实例宕机引发的ORA-00240错误
事故第二天进行了数据库的alert log分析,从日志中可以看到数据库在实例NODE2发生宕机后,RAC已经做出了实例切换步骤,但在切换的
1.环境描述
OS:AIX6.1
Oracle :11.2.0.3.0 RAC
2.事故发生
数据库NODE 2所在小型机发生宕机事故,,本应正常切换至NODE1,但切换失败,重启系统得以解决。
3.事故分析
事故第二天进行了数据库的alert log分析,从日志中可以看到数据库在实例NODE2发生宕机后,RAC已经做出了实例切换步骤,但在切换的过程中遭遇了ORA-00240、ORA-29770错误,导致当时数据库没有切换成功。下面是日志的详细分析。
数据库在当时经历了大致以下几个重要步骤:
1. Beginning instance recovery of 1 threads
数据库开始在本地恢复宕机的实例
2. Started redo application at
Thread 2: logseq 4556, block 368380
数据库开始从在线redo日志序号为4556的日志恢复
3. Completed instance recovery at
Thread 2: logseq 4556, block 376983, scn 3502123313
数据库redo日志4556已经恢复成功。
4. Redo thread 2 internally disabled at seq 4557 (SMON)
当数据库准备恢复4557的日志时,遭遇失败。
5 ORA-00240: control file enqueue held for more than 120 seconds
日志中开始出现ora-00240错误,提示控制文件被持有超过120秒。
6 ORA-29770: global enqueue process DIA0 (OSID 12517556) is hung for more than 300 seconds
Incident details in:
紧接着出现ora29770错误,数据库进程DIA0 hung住超过5分钟。
在当天实例宕机的20分钟左右时间内,当时系统的监控等脚本均无法执行,分析Oracle awr报告得知在当天宕机的时间内,未宕机的NODE1系统CPU资源几乎耗尽。
经过分析与推测,DIA0进程的主要作用是处理数据库死锁、hung住的一个进程,日志中的现象应该是这个进程发现控制文件被持有超过120秒,属于错误行为,进程开始处理这一问题,但当时系统cpu资源耗尽,进程DIA0解决故障超过5分钟,导致出现了ora-29770错误。
所以认定这次实例切换失败的主要原因在于ORA-00240错误。根据日志中给出的trace文件,查看trace文件中的具体报错原因。
从trace日志中分析得知,当时控制文件被持有超过120秒的主要原因是KSV master wait等待,KSV master wait耗费了2分03秒。
4.事故分析结论
根据以上现象及日志体现,从oracle官方metalink中查找资料得知这是一个bug [BUG ID 1308282.1]
下面是官方metalink文档中关于这个bug的解释:
High 'ksv master wait' And 'ASM File Metadata Operation' Waits In Non-Exadata 11g
Symptoms
High waits for 'ksv master wait' while doing an ASM file metadata operation were reported when a data migration utility was running. This wait was also seen for a drop of a tablespace.
The AWR showed the top events were CPU (> 100%), with 'ASM file metadata operation' (7%).
Cause
Event 'KSV master wait' indicates the process on the RDBMS side is waiting for a reply from a process on the ASM side. In 11g, the parameter cell_offload_processing is set to TRUE. Although that is a parameter is not applicable for non-Exadata databases, it caused ASM to try to deliver smart-scan results. The issue was reported in Bug 11800170 - ASM IN KSV WAIT AFTER APPLICATION OF 11.2.0.2 GRID PSU.
After applying the workaround for this issue (see Solution below), a drop of a tablespace that used to take 13 minutes took 4 seconds.
Solution
The following solutions are available for non-Exadata databases:
For the quickest solution, use the workaround. The workaround does not negatively impact non-Exadata databases. This parameter is to be set on the database instance.
alter system set cell_offload_processing = false;
Upgrade to 12.1, when available. OR
Apply the 11.2.0.3 patch set OR
Apply one-off Patch 11800170, if available for your RDBMS and Grid Homes
Note: At the time this note was written (March 2011), neither 12.1 nor 11.2.0.3 were available.
官方文档中给出的最快解决方式是修改oracle中的一个参数cell_offload_processing,修改为false。
推荐阅读
-
mysql存储过程之引发存储过程中的错误条件(SIGNAL和RESIGNAL语句)实例分析
-
一条错误短信引发的601个电话
-
在与 SQL Server 建立连接时出现与网络相关的或特定于实例的错误。未找到或无法访问服务器
-
SQL数据库实例名称找不到或远程连接失败并显示错误error40的原因及解决办法
-
解决ASP.NET创建的线程的用户改变引发的拒绝访问错误
-
ubuontu16.04安装Opencv库引发的find_package()错误信息处理及其简单使用
-
Android sqlite syntax error 引发的错误以及思考
-
centos6.3宕机后引发的jdk1.6及文件损坏问题 jenkins字体maven宕机jdk1.7
-
大量close_wait以及调用ip地址错误获取方法引发的故障
-
大量close_wait以及调用ip地址错误获取方法引发的故障