die Workloads dann so, dass sie nicht konkurrieren können. Richte den Batch-Job auf eine Read Replica, wenn er leselastig ist, gib ihm seinen eigenen Connection Pool mit hartem Deckel, und stückel die Arbeit mit Pausen, damit er die Datenbank nie monopolisiert. Längerfristig reservierst du Kapazität für interaktiven Traffic und alarmierst auf Sättigung des Connection Pools, bevor Nutzer es merken.

Zuerst die Blutung stoppen. Batch-Job pausieren oder drosseln, denn den interaktiven Pfad spüren Kunden, und der Batch kann eine Stunde später laufen, ohne dass es jemanden kümmert. Der verlockende Fix ist, die maximalen Verbindungen hochzusetzen, und das macht es meistens schlimmer, denn jede Verbindung kostet Speicher und Scheduling, und am Ende hast du eine Datenbank, die sich selbst blockiert, statt einer, die bloß beschäftigt ist. Der echte Fix ist also Isolation. Wenn der Job leselastig ist, zieht er auf eine Read Replica um, was die Last komplett vom Primary nimmt. Er bekommt eigene Credentials und einen eigenen Pool mit hartem Deckel, so bemessen, dass selbst bei voller Sättigung reichlich Luft für die API bleibt. Und der Job selbst wird gestückelt, verarbeitet also in Batches mit kurzer Pause und einem Statement Timeout, statt einer riesigen Transaktion, die Locks hält und den Replication Lag hochjagt. Dann Prävention: Alerts auf Pool-Auslastung und lang laufende Queries an einer Schwelle, die feuert, bevor es für Nutzer sichtbar wird, damit wir es vom Monitoring hören und nicht aus Support-Tickets.