0

匪夷所思:罕见的 Oracle 全局事务锁等待事件分析

杨廷琨 2018-11-11
166

数据技术嘉年华等你来

活动预告:11.16-17日,北京市东三环中路61号富力万丽酒店,相聚数据技术嘉年华,(99元票务)免费购票倒计时,点击查看大会详情。


杨长老带来主题“深入内核-Oracle双活架构和踩坑案例实战”,敬请期待~


点击“阅读原文”或者扫描下图二维码注册购票,即将售罄,赶快参与鸭!



杨廷琨,云和恩墨CTO,Oracle ACED,ITPUB Oracle 数据库管理版版主 ,人称"杨长老”,十数年如一日坚持进行Oracle技术研究与写作,号称"Oracle的百科全书”,迄今已经在自己的博客上发表了超过3000篇技术文章。与 Eygle 共同主编出版了多本《Oracle DBA手记》系列图书。


此次大会杨长老分享的主题是“深入内核-Oracle双活架构和踩坑案例实战”,来听杨老师分享架构,看他如何巧妙地处理雷区。





这是在某客户现场的一次即时分析,这个问题困扰了用户一段时间,数据库体现为严重的性能问题,导致应用出现大范围超时以及会话激增等问题,多次尝试 kill session 都无法彻底解决问题,重启后系统恢复正常。


拿到故障时刻的 AWR 报告,可以发现问题时刻,数据库的主要等待为:

Global transaction acquire instance locks 和 enq: TX - row lock contention。

Event

Waits

Time(s)

Avg wait (ms)

% DB time

Wait Class

Global transaction acquire instance locks

5,342

5,343

1000

74.09

Configuration

enq: TX - row lock contention

5

1,437

287308

19.92

Application

DB CPU


331


4.59


direct path read

37,708

72

2

0.99

User I/O

log file sync

7,817

12

2

0.16

Commit

 

其中 TX – row lock contention 等待十分常见,这个等待事件造成应用的阻塞也很容易理解,但是Global transaction acquire instance locks并不是常见等待,从字面上理解,是全局事务在尝试获取实例锁。这个等待在等待时间占比上,消耗了将近75%的DB TIME。


当然数据库中TOP 5中最严重的等待不一定是问题的根源,分析问题时刻的 ASH 信息,在问题时刻,最先出现的是全局事务获取锁的等待,随后开始出现行锁等待:

SQL> select to_char(sample_time, 'hh24miss'), session_id, event, blocking_session

  2  from dba_hist_active_sess_history

  3  where sample_time >= to_date('201810180652', 'yyyymmddhh24mi')

  4  and sample_time <= to_date('201810180700', 'yyyymmddhh24mi')

  5  and instance_number = 1

  6  order by 1, 2;



首先出现问题的是会话 763,其处于Global transaction acquire instance locks等待中,该会话并未显示被其他会话阻塞。之后开始出现了行锁等待,这些等待enq: TX - row lock contention的会话,其阻塞对象都是会话763。


显然在本次故障中,虽然最终导致大范围业务挂起的是enq: TX - row lock contention等待,但是最终问题的根源是Global transaction acquire instance locks等待。


几乎与此同时,后台告警日志出现大量的报错:

Thu Oct 18 06:53:33 2018

opiodr aborting process unknown ospid (26428) as a result of ORA-24756

Thu Oct 18 06:53:36 2018

Errors in file trace/orcl1_pmon_30688.trc:

ORA-24756: transaction does not exist

Errors in file trace/orcl1_pmon_30688.trc:

ORA-24756: transaction does not exist

Errors in file trace/orcl1_pmon_30688.trc:

ORA-24756: transaction does not exist

Errors in file trace/orcl1_pmon_30688.trc:

ORA-24756: transaction does not exist

 

数据库中出现该等待的时间点 06:52,再考虑到等待在报错前会经历一个超时,因此数据库中的等待与告警日志中的 ORA-24756 错误有密切的关系。


以 ORA-24756 作为关键字查询 MOS,可以找到与当前现象非常接近的文章:

