Oracle中的PGA监控报警分析二(r12笔记第87天)

今天又收到了一条报警的信息，看起来很常规，但是后面的故事如果你做了分析就会发现其实本身并不平常，我觉得我得出手了。之前的分析可以参考 Oracle中的PGA监控报警分析(r11笔记第96天)

ZABBIX-监控系统: ------------------------------------ 报警内容: PGA Alarm on alltest ------------------------------------ 报警级别: PROBLEM ------------------------------------ 监控项目: PGA：9723.2 ------------------------------------

问题原因简单分析

为什么PGA会占用如此大的内存空间，根据分析是imo相关的进程，但是in memory是否正式在环境中使用了，没有，所以这个问题就变得有些诡异了，这里还要牵扯出12c里对于pga的一个新增参数pga_aggregate_limit，这个算是一个硬指标，不能超过它的值，防止一些异常的情况发生。而问题的愿意其实也很特别，是12c中的一个bug,解决方法要么就是升级到12.2要么就是打上补丁，对于线上，测试环境等都有一定的实践难度，我还是选择来干脆关掉imo,把隐患解除，俗话说重启大法好，别以为重启就是一个体力活，你来体会一下这个过程。

重启问题1

因为应用设置了自动重连，为了让这个问题处理得更平滑下，整个重启的过程本来以为会很快，但是却接二连三的碰到了不少的小问题。

首先就是一系列fork错误。我干了什么呢？

就是shutdown immediae 然后startup

这么一个操作本身有问题吗，显然没有，但是启动数据库之后，我在另外一个窗口中使用su - oracle切换的时候却抛出了下面的错误。大体是这两类：

# su - oracle -bash: fork: retry: Resource temporarily unavailable -bash: fork: retry: Resource temporarily unavailable ^C-bash: fork: retry: Resource temporarily unavailable

或者

# su - oracle su: cannot set user id: Resource temporarily unavailable

而问题的原因竟然是设置的内核参数的问题，说超过了1024之后会有这类问题。我的是oracle用户，这个地方对应的就是1024

# cat /etc/security/limits.d/90-nproc.conf # Default limit for number of user's processes to prevent # accidental fork bombs. # See rhbz #432903 for reasoning. * soft nproc 1024 root soft nproc unlimited

但是数据库层面的会话数只有不到200个，为什么进程数还会超过1000，这个让我有些不解，但是解决问题为先，就先修改了内核参数之后看看是否修复了问题。

从测试来看，这个内核参数导致的su问题告一段落，看到应用层面的连接数也进来了。

重启问题2

但是紧接着就发现哪里不太对劲，就是从客户端新发起的连接都有问题，orabbix端的监控也受到了影响。错误看起来就很诡异了。

$ sqlplus pdb_mgr/xxxx@actvdb SQL*Plus: Release 12.1.0.2.0 Production on Tue Jun 6 22:47:55 2017 Copyright (c) 1982, 2014, Oracle. All rights reserved. ERROR: ORA-12518: TNS:listener could not hand off client connection

所以问题还绕不过去，看来连接数有些异常，系统层面总共有1200多个进程。$ ps -ef|wc -l 1223 ora相关的进程有近1040个。

$ ps -ef|grep ora|wc -l 1040

按照关键字oracle得到的进程又930个。

$ ps -ef|grep oracletestdb|wc -l 930

而数据库层面的会话数只有不到200个，那么这多出来的进700多个进程到底是哪里的。

而这一点也是解决这个问题的一个关键。

重启问题3

所以这个时候就碰到了第3个问题，我需要彻底的确认一下重启前后是否在系统层面有进程异常。我得把这个问题先解决清楚，使用shutdown immediate竟然卡住了，久久没有反应，后台日志也没有什么输出。

我在确认了Data Guard没有问题的情况，果然使用shutdown abort来结束了这个异常的服务，然后确认ora相关的进程数，确认没有问题之后继续启动数据库，这一次来看总算是恢复了正常。

$ ps -ef|grep oracle|wc -l 334

问题解决后的收益

这个问题在解决之后，对比PGA的使用情况，原来的问题就得到了根治。

有两个问题需要说明，到底是重启前进程数就接近1000还是重启后才达到1000的。

这个图就很明显，是一个系统层面的进程数情况，可以看到进程数是在重启之后突然升上来的，后来经过我的镇压，降下去了。证明在重启前的进程数其实是没有问题的。

第二个问题是PGA的使用情况，是否达到了预期的结果。这是PGA的监控结果，单位是M,可以看到重启之后没有了imo的副作用，PGA的指标一下子降下来了。

我想这个问题在很长的一段时间里都不会再出现了。