数据库突然宕机的问题及分析

昨天晚上,某个环境的数据库在做一个压力测试的时候突然宕机了。这个问题比较急。马上查看日志文件。 看到了如下的一段,报了os级的linux错误。提示没有空间了。

Fri Mar 14 19:16:47 2014
Archived Log entry 192 added for thread 1 sequence 192 ID 0x1ed7a02c dest 1:
Fri Mar 14 19:39:24 2014
Incremental checkpoint up to RBA [0xc0.2aa5fb.0], current log tail at RBA [0xc1.5d29f.0]
Fri Mar 14 19:46:37 2014
Completed checkpoint up to RBA [0xc1.2.10], SCN: 252702724
Fri Mar 14 20:09:32 2014
Incremental checkpoint up to RBA [0xc1.5d36a.0], current log tail at RBA [0xc1.b8498.0]
Fri Mar 14 20:13:15 2014
KCF: read, write or open error, block=0xa6b82 online=1
        file=1 '/TEST1/db05/oradata/PRDTEST1/TEMP_1.dbf'
        error=27061 txt: 'Linux-x86_64 Error: 28: No space left on device
Additional information: -1
Additional information: 8192'
Errors in file /test01/oracle/adm/PRDTEST1/diag/rdbms/prdTEST1/PRDTEST1/trace/PRDTEST1_dbw7_19235.trc:
Errors in file /test01/oracle/adm/PRDTEST1/diag/rdbms/prdTEST1/PRDTEST1/trace/PRDTEST1_dbw7_19235.trc:
ORA-63999: data file suffered media failure
ORA-01114: IO error writing block to file 5001 (block # 682882)
ORA-01110: data file 5001: '/TEST1/db05/oradata/PRDTEST1/TEMP_1.dbf'
ORA-27061: waiting for async I/Os failed
Linux-x86_64 Error: 28: No space left on device
Additional information: -1
Additional information: 8192
DBW7 (ospid: 19235): terminating the instance due to error 63999
Fri Mar 14 20:13:16 2014
System state dump requested by (instance=1, osid=19235 (DBW7)), summary=[abnormal instance termination].
System State dumped to trace file /test01/oracle/adm/PRDTEST1/diag/rdbms/prdTEST1/PRDTEST1/trace/PRDTEST1_diag_19213.trc
Termination issued to instance processes. Waiting for the processes to exit
Fri Mar 14 20:13:31 2014
Instance termination failed to kill one or more processes
Instance terminated by DBW7, pid = 19235
Fri Mar 14 22:55:44 2014
Starting ORACLE instance (normal)

马上开始查看文件系统的空间,确实是不够了。紧急resize了下文件,把库先起来,然后再协调系统的资源了。 问题虽然马上解决了。但是对于文件写入(报错异步io)的情况,数据库实例会同然down掉。确实是一件很敏感的事情。 在metalink上查找有一个类似的错误,但是是基于NAS环境的,那个Unix环境做了一些系统变更导致了这个错误和这个问题还是有一些不同。(文档 ID 1557694.1) 我在想对于如果数据文件写入失败,有没有一些措施来控制,保证不会把库给down掉。发现在11.2.0.2版本之后,发现了一个隐含参数(_datafile_write_errors_crash_instance) 查看隐含参数的脚本如下。

set linesize 132 column name format a30 column value format a25 
select
x.ksppinm name,
y.ksppstvl value,
y.ksppstdf isdefault, 
decode(bitand(y.ksppstvf,7),1,'MODIFIED',4,'SYSTEM_MOD','FALSE') ismod, 
decode(bitand(y.ksppstvf,2),2,'TRUE','FALSE') isadj 
from sys.x$ksppi x, sys.x$ksppcv y 
where x.inst_id = userenv('Instance') 
and y.inst_id = userenv('Instance') 
and x.indx = y.indx 
and x.ksppinm like '%_%' 
order by translate(x.ksppinm, ' _', ' ') 
/

