故障分析:内核参数设置不当导致数据库异常重启

2017年Gdevops全球敏捷运维峰会-成都站(限时优惠),运维派作为本次峰会协办方,您可以点击这里了解详情

编辑手记:数据库中每一个不起眼的参数,都有其内部的原理,不可随意更改。今天分享一则因内核参数SEMOPM设置太小,加上在业务高并发时段LGWR写入太慢,系统调用失败,最终数据库异常宕机的案例。

故障现象

数据库CRASH,在CRASH前,ALERT中显示如下的日志内容

故障分析

我们看到中间有27300和27301的错误。

27300:OSsystemdependentoperation:stringfailedwithstatus:string,操作系统调用失败。

原因分析

1、后台日志分析

在某天08:59:34.664000+08:00开始,出现大量下面日志信息:

内核参数

此错误是前台进程等待LGWR返回结果,但是LGWR一直没有返回,前台进程认为LGWR出现致命的错误。

在随后出现下面的日志信息:

数据库

这里显示LGWR进程在POSTPROCESS时,调用semop进程出现状态7的错误,文字描述是Argumentlisttoolong,对应的变量是E2BIG。

错误函数变量定义,manerrno:

E2BIGArgumentlisttoolong(POSIX.1)

semop错误说明

E2BIGTheargumentnsopsisgreaterthanSEMOPM,themaximumnumberofoperationsallowedpersystemcall.

说明进程在systemcall时,如果nsops的值大于系统配置的SEMOPM时就会报E2BIG错误。

2、主机参数配置

查看系统参数配置

主机参数配置

这里看到SEMOPM的值为100,在ORA-27303报错时,显示值112,大于系统配置的100的,所以LGWR一次SYSTEMCALL不能POST所有前台进程,部分前台进程认为LGWR进程出现致命错误,最后导致数据库自动重启。

3、分析SEMOPM为112原因

查询ASH数据

由于ASH最近1小时的数据都是存放在内存中,数据库CRASH时,并没有将内存中的数据写入数据文件中,所以这里不能从ASH中查询到任何的信息

查看操作系统LGWR,DIAG日志

主机上面无重启前的LGWR,DIAG日志信息。

最近数据库性能趋势

该数据库从故障前十天左右号某业务上线后,数据库每秒的REDO达到20~40M,物理IO也读达到200M/S以上,写达到100M/S,网络流量达到60M/S,IO延迟与网络延迟都很严重,所以怀疑是在高并发情况下,导致数据库日志写入慢,大量前台进程(报错时112)等待LGWR的POST信息,超过内核参数配置的100值。

处理建议

修改主机kernel.sem的值,建议修改成跟模板数据库一致,修改此参数需要重启数据库。

后续工作

1、优化该数据库的SQL,减少物理读,出账结束后就开始收集优化信息。

2、增加主机CPU资源,修改网络绑定的方式,减少网卡软中断的次数与包重传的次数。

3、考虑重启主机。

4、继续跟开发一起分析业务,查询为什么业务执行次数与AWR中SQL统计的次数差异很大,找到日志量变换的原因。

5、更换更好的存储,提高IO性能。

文章出处:Oracle订阅号

网友评论comments

发表评论

电子邮件地址不会被公开。 必填项已用*标注

暂无评论

Copyright © 2012-2017 YUNWEIPAI.COM - 运维派 - 粤ICP备14090526号-3
扫二维码
扫二维码
返回顶部