PMON cleanup fails with ORA-24756: transaction does not exist (文档 ID 2299927.1)。


文档中描述的报错现象与当前问题一致,且数据库版本也很接近。Oracle认为这个错误是由于PMON进程在清理不存在的事务时出现了卡住的现象

Oracle给出了几个比较类似的bug,但是这些bug的状态不是不可重现就是已中止,因此类似的问题并没有明确的结论:

Bug 20676168 - PMON GOT CONTINUOUS ORA-24756 DURING SHUTDOWN <<<<<<<<<< Closed, Could Not Reproduce

Bug 16317766 - EXADATA : ORA-24756: TRANSACTION DOES NOT EXIST <<<<<<<<<<<< Suspended, Req'd Info not Avail

Bug 9757979 - PMON CLEANUP FAILS WITH ORA-24756: TRANSACTION DOES NOT EXIST <<<<<<<<<<< Closed, Could Not Reproduce

 

无论是Global transaction acquire instance locks等待还是后台alert日志中不断出现的ORA-24756错误,问题都指向Oracle的锁和全局事务处理。


而从11g以后,RAC的全局事务的处理由后台进程GTXn来自动维护。该进程是否启动受初始化参数 global_txn_processes 的控制,该参数默认值为1,也就是在数据库启动的时候会默认启动GTXn进程。


询问客户近期是否进行过应用和数据库的调整,可以确认的是客户的应用程序并未发生任何变化,在之前也未出现过类似的问题,不过在出现问题之前,数据库做过主库和Data Guard备库之间的切换演练,而切换演练完成后,恢复正常业务时,就出现了这次故障。显然这次切换演练的操作是被怀疑的重点


在详细检查了alert告警日志后发现,在DATA GUARD演练后切换回主库时,GTXn进程未启动:

Thu Oct 18 02:36:18 2018

alter database commit to switchover to physical standby with session shutdown

ALTER DATABASE COMMIT TO SWITCHOVER TO PHYSICAL STANDBY [Process Id: 4366] (orcl1)

.

Switchover: Primary controlfile converted to standby controlfile succesfully.

Switchover: Complete - Database shutdown required

Completed: alter database commit to switchover to physical standby with session shutdown

Thu Oct 18 02:45:27 2018

.

RFS[8]: Assigned to RFS process 3216

RFS[8]: Identified database type as 'physical standby': Client is ARCH pid 11990

Thu Oct 18 03:11:13 2018

alter database open

AUDIT_TRAIL initialization parameter is changed to OS, as DB is NOT compatible for database opened with read-only access

This instance was first to open

Beginning standby crash recovery.

Serial Media Recovery started

.

Thu Oct 18 03:11:13 2018

SMON: enabling cache recovery

Dictionary check beginning

Dictionary check complete

Database Characterset is ZHS16GBK

No Resource Manager plan active

Starting background process GTX0

Thu Oct 18 03:11:14 2018

GTX0 started with pid=51, OS id=5041

replication_dependency_tracking turned off (no async multimaster replication found)

Physical standby database opened for read only access.

Completed: alter database open

.

Thu Oct 18 04:57:19 2018

alter database commit to switchover to primary with session shutdown

ALTER DATABASE SWITCHOVER TO PRIMARY (orcl1)

Maximum wait for role transition is 15 minutes.

Switchover: Media recovery is still active

Role Change: Canceling MRP - no more redo to apply

.

Switchover: Complete - Database mounted as primary

Completed: alter database commit to switchover to primary with session shutdown

Thu Oct 18 04:57:39 2018

alter database open

This instance was first to open

Picked broadcast on commit scheme to generate SCNs

.

Thu Oct 18 04:57:44 2018

QMNC started with pid=41, OS id=22585

LOGSTDBY: Validating controlfile with logical metadata

LOGSTDBY: Validation complete

Completed: alter database open

.

Thu Oct 18 06:53:33 2018

opiodr aborting process unknown ospid (26428) as a result of ORA-24756

Thu Oct 18 06:53:36 2018

Errors in file trace/orcl1_pmon_30688.trc:

ORA-24756: transaction does not exist

Errors in file trace/orcl1_pmon_30688.trc:

.

