墨菲定律:一个参数Drop_caches导致集群数据库实例崩溃
李真旭@killdb
Oracle ACE,云和恩墨技术专家
个人博客:www.killdb.com
在墨菲定律里,我们知道,有可能发生的故障就一定会发生,哪怕需要诸多因素的叠加才可能满足那复杂的先决条件。在以下案例中,我们抽丝剥茧,细致入微的追溯最终确定了导致数据库RAC实例崩溃的微小原因。
这是一个真实的客户案例,可以概括为一条参数引发的血案。现象大致是某天凌晨某 RAC 节点实例被重启了,通过如下是 alert log 我们可以发现 RAC 集群的节点2实例被强行终止掉了,如下是详细的告警日志信息:
从上面的日志来看,在2:03分就开始报错 ORA-00600,一直持续到2:39分,lmd0 进程开始报同样的错误;然后接着 LMD0 进程强行把数据库实例终止掉了。。直接搜索 Oracle MOS,看上去有点类似这个 bug,不过很容易就可以排除。
Bug 14193240 : LMS SIGNALED ORA-600[KGHLKREM1] DURING BEEHIVE LOAD
从日志看,2:03分就开始报错,然而直到 lmd0 报错时,实例才被终止掉,也就是说 lmd0 报错才是问题的关键。那么我们首先来分析下 lmd0 进程的 trace 文件内容,如下所示:
从上面的信息来看,确实是内存 heap 存在错误的情况。根据 Oracle MOS 文档:
ORA-600 [KGHLKREM1] On Linux Using Parameter drop_cache On hugepages Configuration (1070812.1) 的描述来看,此次故障跟文档描述基本上一致,如下:
其中地址 [0x679000020] 后面的内容也均为0,跟文档描述一样,其次,文章中提到使用了linux 内存释放机制以及同时启用了hugepage配置。
根据文档描述,这应该是 Linux bug。通过检查对比2个节点配置,发现节点2的配置确实不同:
当 drop_caches 设置为3,会触发 linux 的内存清理回收机制,可能出现内存错误的情况;然而我们检查配置发现并没有修改:
因此,我认为是之前人为进行了 echo 3 /proc/sys/vm/drop_caches 操作来强制释放内存导致。 通过分析发现只能查看到最近几分钟的操作记录,如下:
看操作记录确实发现了操作,那么同时检查操作系统日志也发现了一些蛛丝马迹,如下:
BUG: soft lockup - CPU#1 stuck for 10s! [rel_mem.sh:13887
可以看到也确实出现了 drop_cache 的相关操作。大家注意看上面红色的地方,提到了是执行了一个 shell 脚本,然后还导致一共 cpu stuck 了,而且也能看出该脚本是在执行回收 cache 的动作。
我坚持认为客户环境上肯定进行了强制的内存回收,但是客户说他们没有进行任何人为操作,不过经过我检查发现确实有一个 crontab 脚本。
那么为什么主机上会部署这样的脚本呢? 我猜想肯定是操作系统的内存使用率看起来很高,通过检查发现确实如此:
我们可以看到128G的物理内存,cache 就占据了 88G 的样子目前。linux 文件系统的 cache 分为2种:page cache 和 buffer cache, page cache 是用于文件,inode 等操作的 cache,而 buffer cache 是用于块设备的操作。从上面的数据来看,我们所看到的 free -m 命令中的 cached 88552 全是 page cache。而实际上该数据库实例的内存分配一共也就40G,且使用的是 linux raw。
我们可以看到,整个主机物理内存为128G,而 Oracle SGA+pga 才40g,另外将近 90G 的内存都是 fs cache 所消耗。完全可以调整 linux 的参数去释放 cache,而不需要使用 echo 这种比较暴力的方式;根据 Oracle mos 的几个文档的描述,推荐设置如下几个参数:
sysctl -w vm.min_free_kbytes=4096000
sysctl -w vm.vfs_cache_pressure=200
sysctl -w vm.swappiness=40 (老版本的 linux 是设置 vm.pagecache 参数)
关于 linux cache 的一些知识请参考:
http://www.ibm.com/developerworks/cn/linux/l-cache/
File System’s Buffer Cache versus Direct I/O (文档 ID 462072.1)
本文出自数据和云公众号,原文链接
从本地分离的数据库文件放到远程服务器上,附加数据库出现数据库为(只读情况) 阅读了以下两篇文章: 第一篇:http://blog.csdn.net/love_zt_love/article/details/7861334 啰嗦的话就不多说了,直入主题吧! 碰到这中情况一般是使用的sa账户登录的,只要改为Windows身份验证,再附加数据库即可搞定。
相关文章
- Python回调函数用法实例
- ExtJs常用布局--layout详解(含实例)
- Android实例-获取屏幕的物理分辨率
- java面向对象高级分层实例_数据库操作类
- java面向对象高级分层实例_数据库操作类
- java面向对象高级分层实例_实体类
- RMAN还原32位数据库到64位实例的错误处理
- Windows WMIC命令使用详解(附实例)
- 一台MySQL数据库启动多个实例
- 用好阿里云分析型数据库大存储实例,大幅降低大数据应用成本
- [Android] IntentService使用详解和实例介绍
- python代码示例:类属性 实例属性 类方法 实例方法 静态方法
- 使用Eclipse连接SAP云平台上的HANA数据库实例
- HttpGet设置网络代理的实例代码
- Atitit ACID解决方案2PC(两阶段提交) 跨越多个数据库实例的ACID保证
- Atitit ACID解决方案2PC(两阶段提交) 跨越多个数据库实例的ACID保证
- 很实用Python爬虫入门实例,建议收藏!!
- Java类加载及创建实例(new)顺序
- 《实例化需求:团队如何交付正确的软件》阅读笔记3
- 实例详解C++程序的五大内存分区
- JDBC选择数据库实例
- JDBC删除数据库实例
- OpenCV实例(六)行人检测
- 第一章: Instance (实例)和DB(数据库)
- 04电商实例数据库结构设计