0

故障诊断:DRM导致Oracle RAC节点Hang住

Enmotech 2017-07-13
287

生活就像一盒巧克力,你永远不知道下一颗是什么味道。

--《阿甘正传》


在DBA的世界里,数据库的新特性就是这样一盒巧克力,可能是惊喜也可能是坑。毋庸置疑,新特性总是伴随着新功能而来,然而在企业最核心的数据资产面前,某些新功能的出现所带来的好处,远远不及其对于性能和稳定性带来的危害。因此我们常常会选择禁用一些新特性,今天要分享的DRM就属于其中一个。


为什么DRM通常会被列入禁用的名单,今天我通过一个真实案例来认识DRM可能会导致的数据库故障。


什么是DRM

在Oracle 10g版本中,开始提出了DRM特性,默认情况下,当某个对象的被访问频率超过某阈值,并且在某一节点的访问远高出其他节点,而同时该对象的master又是其他节点时,那么Oracle则会触发DRM操作来修改master节点。


DRM的好处是通过动态修改资源的主节点,可以大幅降低某些场景下的gc grant之类的等待事件而带来性能的提升。


但Oracle DRM的Bug也非常多,常常会引发各种奇异的故障。这类故障如何分析呢,我们今天结合具体的案例来学习。


故障现象

在我们维护的一套系统上,某一时刻业务部反应业务无法正常进行,系统hang住。

当时查看alert日志,结果如下:


在01:19的时候实例1连接中断,01:29实例1恢复正常。实例2在这个时间段内是可以正常访问的,并且数据库alert日志正常。


错误分析:

  • 从dba_hist_active_session以及后台进程trace文件中看到01:17时实例2的8248会话出现了大量gc current request等待,并且此会话也阻塞了其它很多session,引起很多control file sequential read、log file switch(checkpoint incomplete)、buffer busy waits这些等待。

  • 从LMD进程的trace文件中看到的确出现了DRM事件,trace文件中看到有日志:Rcvd DRM(36333) READMOSTLYTransfer pkey 519282.0 to 1 oscan 0.1。随后就出现了”gc currentrequest”、”log file switch(checkpoint incomplete)”这样的等待事件。总结来说,看到的等待现象都是表象,问题的根源是数据库进行了DRM资源的动态调整,DRM会造成各种bug问题,这一点官方在SR中也承认了。


从收集的信息资料来看,数据库实例因为DRM而hang住的现象和BUG12998795基本匹配。但是SR中并没有明确给出确定的BUG号。


接收到个人账户数据库的严重告警后,第一时间检查了数据库后台告警日志、进程trace文件、ASH、AWR报告等相关重要信息。在排除了一些明显故障点后,立马收集告警日志、trace文件、dba_hist_active_session、oswatcher监控数据、数据库版本等信息。


分析如下:

1、数据库alert告警日志中失去连接响应前的告警日志:


数据库后台经常出现这样的告警,与ADG的传输进程有关,主库负载较高、主备库之间的网络抖动或网络丢包现象都会出现这个告警,传输进程LNS会重新尝试日志传输。


分析ORA-03113:end-of-file on communication channel相关的trace文件spaydbwr1_nsa3_58917326.trc、spaydbwr1_nsa4_20121152.trc以及NSA:  Error 3113 archiving log6 to 'gzrz1'这样的错误告警,发现竟然是磁盘IO造成的?难道是存储有问题?

***2016-08-05 01:19:30.185

***2016-08-05 01:19:30.185 3327 krsb.c

krsb_iorb_reap:Error 3135 reaping buffers

krsb_bcb_get:Error 3135 performing stall for 1 BCB I/O completion check

***2016-08-05 01:19:30.186 4320 krsh.c

NSA:  Error 3135 archiving log 6 to 'spaydbb'

Error1041 detaching RFS from standby instance at host 'spaydbb'

***2016-08-05 01:19:30.186 2961 krsi.c

krsi_dst_fail:dest:3 err:3135 force:0 blast:1

ORA-03135:connection lost contact

Closing Redo Read Context 


经过排查并咨询了存储工程师,存储系统并无异常。但是这个错误和AWR报告中的top wait event中log file switch(checkpoint incomplete)等待现象比较符合。


为什么checkpoint没有完成从而造成了数据库hang住?


