ASM 翻译系列第十一弹：高级知识 Offline or drop?

原作者：Bane Radulovic

译者： 庄培培

审核： 魏兴华

DBGeeK社群联合出品

Offline or drop?

当一个ASM磁盘不可用时，ASM会把它从磁盘组里移除，对吗？要看情况，通常取决于ASM版本和磁盘组的冗余级别。因为一个external冗余的磁盘组会直接被dismount，所以主要关注normal和high冗余磁盘组的情况。

ASM 10g版本，磁盘会被直接drop。从11gR1，一个磁盘不可用时会先被offline，此时disk repair计时器开始介入，如果计时器达到磁盘组DISK_REPAIR_TIME 属性值时，这个磁盘会从所属的磁盘组中drop掉。如果这个磁盘在计时器过期前恢复可用，那么它的状态会变回online，不会被drop。但是ASM是如何发现磁盘恢复可用又有什么机制将它恢复online呢?

Unavailable

当一个磁盘不能被ASM或者ASM客户端读或写时，会被认为不可用。数据库是一种典型的ASM客户端，但ASM客户端并不只限于是数据库。磁盘会因为各种原因变成不可用，本地硬盘的SCSI线缆受损，存储的SAN交换机或者网络故障，NFS空间的服务器故障，双活场景的站点故障，又或是磁盘本身故障等各种场景。无论是哪种情况，ASM或者是ASM客户端会报IO错误，然后ASM会进行相应的处理。

Drop

在ASM 10G时，ASM会立即Drop变成不可用的磁盘。这会触发一个尝试恢复数据冗余的重平衡操作。一旦重平衡过程完成，数据冗余度会恢复，同时磁盘会被移除出磁盘组。一旦磁盘不可用的故障被解决，可以通过alter diskgroup命令将磁盘重新添加回磁盘组。 例如：alter diskgroup DATA add disk 'ORCL: DISK077'; 这又会再次触发一个重平衡操作，一旦重平衡过程完成，磁盘会恢复成为磁盘组成员。 但是如果多个磁盘同时发生故障，又或者一个磁盘故障在重平衡过程中又有磁盘故障会导致什么结果？这取决于多个因素，磁盘组的冗余度、磁盘是否来自于相同或不同的failgroup和故障磁盘是否是partner关系。 在一个normal冗余级别的磁盘组，ASM能容忍来自于一个failgroup中的一块或者多块，甚至是全部的磁盘故障。如果来自于不同的failgroup的磁盘变成不可用,仅当它们之间不存在partner关系时，ASM才能容忍。 这里提到的“容忍"的具体含义是指磁盘组能继续online同时ASM客户端访问不受影响。 在一个high冗余级别的磁盘组，ASM能容忍仅来自于两个failgroup中的一块或者多块，甚至是全部的磁盘故障。如果来自于两个以上failgroup的磁盘变成不可用,partner关系规则仍然有效。基本上，ASM能容忍任意数量的磁盘变成不可用，只要它们之间不存在partner关系时。

Offline

当一个磁盘被drop，整个磁盘组需要为此进行rebalance，整个过程需要耗费大量的时间。在此期间，其他磁盘也可能会发生故障，使得数据丢失的风险大大增加。为解决这个问题，在11gR1开始，ASM引入了fast disk resync特性。ASM不再立即drop不可用的磁盘，而是先置为offline状态。这样做的意义是能让ASM管理员被告知有磁盘发生故障后在disk repair time计时器到达阈值前修复故障。 默认的disk repair计时器阈值是3.6小时。这个阈值是可以通过alter diskgroup命令来调整的，假设要设置为12小时，命令如下：alter diskgroup DATA set attribute 'DISK_REPAIR_TIME' = '12h'; 在磁盘处于offline的这段时间里，ASM持续跟踪需要在offline磁盘上做的修改操作。如果磁盘在计时器到达阈值前恢复可用并且恢复到online状态，那么ASM会将这些修改操作应用到磁盘上去。这就是fast disk resync特性的具体用途。 如果导致磁盘离线的故障不能解决，在计时器到达阈值后，磁盘会从磁盘组中被drop掉。

Online

当一个系统管理员或者ASM管理员修复了导致磁盘不可用的故障后（可能是更换了某条故障的线缆），接下来该怎么做能让磁盘恢复online状态？这个过程能否能自动呢? 答案同样也是看情况。如果是Exadata或者是Oracle Database Appliance,磁盘会被自动online。其他情况是ASM管理员需要通过alter diskgroup命令将磁盘恢复为online状态。 例如： alter diskgroup DATA online disk 'ORCL: DISK077'; 或者 alter diskgroup DATA online all；

Conclusion

知道在不同的故障场景下会发生什么事情是这件非常有价值的事情，比如：目前使用的ASM版本分别能做什么和不能做什么，当前使用的磁盘组冗余度能提供什么样的保护级别。

关于译者

庄培培，沃趣科技数据库售前工程师，主要负责数据库平台架构方案设计、产品验证测试。