HP小型機(jī)數(shù)據(jù)庫故障處理

引言：?jiǎn)挝?004年購置的HP小型機(jī)數(shù)據(jù)庫系統(tǒng)，操作系統(tǒng)為HP-UX，數(shù)據(jù)庫為Oracle 9i，分別由CDCZ和CDFS兩臺(tái)HP小型機(jī)和HP1000磁盤柜組成雙機(jī)共享磁盤柜系統(tǒng)。該系統(tǒng)承載著單位的三個(gè)核心業(yè)務(wù)系統(tǒng)。最近出現(xiàn)三個(gè)業(yè)務(wù)系統(tǒng)不能正常訪問故障。本文介紹故障處理過程。

單位有2004年購置的HP小型機(jī)數(shù)據(jù)庫系統(tǒng)，操作系統(tǒng)為HPUX，數(shù)據(jù)庫為Oracle 9i，分別由CDCZ和CDFS兩臺(tái)HP小型機(jī)和HP1000磁盤柜組成雙機(jī)共享磁盤柜系統(tǒng)。該系統(tǒng)承載著單位的三個(gè)核心業(yè)務(wù)系統(tǒng)。在12年的運(yùn)行過程中，基本沒有發(fā)生過問題。由于HP小型機(jī)系統(tǒng)對(duì)溫度的要求較高，溫度在30℃以上就會(huì)產(chǎn)生宕機(jī)，所以單位中心機(jī)房的運(yùn)行環(huán)境保障非常得力，環(huán)境溫度始終保持在20℃-25℃之間。

故障現(xiàn)象

三個(gè)業(yè)務(wù)系統(tǒng)均不能正常訪問，無法單獨(dú)連接業(yè)務(wù)系統(tǒng)的核心數(shù)據(jù)庫，確認(rèn)為核心數(shù)據(jù)庫問題。通過查看數(shù)據(jù)庫服務(wù)狀態(tài)，主機(jī)已經(jīng)無法正常顯示出數(shù)據(jù)庫狀態(tài)。

1.經(jīng)查看數(shù)據(jù)庫日志，發(fā)現(xiàn)CDCZ主機(jī)上數(shù)據(jù)庫alert_cdcz.log日志內(nèi)顯示，有錯(cuò)誤產(chǎn)生，根據(jù)日志查看錯(cuò)誤日志內(nèi)容，主要如下：

（1）oracle/9.2/rdbms/log/cdcz_ora_9286.trc：ORA-07445： 出 現(xiàn) 異 常：核心轉(zhuǎn)儲(chǔ) [kollalo()+208][SIGSEGV] [Invalid permissions for mapped object] [0x000000000] Tue Jul 26 09：25：32 2016 Errors in file

（2）/oracle/9.2/rdbms/log/cdcz_ora_25059.trc：ORA-04030： 在嘗試分配8528字 節(jié) (pga heap，ksm stack)時(shí)進(jìn)程內(nèi)存不足ORA-04030： 在嘗試分配32840 字節(jié) (pga heap，ksm stack) 時(shí)進(jìn)程內(nèi)存不足Tue Jul 26 10：57：31 2016 Errors in file /oracle/9.2/rdbms/log/cdcz_ora_26977.trc： ORA-04030： out of process memory when trying to allocate

（3）locat ASYNC_CONFIG配置錯(cuò)誤

2.通過top命令查看到系統(tǒng)內(nèi)存剩余為50MB左右，說明系統(tǒng)內(nèi)存消耗過高，對(duì)數(shù)據(jù)庫影響非常大。

3.通過swapinfo -atm命令查看到系統(tǒng)對(duì)虛擬內(nèi)存使用率非常高，導(dǎo)致數(shù)據(jù)庫對(duì)用戶的請(qǐng)求響應(yīng)變慢。

4.綜合以上信息并在Oracle官方網(wǎng)站查詢資料后初步判斷：

（1）ORA-07445錯(cuò)誤為Oracle數(shù)據(jù)庫軟件的Bug，需要通過對(duì)數(shù)據(jù)庫打補(bǔ)丁包來修正這個(gè)錯(cuò)誤，也可以找出誘發(fā)這個(gè)錯(cuò)誤的應(yīng)用語句，通過優(yōu)化語句避免觸發(fā)這個(gè)錯(cuò)誤的發(fā)生。

（2）ORA-04030錯(cuò) 誤，為CDCZ這臺(tái)主機(jī)內(nèi)核參數(shù)設(shè)置問題，可以通過調(diào)整內(nèi)核參數(shù)來修正這個(gè)錯(cuò)誤，主機(jī)一共有大約50項(xiàng)可調(diào)整參數(shù)，因?yàn)檫@個(gè)錯(cuò)誤不是時(shí)刻發(fā)生，經(jīng)過調(diào)整后的效果還需要觀察。ASYNC_CONFIG，也是由于這個(gè)錯(cuò)誤引起的。