Starting background process GTX0

Thu Oct 18 09:51:20 2018

GTX0 started with pid=36, OS id=32470

Starting background process RCBG

Thu Oct 18 09:51:20 2018

 

从上面节选的部分alert日志可以看到,在2点36分,主库执行了SWITCHOVER操作,开始切换演练。

  • 3点11分,数据库打开,alert中提示,当前数据库为物理备库,为只读打开模式,在随后的日志中标红的部分,显示此时后台进程GTX0进程启动。

  • 4点57分,数据库再次执行SWITCHOVER切换,此时数据库并未完全SHUTDOWN,而是直接转换为MOUNT模式,并于4点57分44秒完成了数据库的OPEN过程。但是这个时间段的alert中并未发现GXTn进程的启动。

  • 而在alert中发现GTX0进程再次出现,是故障之后实例1重启时刻的9点51分


显然,问题已经非常明确,在数据库由物理备库切换为主库的过程中,GTXn进程没有启动,这导致了Oracle无法处理分布式事务的锁问题,因此前台会话出现Global transaction acquire instance locks等待,而后台PMON也无法正常的清理会话和事务。


由于实例2在SWITCHOVER切换过程中是被SHUTDOWN后重新启动的,因此实例2上的GTXn进程是正常启动的,这也是应用切换到实例2上不在出现故障的原因。


如果要避免类似的问题产生,一方面在进行DATA GUARD的切换演练后,在主库切换到PRIMARY模式后,再执行一次数据库重启的操作,确保所有必要的进程都会启动。另一方面,对于应用程序,如果确实需要修改其他数据库中的表,应该通过建立其他数据库连接的方式来实现,避免在数据库中通过数据库链的方式直接更新远端表。


这个案例给我们的警示是:

数据库的工作非常紧密,不同版本的变化也不断向前,了解数据库不同版本的新特性,在进行变更时进行详细的检查确认,才能确保数据库安全稳定运行,少出问题。



数据技术嘉年华大礼包

在本届数据技术嘉年华大会上,您不仅可以获得行业技术大礼包,我们在现场为技术爱好者们准备了抽奖环节,主办方以及各大赞助伙伴为大家准备了多份精美大礼包,每个礼包中包含...


  • 青云——精美限量纪念T恤   

  • 云和恩墨——限量纪念电脑内胆包

  • PingCAP——健身斜跨帆布包 

  • 至顶网——精美玩偶   

  • 戴尔——马拉松纪念款折叠双肩

  • 创业邦——2018年会价值588门票1张    

  • 容联——2018商务电脑手提包  

  • 易捷行云——运动款纪念双肩包   

  • 华章——2018珍藏版技术图书

  • 等等


支付宝“锦鲤”活动仅仅出现了一个“信小呆”,本届数据技术嘉年华现场将出现多个“信小呆”,以上只是礼包中部分奖品,小编已经迫不及待想要更多的人知道这个福利了,动动手指,转发出去,携身边技术爱好者一起来享用这场技术盛宴,最后“满载而归” 吧,[坏笑][坏笑]。


社团粉丝福利:本文下方评论点赞满10个的读者可以得到价值99元优惠券,小编会留言回复您优惠码,一分钱即可参会。


集赞截止时间:2018年11月15日。



点击“原文链接”注册购票哦,购票过程中有任何问题,可加小助手微信:Enmoedu05。


数据技术嘉年华等你来!





近期文章

删了库之后,不要着急跑路

一道面试题看数据库性能和安全的方方面面

Percona发布XtraBackup for MySQL 8.0

独立发布的Oracle严重CVE-2018-3110公告

Oracle宣布在云上正式上线 自治事务处理数据库

为什么看了那么多灾难,还是过不好备份这一关

最后修改时间:2020-05-07 23:24:43
「喜欢文章,快来给作者赞赏墨值吧」
文章转载自杨廷琨,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

数据库资讯
最新 热门 更多
本月热门
近期活动
全部
暂无活动,敬请期待...
相关课程
全部