默认这个参数_datafile_write_errors_crash_instance的值是true的。 oracle给出的解释如下,还有一个相关的bug(文档 ID 7691270.8)已经在11.2.0.2做了修复。 If _datafile_write_errors_crash_instance = TRUE (default) then any write to a datafile which fails due to an IO error causes an instance crash. If _datafile_write_errors_crash_instance = FALSE then the behaviour reverts to the previous behaviour (before this fix) such that a write error to a datafile offlines the file (provided the DB is in archivelog mode and the file is not in SYSTEM tablespace in which case the instance is aborted) 简单的测试 大家可能想如果表空间不够了,数据文件空间不够了,数据库是不是也会down掉。我简单在本地做了测试来看在并行插入的时候如果文件空间不够会不会把库down掉。但是要模拟数据文件的错误,可能需要借助bbed等工具来模拟了。 step 1.首先为了先把隐含参数设置为默认值true alter system set "_datafile_write_errors_crash_instance"=TRUE; step 2.然后创建了一个dummy文件,保证文件系统中的空间只剩下很少的一部分。 dd if=/dev/zero of=/u02/ora11g/hello.txt bs=1000M count=1 -rw-r--r-- 1 ora11g dba 1048576000 Mar 15 04:09 hello.txt /dev/sdb2 7.6G 7.2G 45M 100% /u02 只剩下很小的一部分空间了,45M的样子。 step 3.创建两个个表空间。让数据文件自动增长。 SQL> create tablespace test_data1 datafile '/u02/ora11g/testdata1.dbf' size 2M autoextend on; Tablespace created. SQL> create tablespace test_data2 datafile '/u02/ora11g/testdata2.dbf' size 2M autoextend on; Tablespace created. step 4:创建两个表属于不同的表空间 SQL> create table test1 tablespace test_data1 as select *from cat; Table created. SQL> create table test2 tablespace test_data2 as select *from user_objects; Table created. step 5:简单核查一下表里的数据。保证数据量在可控范围内。 SQL> select count(*)from test1; COUNT(*) ---------- 4 SQL> select count(*)from test2; COUNT(*) ---------- 5 step 6:然后写了如下的3个脚本来往两个表里分别不断的插入和commit 脚本1 a.sh sqlplus test/test <<EOF begin for i in 1..10000 loop insert into test1 select *from test1 where rownum<5; commit; end loop; end; / EOF exit 脚本2 b.sh sqlplus test/test <<EOF begin for i in 1..10000 loop insert into test2 select *from test2 where rownum<10; commit; end loop; end; / EOF exit 脚本3 c.sh ,可以基本保证两个执行是并行的。 ksh a.sh & ksh b.sh & step 7,执行脚本3以后查看日志内容 马上看到alert里面马上又了如下的信息 Sat Mar 15 07:40:22 2014 ORA-1653: unable to extend table TEST.TEST2 by 128 in tablespace TEST_DATA2 ORA-1653: unable to extend table TEST.TEST2 by 128 in tablespace TEST_DATA2 由以上的简单测试可以看出表空间不够的时候,实例还是能够保证open的。

原文发布于微信公众号 - 杨建荣的学习笔记(jianrong-notes)

原文发表时间:2014-03-16

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏Ryan Miao

Spring-Boot - 初步搭建

official document:http://projects.spring.io/spring-boot/ 项目代码: https://github.co...

2464
来自专栏散尽浮华

MySQL高可用架构-MHA环境部署记录

一、MHA介绍 MHA(Master High Availability)目前在MySQL高可用方面是一个相对成熟的解决方案,它由日本DeNA公司youshim...

3106
来自专栏小白安全

小白博客 EMLOG启用HTTPS访问详细教程

https支持已集成到Emlog 6.0,以下内容仅适用于Emlog 5.x用户,在进行修改之前,请先确定服务器已正确配置https,并且备份所有文件,防止遇...

4007
来自专栏Netkiller

Linux 应用程序开发入门

我会实现一个守护进程,从这个程序你将了解,Linux 应用程序开发基本流程 我们将实现一个远程shell的功能,可以通过tcp协议,运行远程机器上的命令或she...

4697
来自专栏Jed的技术阶梯

Confluent 入门

Confluent平台是一个可靠的,高性能的流处理平台,你可以通过这个平台组织和管理各式各样的数据源中的数据。

2596
来自专栏乐沙弥的世界

配置非默认端口的动态服务注册

从Oracle客户端连接到服务器,除了使用静态注册方式之外,9i后续的版本支持动态注册服务,同时可以将服务注册到非默认的端口。将服务注册到非默认端口可以提高数...

641
来自专栏李鹏的专栏

Linux下搭建MySQL集群

最近工作上接到任务,需要研究学习下 MySQL 集群。作为一个新手,没有搭建过 MySQL 集群,参阅了不少别人的文章后,成功搭建!在此记录下,方便以后查阅!

5132
来自专栏后端云

Openstack运维常见问题记录

dashboard 网络页面报错 Invalid service catalog service: network

1044
来自专栏PHP技术

web基础(回顾)

<?php //chr() 函数从指定的 ASCII 值返回字符。 for($i=32;$i<127;$i++){ echo chr($i); } /...

2636
来自专栏小狼的世界

Kubernetes中Pod的健康检查

我们先来看一下Kubernetes的架构图,每个Node节点上都有 kubelet ,Container Probe 也就是容器的健康检查是由 kubelet ...

971

扫码关注云+社区