应用环境描述

一、硬件

1、服务器：2台dell

r610—16G内存、2颗6核xeon cpu、2个146G sas盘，做了raid1

2、存储：dell

MD3220 24个300G硬盘

3、存储连接：6GB

HBA卡，2个通道都连线了

二、软件

1、系统：64位centos

5.5

2、系统内核版本：Linux

rac1 2.6.18-194.el5 #1 SMP Fri Apr 2 14:58:14 EDT 2010 x86_64

x86_64 x86_64 GNU/Linux

3、asm软件:oracleasm-2.6.18-194.el5-2.0.5-1.el5.x86_64.rpm、oracleasm-support-2.1.7-1.el5.x86_64.rpm、oracleasmlib-2.0.4-1.el5.x86_64.rpm

4、数据库软件：linux.x64_11gR2_database_1of2.zip、linux.x64_11gR2_database_2of2.zip

5、集群软件：linux.x64_11gR2_grid.zip

故障描述

一、故障前的情况：

1、集群实例正常运行

2、asm能用asmcmd查看目录和文件

3、数据库实例正常

4、监听器正常

5、客户端远程连接正常

6、多路径访问正常

7、/dev/oracleasm/disks目录的下的文件全部存在

二、故障的起因：

1、打算模拟服务器失效

2、直接重启两个服务器

init 6

三、故障现象：

1、两个服务器的asm实例都没有启动成功

2、两个服务器的oracle实例都没有启动成功

3、Crs等进程启动几个，但基本上不能正常工作

4、手动启动crs，失败

5、以grid用户手动连接实例，强制启动，失败

故障基本原因判断

数据库数据文件、集群软件所需的ocr文件都存储在asm设定的共享存储中，由于集群软件(包括asm实例)启动失败而最终也导致数据库实例启动失败。

处理过程

一、定位故障点：

1、查看系统进程，发现ASM进程没有起来。但有少许grid相关的进程，如下图所示：

2、手动执行/u01/app/grid/bin/crsctl

start crs 失败

3、查看设备文件目录/dev/mapper,发现共享存储的分区全部存在

[root@rac2

~]# ll

/dev/mapper/

total 0

crw------- 1 root

root 10, 63 Jul 24 00:00 control

brw-rw---- 1 root disk

253, 0 Jul 24 00:01 mpath13

brw-rw---- 1 root disk 253,

10 Jul 24 00:01 mpath13p1

brw-rw---- 1 root disk 253,

11 Jul 24 00:01 mpath13p2

brw-rw---- 1 root disk 253,

12 Jul 24 00:01 mpath13p3

brw-rw---- 1 root disk 253,

13 Jul 24 00:01 mpath13p5

brw-rw---- 1 root disk 253,

14 Jul 24 00:01 mpath13p6

brw-rw---- 1 root disk 253,

15 Jul 24 00:01 mpath13p7

brw-rw---- 1 root disk 253,

16 Jul 24 00:01 mpath13p8

brw-rw---- 1 root disk

253, 1 Jul 24 00:01 mpath14

brw-rw---- 1 root disk

253, 3 Jul 24 00:01 mpath14p1

brw-rw---- 1 root disk

253, 4 Jul 24 00:01 mpath14p2

brw-rw---- 1 root disk

253, 5 Jul 24 00:01 mpath14p3

brw-rw---- 1 root disk

253, 6 Jul 24 00:01 mpath14p5

brw-rw---- 1 root disk

253, 7 Jul 24 00:01 mpath14p6

brw-rw---- 1 root disk

253, 8 Jul 24 00:01 mpath14p7

brw-rw---- 1 root disk

253, 9 Jul 24 00:01 mpath14p8

brw-rw---- 1 root disk

253, 2 Jul 24 00:01 mpath15

4、初步怀疑是asm磁盘组出故障了，于是执行

oracleasm listdisks，发现输出只有一行，可实际上是10多行的。

[root@rac2 ~]#oracleasm

listdisks

DATA06

5、执行oracleasm

scandisks扫描，再次查看输出磁盘，还是只有一个。查了网上的资料，也有这种情况，别人的经验是多执行几次asm磁盘扫描就出来了，但对我这个情况无效。

6、当我们初始化创建asm磁盘组时，使用命令

oracleasm createdisk OCR1 /dev/mapper/mpath14p1

执行成功后，将在目录/dev/oracleasm/disks目录生成OCR1这个文件，文件名就是asm的磁盘名；创建多少asm磁盘，就会有多少同名文件。进入目录/dev/oracleasm/disks，查看一下，只剩下一个块设备文件DATA06,其余的全部不见了。

