RMAN 备份的成败

在 Oracle 环境里，RMAN 备份的成败从来都不是一句“backup database 成功”就能盖棺论定。真正的“关键指标（KPI）”必须同时回答四个问题：
1. 备份有没有在规定时间内完成？
2. 备份数据能不能在灾难场景下恢复？
3. 备份过程对生产库的冲击是否在可控范围？
4. 备份文件在存储端是否有丢失、过期、损坏？

围绕这四点，可将 RMAN 备份监控的“关键指标”提炼为九大类、二十七个量化字段。每个指标给出含义、阈值建议、查询或脚本示例，并注明“告警级别”与“常见根因”，方便直接落地。

──────────────────
一、时间类指标（SLA 核心）
1. 备份窗口利用率 Backup_Window_Usage
含义：实际耗时 / 允许窗口（%）。
阈值：>90% 黄色、>100% 红色。
SQL：
```
SELECT ROUND(elapsed_seconds/7200*100,1) pct
FROM v$rman_backup_job_details
WHERE start_time > SYSDATE-1
AND input_type='DB FULL';
```
根因：数据量暴增、压缩算法降级、网络抖动。

2. 预估剩余时间 Estimated_Time_Left
来源：v$session_longops.time_remaining。
阈值：若剩余时间 > 窗口剩余 20%，提前预警。

──────────────────
二、结果类指标（成功/失败）
3. 备份状态 Status
0=成功，1=失败，2=警告。
直接取自 v$rman_backup_job_details.status，失败即 Sev-1 告警。

4. 备份片有效性 Available_Pieces
crosscheck 后状态为 ‘AVAILABLE’ 的片数 / 总片数。
阈值：<100% 立即红色告警。

──────────────────
三、数据一致性指标（可恢复性）
5. 控制文件自动备份是否开启 Autobackup_Enabled
`SELECT value FROM v$rman_configuration WHERE name='CONTROLFILE AUTOBACKUP';`
必须是 ON，否则无法从裸机恢复。

6. 备份校验状态 Validation_Status
`restore validate check logical` 后无 ORA- 错误。
失败即 Sev-1，直接阻断下游 obsolete 删除。

──────────────────
四、容量类指标（存储安全）
7. Fast Recovery Area 使用率 FRA_Usage_Pct
```
SELECT ROUND(space_used/space_limit*100,1) pct
FROM v$recovery_area_usage
WHERE file_type='RECLAIM';
```
阈值：>80% 黄色，>90% 红色。

8. 备份目标目录剩余空间 Backup_Dir_Free_GB
OS 级 `df -BG | awk '$NF=="/backup"{print $4}'`，<15% 红色。

9. 过期备份片数 Obsolete_Pieces
`report obsolete` 行数，>0 且未删除需工单跟踪。

──────────────────
五、性能类指标（对生产冲击）
10. 备份吞吐 Backup_Throughput_MBps
```
SELECT ROUND(output_bytes/1024/1024/elapsed_seconds,1) mbps
FROM v$rman_backup_job_details
WHERE start_time > SYSDATE-1;
```
阈值：低于基线 30% 黄色。

11. 并行通道数 Parallelism
v$rman_backup_subjob_details 中并行通道数，与 CPU 核数对比，>80% 核数则黄色。

12. 压缩比 Compression_Ratio
input_bytes / output_bytes，低于历史均值 20% 需排查算法或数据类型变化。

──────────────────
六、网络/磁带接口指标
13. SBT 错误码 SBT_Errors
rman trace 中 ORA-19511/ORA-27000 系列，出现一次即红色。

14. 网络重传率 Network_Retrans
若备份到远端 NFS/S3，用 OS 工具 `sar -n ETCP 1` 监控 Retrans/s >5 预警。

──────────────────
七、元数据一致性指标
15. Catalog 同步延迟 Catalog_Lag_Min
恢复目录库与目标库备份记录差异时间，>30 分钟黄色。
SQL：
```
SELECT MAX(start_time) target_max,
MAX(start_time) catalog_max,
ROUND((MAX_TARGET-MAX_CATALOG)*24*60,1) lag_min
FROM (SELECT MAX(start_time) max_target FROM v$rman_backup_job_details)
, (SELECT MAX(start_time) max_catalog FROM rc_backup_set);
```

16. Crosscheck 差异 Crosscheck_Delta
crosscheck 后 `expired` 片数，>0 即工单。

──────────────────
八、归档与 Redo 指标
17. 归档未备份数 Unbackuped_Arch
```
SELECT COUNT(*) FROM v$archived_log
WHERE backup_count=0 AND archived='YES';
```
阈值：>10 黄色（依业务事务量调整）。

18. 归档延迟归档到备份时间 Arch_Backup_Lag_Min
归档生成时间与备份完成时间差值，>60 分钟预警。

──────────────────
九、演练与合规指标
19. 恢复演练周期 Restore_Drill_Days
最近一次 duplicate/restore 测试成功日期距今天数，>90 天红色。

20. 备份加密状态 Encryption_Enabled
`SELECT value FROM v$rman_configuration WHERE name='ENCRYPTION FOR DATABASE';`
合规要求为 ON 却为 OFF 即红色。

──────────────────
落地示例：一键监控视图
为便于统一告警，可将关键指标整合成一张 DBA_BACKUP_KPI 表，每 10 分钟 MERGE 最新值。核心字段：
- kpi_code（上述 1-20）
- kpi_value
- threshold_yellow
- threshold_red
- alert_status（GREEN/YELLOW/RED）
- check_time

然后用 Prometheus exporter 或 Zabbix 低级别发现（LLD）将整张表映射为 metrics，Grafana 出图并分级告警。

结语
RMAN 备份监控的关键指标绝不是“备份成功”四个字，而是围绕“时间、结果、一致、容量、性能、网络、元数据、归档、合规”九大类、二十七个可量化字段构成的立体矩阵。当这些指标全部落在绿色区间时，DBA 才能在下一个凌晨安心睡觉。