故障處理及分析

CDCZ主機(jī)因?yàn)閿?shù)據(jù)庫已經(jīng)導(dǎo)致宕機(jī)，主機(jī)速度非常慢，故將這臺(tái)主機(jī)操作系統(tǒng)重新啟動(dòng)，啟動(dòng)后沒有加載數(shù)據(jù)庫，剩余內(nèi)存量為6.9GB。

CDFS主機(jī)也有部分內(nèi)存泄漏，故也將這臺(tái)主機(jī)重新啟動(dòng)，啟動(dòng)后剩余內(nèi)存6.9GB，啟動(dòng)數(shù)據(jù)庫后剩余內(nèi)存3GB。

使用命令：cmruncl -fv重新啟動(dòng)群集，數(shù)據(jù)庫正常啟動(dòng)，應(yīng)用恢復(fù)正常。

1.將兩臺(tái)數(shù)據(jù)庫主機(jī)重新啟動(dòng)后，加載Oracle數(shù)據(jù)庫服務(wù)，數(shù)據(jù)庫運(yùn)行正常，同時(shí)三個(gè)業(yè)務(wù)系統(tǒng)也恢復(fù)正常。

2.目前，Oracle數(shù)據(jù)庫服務(wù)加載在CDCZ主機(jī)上，數(shù)據(jù)庫啟動(dòng)完畢后剩余內(nèi)存為3GB左右，啟動(dòng)完畢等各項(xiàng)業(yè)務(wù)均連接至數(shù)據(jù)庫，內(nèi)存驟減至1GB左右，經(jīng)查為三個(gè)業(yè)務(wù)系統(tǒng)中的一個(gè)業(yè)務(wù)消耗了大量?jī)?nèi)存和連接。

圖1 系統(tǒng)在CDCZ上運(yùn)行狀態(tài)

圖2 將數(shù)據(jù)庫切換至主機(jī)CDFS上運(yùn)行狀況

3.本次調(diào)整了CDCZ主機(jī)上部分內(nèi)核參數(shù)，調(diào)整后的效果還需要進(jìn)一步的觀察，因?yàn)橐饠?shù)據(jù)庫宕機(jī)故障不是非常頻繁的發(fā)生，所以觀察需要一定的時(shí)間。同時(shí)根據(jù)故障現(xiàn)象，小型機(jī)內(nèi)存運(yùn)行已嚴(yán)重不足，計(jì)劃在一個(gè)月內(nèi)將小型機(jī)主機(jī)內(nèi)存擴(kuò)充至16GB。

4.目前系統(tǒng)運(yùn)行在CDCZ上，運(yùn)行的狀態(tài)如圖1所示。

通過上面運(yùn)行狀態(tài)記錄可以看到，目前這個(gè)PKG1顯示enabled是允許切換的。如果發(fā)生切換，會(huì)將數(shù)據(jù)庫切換至主機(jī)CDFS上運(yùn)行，狀態(tài)如圖2所示。

通過上面運(yùn)行狀態(tài)記錄可以看到，這個(gè)時(shí)候PKG1顯示disabled是不允許切換的，需要手動(dòng)將這個(gè)模式更改過來。操作如下：

（1）以root用戶登錄到數(shù)據(jù)庫運(yùn)行的主機(jī)上。

（2） 用 cmviewcl命令查看群集運(yùn)行狀態(tài)，如果AUTO_RUN狀態(tài)為disabled則鍵入命令：cmmodpkg e pkg1

（3）再次通過命令cmviewcl查 看AUTO_RUN狀態(tài)，確認(rèn)狀態(tài)為enabled。

至此，整個(gè)小型機(jī)雙機(jī)及數(shù)據(jù)庫系統(tǒng)故障分析處理完畢。

經(jīng)驗(yàn)總結(jié)

對(duì)于老的HP小型機(jī)數(shù)據(jù)庫系統(tǒng)，由于購置的年代為2004年，受當(dāng)時(shí)技術(shù)參數(shù)配置較低限制，尤其是內(nèi)存，所以我們?cè)谠撓到y(tǒng)運(yùn)行了一定的時(shí)間后，必須進(jìn)行定期的技術(shù)維護(hù)和巡檢處理，以便及時(shí)處理CPU、內(nèi)存運(yùn)行在飽和狀態(tài)故障，以及清理小型機(jī)系統(tǒng)和數(shù)據(jù)庫日志等具體工作。必要時(shí)，需要增加設(shè)備的技術(shù)參數(shù)，如擴(kuò)充內(nèi)存等，熟練運(yùn)用HP小型機(jī)的命令去查看運(yùn)行狀態(tài)、配置小型機(jī)的雙機(jī)數(shù)據(jù)庫系統(tǒng)以及處理故障。