[root@rac2

~]# ll

/dev/oracleasm/disks/

total 0

brw-rw---- 1 grid asmadmin

8, 22 Jul 24 00:01 DATA06

与oracleasm listdisks

输出的结果完全一致，由此可知asm磁盘组与操作系统这个目录有直接的关联。这几者的关系可以如下图标识：

现在要做的事情是能不能恢复余下的磁盘文件。

二、处理方法

1、先上网搜索一下吧，搜出来不少，都是建议用dd清理磁盘，然后再用oracleasm

createdisk 重新创建磁盘组。但我担心这样做，asm磁盘里面的数据会全部丢失，没敢这样尝试。

2、打电话问我原来的同事，他现在转行做dba了。他告诉我，看看是不是设备文件的权限问题，我到服务器上去查看，发现一个机器的/dev/mapper/mpath* 的属主是

root:disk,而另一个服务器相应的目录属主却是grid:oinstall。按照他的建议，我在文件/etc/rc.local写入了行“chown

–R

grid:oinstall”，然后重启系统，查看目录确实属主按我的意愿变成grid：root，但asm磁盘仍然不能识别，看来问题不在这里。

3、在多个qq群发送消息，有说权限问题的，也有建议oracleasm scandisk

的。还有的人认为oracleasm服务没有运行起来。还有的人说是裸设备权限问题，我可是没有使用裸设备啊，打开文件/etc/sysconfig/rawdevices,没有任何生效的文本行(全部被注释上了)，这应诊了没有使用裸设备。

搞了好几天，没得进展。一天睡在床上，有想起这个问题，既然/dev/oracleasm/disks有DATA06这个文件，能不能手工创建一些呢(即丢失的那些文件)，于是又爬起来。但当我手动执行touch

/dev/oracleasm/disks/DATA08时，提示没有权限。看来，只能用mknod之类的命令才可以在这个目录创建文件。

念头一转，又想：既然DATA06这个文件存在，可能会在某些文件中有记录吧？执行grep

DATA06 /etc -r 全路径搜索，还真搜到一个文件

/etc/blkid/blkid.tab,这个文件的如下：

[root@rac1

~]# more

/etc/blkid/blkid.tab

b016-5190e1a7bcc6"

TYPE="ext3" SEC_TYPE="ext2">/dev/sda7

a256-b9bc84c07b75"

TYPE="ext3" SEC_TYPE="ext2">/dev/sda6

9095-955122dc5ff1"

TYPE="ext3" SEC_TYPE="ext2">/dev/sda5

93ff-f442c99f6dcf"

TYPE="ext3" SEC_TYPE="ext2">/dev/sda3

/dev/sda2

8-ff9e007602fd" TYPE="ext3"

SEC_TYPE="ext2">/dev/sda1

/u01/swapfile

/dev/ma

pper/mpath14p8

/dev/mapper/m

path15p8

LABEL="DATA06"

TYPE="oracleasm">/dev/ma

pper/mpath14p6

/dev/mapper/m

path14p5

/dev/mapper/m

path15p5

/dev/mapper/m

path14p3

/dev/mapper/m

path15p3

/dev/mapper/m

path14p2

/dev/mapper/m

path15p2

/dev/mapp

er/mpath14p1

/dev/mapp

er/mpath15p1

/dev/sdb1

/dev/sdb2

vice>

/dev/sdb3

vice>

/dev/sdb5

vice>

LABEL="DATA06" TYPE="oracleasm">/dev/sd

b6

/dev/sd

b8

/dev/sdc1

/dev/sdc2

vice>

/dev/sdc3

vice>

/dev/sdc5

vice>

/dev/sdc8

vice>

/dev/sde1

/dev/sde2

vice>

/dev/sde3

vice>

/dev/sde5

vice>

LABEL="DATA06" TYPE="oracleasm">/dev/sd

e6

/dev/sd

e8

/dev/sdf1

/dev/sdf2

vice>

/dev/sdf3

vice>

/dev/sdf5

vice>

/dev/sdf8

vice>

从输出能看出一些端倪，凡是label为空的，就是asm磁盘丢失的。照这个思路，我手动在这个文件改了对应的3行，使其label=“DATA08”。DATA08是当时用oracleasm createdisk创建出来，预留下来的。因为没有数据存在这个DATA08磁盘，所以就是破坏了，也无关紧要。接着执行oracleasm

scandisks ; 再 oracleasm listdisks

还是没有任何变化，看来这招也不灵。最后重启系统，看是否有效，还是一样。后来才知，/etc/blkid/blkid.tab文件的内容是运行blkid后从系统目录/dev下读入数据再自动生成的。

难道只得重新推到再来一次？不甘心啊！倒不是怕数据丢失，而是担心下次这个问题再次发生。

再准备推到重来之前，我再来试试创建一个asm磁盘。还是拿没有使用的/dev/mapper/mpath14p8分区来做，反正做坏了，也没什么影响。当执行oracleasm

createdisk DATA08 /dev/mapper/mpath14p8,没有成功，其输出为：

Device

"/dev/mapper/mpath14p8" is already labeled for ASM disk“”

