Oracle RAC一节点宕机导致另一节点HANG的问题分析

正所谓“福无双至，祸不单行”，生产上有套2节点Oracle 11.2.0.4数据库，其中2节点因硬件故障宕机，1节点去HANG住了。我们一起来分析这起故障。

凌晨4点半，值班同时电话说一套生产库节点2宕机了，机房的同事看机器正在启动，估计是硬件原因导致的。心想节点2宕了还有一个节点1在跑，应该问题不大，于是继续睡觉，离公司近的另一位DBA同事赶往现场支持。可是没有过多长时间，到现场的DBA反馈信息：活着的另一节点也出问题了。在宕掉的那个节点2上部署了ogg，由于宕机，自动切换到了节点1，但ogg的复制进程延迟一直的增长，感觉像是一直没有应用。

尝试用sqlplus进入库结果却报了ORA-00020超过最大进程数，无法登录数据库，无法分析数据库当前的状况。

于是分析哪个应用服务器连接这套数据库，是不是由于应用问题造成的。

找到连接数最多的那个ip上的应用，与相关业务人员确认，可以封堵其连接数据库的端口，减少数据库的外部连接。可是把这个ip禁掉之后，别的ip连接数又涨上来了。开始想到，是不是由于数据库的问题导致应用处理慢，进而导致连接数过多呢。现在无法登录数据库也无法进行验证。

与业务部门沟通是否可以尝试kill部分会话，让DBA可以连接到数据库后台，进行一些管理操作，和性能分析。得到业务部分同事的肯定答复之后，kill了部分LOCAL=NO的会话。以sysdba登录数据库后台，执行性能分析语句，刚查完session的等待事件，查第二个sql的时候，sql执行卡住了。从新的窗口登录数据库依然报ORA-00020。这里进一步确定了是由于数据库的性能问题导致了ogg及应用的问题。

数据库都HANG住了，如何分析呢？

想到了以前看别人分享的一个hanganalyze在数据库HANG住时可以用于分析HANG的原因，于是找到命令ORADEBUG hanganalyze 3。分析trace文件，看到hang chain如下图

再往下看，SMON进程在等待parallel recovery coord wait for reply，等待时间已经有289min，正是故障出现到hanganalyze的时间，而且他阻塞了1465个session。

从trace中看到等待事件为parallel recover coord wait for reply 、gc domain validation。没见过这个等待事件，于是查询MOS，关于这两个等待事件的文档不是很多，找到一篇

不知是否触发了ORACLE的BUG。

由于时间紧迫，只能选择把节点1的数据库实例进行重启，重启后数据库恢复正常。

事后找大神帮忙分析原因，看SMON进程的trace信息

发现正在做并行恢复，查看OSW中的SMON进程监控，没有发现性能问题。

查看到有大量的p00xx的进程，说明是在并行进行恢复，也没有看出有什么问题。

大神建议使用TFA查看日志进行详细，结果没有时间分析就给搁置了。

总结故障就是：节点2宕机，节点1要接管节点2的数据，结果节点1也因为接管HANG住了。

转载于:https://blog.51cto.com/hbxztc/2315536

Oracle RAC一节点宕机导致另一节点HANG的问题分析相关推荐

oracle双机切换无法挂载,Linux下Oracle RAC一个节点宕机导致共享存储无法挂载的故障排除...
环境:两台HP ML570 Linux AS4.5 Oracle 10g两台Server做了Oracle的RAC,通过SAN Switch连接到HP MSA1000故障现象:因为其中一个Ora 环境: ...
zookeeper模拟监控服务节点宕机
2019独角兽企业重金招聘Python工程师标准>>> zookeeper模拟监控服务节点宕机 /*** 模拟监控服务节点宕机* 思路:* 节点上线的时候,往/watch下创建一个节 ...
clickhouse高可用-节点宕机数据一致性方案-热扩容
clickhouse高可用-节点宕机数据一致性方案-热扩容 1. 集群节点及服务分配说明: 1.1. 在每个节点上启动两个clickhouse服务(后面会详细介绍如何操作这一步),一个数据分片,一个 ...
oracle重启root,案例:Oracle报错ORA-15025 ORA-27041 root用户操作rac导致节点宕机
天萃荷净运维DBA反映Oracle RAC环境中节点宕机,alert发现报错ORA-15025 ORA-27041,分析原因为使用root用户操作rac导致节点宕机接到同事请求,说客户的linux ...
oracle rodm包,由重启引起的Oracle RAC节点宕机分析及追根溯源
作者介绍裴征峰,现就职于北京海天起点,二线专家成员,南京办事处负责人,OCP 10g.OCP 11g.OCM11g.超八年Oracle服务经验,擅长数据库故障诊断和性能调优.目前主要从事客户的现场维 ...
oracle 监听宕机,由重启引起的Oracle RAC节点宕机分析及追根溯源
作者介绍裴征峰,现就职于北京海天起点,二线专家成员,南京办事处负责人,OCP 10g.OCP 11g.OCM11g.超八年Oracle服务经验,擅长数据库故障诊断和性能调优.目前主要从事客户的现场维 ...
oracle19c集群重启,由重启引起的Oracle RAC节点宕机分析及追根溯源
原标题:由重启引起的Oracle RAC节点宕机分析及追根溯源作者介绍裴征峰,现就职于北京海天起点,二线专家成员,南京办事处负责人,OCP 10g.OCP 11g.OCM11g.超八年Oracle ...
oracle rac节点重启的原因,由重启引起的Oracle RAC节点宕机分析及追根溯源
作者介绍裴征峰,现就职于北京海天起点,二线专家成员,南京办事处负责人,OCP 10g.OCP 11g.OCM11g.超八年Oracle服务经验,擅长数据库故障诊断和性能调优.目前主要从事客户的现场维 ...
下载丨云和恩墨技术通讯：OCR无法正常读取导致节点宕机
墨墨导读:为了及时共享行业案例,通知共性问题,达成共享和提前预防,我们整理和编辑了<云和恩墨技术通讯>,通过对过去一段时间的知识回顾,故障归纳,以期提供有价值的信息供大家参考.同时,我们也 ...

Oracle RAC一节点宕机导致另一节点HANG的问题分析

Oracle RAC一节点宕机导致另一节点HANG的问题分析相关推荐

最新文章

热门文章