抓取了1点到2点的AWR报告,发现两个节点的topevents都是“enq: SQ - contention”如下图所示:


节点二如下:


通过分析ash信息得知:基本都是sequence相关查询在等待。


按时间排序的top SQL如下:


进一步分析dba_hist_active_session中session之间的阻塞关系时发现,sid为8248的这个session阻塞了其它大部分会话,这个会话是final blocker,问题的根源。


数据库hang的时候session 8248 正在执行SQL 8mg6v1raxhay9 SQL文本如下:

SELECTLPAD(SEQ_FINANCING_TCK_ORDER.NEXTVAL, 8, '0') FROM DUAL


一条sequence相关的在节点2的查询语句,但是它在等待gc current request。这就是问题的根源,为什么会有gc currentrequest这个等待?还是在实例2上发生的,很有可能是与DRM相关。


2、如果是DRM造成的gc current request等待,那么前面出现的等待log file switch(checkpoint incomplete)就容易解释了。因为drm造成的问题会导致整个数据库freeze。


继续分析trace文件:在01:07:30的时候发现有DRM相关操作


随后出现了bufer busy waits等待


还有gc current request等待:



还有后来出现的log file switch (checkpoint incomplete)等待


总结的来说,DRM的问题是先出现的,随后数据库就报出了一大堆问题。


分析和建议

根据提供的诊断材料分析来看,数据库中出现了严重的gc current request等待,很有可能触发了DRM方便的BUG。与以下BUG比较匹配:

Bug12998795 - RAC hang with signature 'gc current request'<='gc buffer busyacquire' (Doc ID 12998795.8)


SR中最终迟迟没有定论,需要等到下次数据库hang的时候,做hang anlyze然后分析dmp文件才能下结论。但是从沟通讨论的过程可以看到官方也承认是DRM方面引起的问题。提供的soloution中让我们尝试设置不受支持的隐含参数:"_gc_read_mostly_locking"=FALSE

"_gc_bypass_readers"=false。


解决方案

关闭数据库DRM功能。

A、方案1:彻底关闭需要修改_gc_policy_time=0参数,但是需要重启数据库。

B、方案2:在线调整参数_gc_policy_minimum=1000000 

_gc_affinity_ratio=1000000

使其达不到设置的值,做到在线关闭DRM。


验证DRM是否关闭:

select* from  v$policy_history wherepolicy_event = 'initiate_affinity';


案例总结

1、应用连接到数据库的方式改为负载均衡:案例为11g RAC系统,当应用发现连接到节点1失败后,自动切换到节点2的健康实例。

2、建议数据库升级到11.2.0.4的稳定版本,官方已经承认11.2.0.3有比较多的bug。


关于DRM你是否想了解更多?


今晚云和恩墨大讲堂,RAC系列课程之内存融合,将会详细解读Oracle RAC的内存融合机制,DRM原理,并通过真实案例分析DRM带来的影响及应对方案。欢迎报名参与!


报名方式:长按下图,扫码即可报名。课程密码:enmo.


云和恩墨大讲堂,今晚约定你,不见不散!


加入"云和恩墨大讲堂",参与讨论学习

搜索 盖国强(Eygle) :eyygle,或者扫描下面二维码,备注:云和恩墨大讲堂,即可入群。每周与千人共享免费技术分享,与讲师在线讨论。


关注微信,获得后续精彩分享

近期文章

MySQL大表优化方案(最全面)

RAC 节点参数不一致引发的悲剧

MySQL - 8种常见的SQL错误用法

RAC 如何安装新主机识别老存储恢复数据库

Oracle 子查询优化系列精讲

我明明 immediate 关库的,怎么就打不开了

我们都被骗了,所有的跨平台迁移都可以通过XTTS实现

Linux环境下合理配置大内存页

资源下载

(OraNews)回复关键字获取

2016DTCC, 2016数据库大会PPT;

DBALife,"DBA的一天"精品海报大图;

12cArch,“Oracle 12c体系结构”精品海报;

DBA01,《Oracle DBA手记》第一本下载;

YunHe“云和恩墨大讲堂”案例文档下载;

最后修改时间:2020-05-07 23:55:36
「喜欢文章,快来给作者赞赏墨值吧」
文章转载自Enmotech,如果涉嫌侵权,请发送邮件至:contact@modb.pro进行举报,并提供相关证据,一经查实,墨天轮将立刻删除相关内容。

评论