这个输出给我很好的提示，它说明了asm

磁盘标签是存在的，但其值为空(它本来的值应该是DATA08)。于是我就思量，能不能强制把它由空值改成原来的值呢？

不知道怎么改oracle

asm磁盘标签，不过这难不倒咱。打开文件

/etc/init.d/oracleasm瞧瞧，乖乖，找到了呢.看下面一段函数：

force_relabel_disk()

{

OLD="$1"

NEW="$2"

echo -n "Renaming disk \"${OLD}\" to \"${NEW}\": "

"${ORACLEASM}"

renamedisk -f -v -l "${ORACLE_ASMMANAGER}" "${OLD}"

\

"$2" 1>>/var/log/oracleasm 2>&1

if_fail "$?" "Unable to rename disk \"${OLD}\" see

/var/log/oracleasm"

}

红色字体这行，就是强制性改asm磁盘标签的语法。迫不及待，马上执行 oracleasm

renamedisk -f /dev/mapper/mpath14p8 DATA08

，很顺利进行下去了。现在切换到目录/dev/oracleasm/disks，设备文件DATA08出现了，心里一阵狂写啊！在另一个主机上执行oracleasm

scandisk ,接着执行oracleasm listdisks

，看见DATA08闪耀登场。由此可以预计，只要按以前的标签名，把对应的asm磁盘强制改名，就应该可以恢复。

先不急于把所有的asm磁盘标签恢复，从ocr所在的磁盘标签做起。本案的ocr用了两个asm

磁盘，其名称为OCR1、OCR2(幸亏以前安装rac的时候，做了屏幕录像)，执行下面两条命令：

oracleasm renamedisk -f

/dev/mapper/mpath14p1 OCR1

oracleasm renamedisk -f

/dev/mapper/mpath15p1 OCR2

成功执行后，用oracleasm

scandisks扫描，检查目录/dev/oracleasm/disks,文件OCR1、ORC2都存在了；检查 oracleasm

listdisks的输出，确实有OCR1和OCR2.

Ocr恢复了，可以试着启动crs.以root命令执行

crsctl start crs ,回车后，系统一阵沉默，上个厕所回来，执行完毕返回shell提示符下。赶紧ps auxww|grep

–I asm查看进程，asm实例确实起来了.切换到grid用户，执行asmcd，顺利进入交互模式，ASMCMD>ls

输出为：

ASMCMD>ls

DGCRS/

注：DGCRS是由OCR1、OCR2两者合并而成。

再另一个服务器上，启动crs，asm实例正常运行起来了。

现在，可以放心的强制更改余下的asm标签，完毕后目录的文件日下：

[root@rac1

dev]# ll

/dev/oracleasm/disks

total 0

brw-rw---- 1 grid

oinstall8, 18 Jul 26 17:05 DATA02

brw-rw---- 1 grid

oinstall8, 19 Jul 26 17:05 DATA03

brw-rw---- 1 grid

oinstall8, 21 Jul 26 17:05 DATA05

brw-rw---- 1 grid

oinstall8, 22 Jul 24 22:31 DATA06

brw-rw---- 1 grid

oinstall8, 24 Jul 26 17:05 DATA08

brw-rw---- 1 grid

oinstall8, 34 Jul 26 17:05 DATA12

brw-rw---- 1 grid

oinstall8, 35 Jul 26 17:05 DATA13

brw-rw---- 1 grid

oinstall8, 37 Jul 26 17:05 DATA15

brw-rw---- 1 grid oinstall

253, 14 Jul 24 22:41 DATA16

brw-rw---- 1 grid

oinstall8, 40 Jul 26 17:00 DATA18

brw-rw---- 1 grid

oinstall8, 17 Jul 26 17:05 OCR1

brw-rw---- 1 grid

oinstall8, 33 Jul 24 22:32 OCR2

确认无误后，联系相关人员告知要启动数据库了。再次检查ORACLE_SID、asm磁盘标签等，深呼吸一下，缓慢地输入/u01/app/grid/bin/srvctl

start database -d DD4QIGOU

回车，起身离座喝口统一鲜橙多(估计有塑化剂)。估计数据库启得差不多了，回坐查看，oracle实例全部正常起来。不过有一点意外，就是服务器交换了各自的实例(rac1运行的实例是db4qigou_2、而rac2运行的实例是db4qigou_1)；这不要紧，关闭各种的实例，在rac1上执行$srvctl

start instance -d DB4QIGOU -i DB4QIGOU_1 -n rac1 ，rac2上执行srvctl

start instance -d DB4QIGOU -i DB4QIGOU_2 -n rac2就扳过来了。

补充：oracle官方站点有建议修改

/etc/sysconfig/oracleasm文件的扫描顺序，但在本例无效。

源地址：http://sery.blog.51cto.com/10037/624008