sys_rman归档元文件丢失故障报告

1 故障概述

2 故障复现

虚拟机环境下手动删除归档元文件：rm -f archive.info、archive.info.copy

手动触发归档：select sys_switch_wal;

结论：归档失败，查看物理备份报错

3 故障报错信息

1. 归档进程显示 failed

1. 查看备份信息显示 file_missing_err

sys_rman --config=/data/KBbackup/db_xxx/kbbr_repo/sys_rman.conf --stanza=kingbase info

报错日志：

stanza: kingbase
status: error (other)
[file_missing_err] unable to load info file '/data/KBbackup/db_xxx/kbbr_repo/archive/kingbase/archive.info' or '/data/KBbackup/db_xxx/kbbr_repo/archive/kingbase/archive.info.copy':
file_missing_err: unable to open missing file '/data/KBbackup/db_xxx/kbbr_repo/archive/kingbase/archive.info' for read
file_missing_err: unable to open missing file '/data/KBbackup/db_xxx/kbbr_repo/archive/kingbase/archive.info.copy' for read
HINT: archive.info cannot be opened but is required to push/get WAL segments.
HINT: is archive_command configured correctly in kingbase.conf?
HINT: has a stanza‑create been performed?
HINT: use --no‑archive‑check to disable archive checks during backup if you have an alternate archiving scheme.
cipher: none

关键说明：archive.info/archive.info.copy是 WAL 归档统计元数据文件，WAL 归档实体数据文件并未丢失，仅归档元索引文件丢失，存量备份集数据完整。

4 故障处理过程

操作窗口：业务低峰时段执行，初始化过程中会进行一次全备，避免业务高峰操作。

步骤 1：故障确认

执行sys_rman info、sys_rman check，确认归档两个元文件全部丢失，全备定时任务报错；禁止手动touch生成空元文件，会直接导致备份仓库报废。

步骤 2：重新备份初始化

执行 sys_backup.sh init 命令进行重新初始化，重新生成archive.info、archive.info.copy归档双元索引文件

--删除repo目录
rm -rf /data/KBbackup/db_xxx/kbbr_repo  
由S3存储方操作，由于批量报错，无法逐个子目录细粒度删除，决定先创建新存储桶(取消生命周期配置)

--更改sys_backup.conf中_repo_s3_bucket 为新的存储桶名称
cd 安装目录/share
cp sys_backup.conf sys_backup.conf_bak
vi sys_backup.conf 
_repo_s3_bucket=new-bucket-name

--初始化备份
sys_backup.sh init

--清空或删除原存储桶
由S3存储方操作

步骤 3：修复后功能校验

#校验仓库状态，status状态应为ok
sys_rman --config=/data/KBbackup/db_xxx/kbbr_repo/sys_rman.conf --stanza=kingbase info

#执行备份仓库完整性检查
sys_rman --config=/data/KBbackup/db_xxx/kbbr_repo/sys_rman.conf --stanza=kingbase check

校验结果：stanza 状态返回ok，无文件缺失报错，元文件重建完成。

步骤 4：归档和备份验证

1. 确认数据库archive_command配置正常，验证 WAL 归档推送恢复正常；
2. 执行一次全量备份，验证备份流程完整可用；
3. 验证备份集查看、归档统计查询功能恢复；时间点 PITR 恢复功能恢复。

5 原因排查

1. 高可疑点：S3 生命周期策略：archive.info、archive.infi.copy属于 repo 仓库的小体积元文件，若 S3 桶配置生命周期自动清理小对象策略，会造成元索引文件被误删除，但 WAL 大文件保留。和S3方沟通确认后得知：备份软件不具备自动清理功能会配置生命周期，超过5天没有发生变更的文件会被删除；而archive.info、archive.infi.copy 元数据文件不会自动更新，只会上传一次，所以会被删除。金仓的备份工具具备自动清理功能，无需配置生命周期。
2. 次要可能：archive‑push 进程异常中断：WAL 归档推送进程异常崩溃、网络瞬时中断，元文件双副本未能完整写入 S3 对象存储。
3. 排除：数据库业务数据损坏；存量全量、差异备份集损坏。
4. 排除：人为手动删除仓库文件（待进一步核查 S3 操作日志）。

6 风险说明

2026-9-29 归档和备份已经报错，2026-10-08 排查其他问题发现归档failed，继而发现备份报错，在这段故障期间，全量备份定时任务失败。

7 整改及预防措施

1. S3 存储侧整改（最高优先级）

• 对 sys_rman 备份使用 S3 桶开启对象版本控制，防止元文件被误删后无法找回；
• 调整 S3 生命周期策略，排除 kbbr_repo 元数据目录，禁止清理 KBBR 产生的小 info 元文件。sys_rman工具具备自动清理文件的功能，建议取消S3 生命周期策略；
• 开启 S3 访问操作日志审计，记录对象删除、覆盖操作，便于后续问题溯源。

1. 备份运维规范整改

定期监控 sys_rman 的info/check输出结果，将 stanza 状态纳入监控告警，一旦状态非 ok 及时告警。

1. 运维操作红线

严禁手动创建、编辑archive.info元文件，避免备份仓库不可逆损坏。

8 处理结论

本次故障为 sys_rman 备份仓库归档元索引文件(archive.info、archive.info.copy)丢失，业务无中断，归档失败、全备报错，S3 存储方提供新存储桶，新存储桶取消生命周期配置，sys_backup.conf 中 使用新的存储桶，通过 sys_backup.sh init 进行初始化备份，备份归档整套功能已恢复正常；完成 S3 桶整改与监控补充，规避同类故障复现。