数据库hang故障分析

IT那活儿发布于2023-01-11 13:19 / 2720人阅读

数据库hang故障分析

点击上方“IT那活儿”公众号，关注后了解更多内容，不管IT什么活儿，干就完了！！！

一

故障简述

1.1 知识点描述

应用19.13PSU后，疑似触发数据库内存Bug 32940955以及BUG 33415279、BUG 33225584，导致数据库hang住。

1.2 问题处理简述

中午11:43收到告警，数据库节点1出现断连告警，立即登入系统进行检查，发现数据库整个hang住，两个节点实例均无法执行查询等操作。进一步检查数据库日志，发现频繁报ORA-04031错误。

为了快速恢复业务，尝试进行杀会话，情况没有明显好转，12点15分经客户同意后停掉节点1的实例，随后实例2恢复正常，并重新拉起节点1实例。

12：23左右，节点1再次出现严重性能问题，内存资源不足，alert日志出现IO ERROR：无法打开磁盘，导致无法进行IO读写，节点1发生实例重启，重启后，性能问题未解决。

再次经客户同意后，在12点33分对节点1实例进行停止，随后节点2恢复正常，在12:45尝试手动拉起节点1实例，所有节点均恢复正常状态。在13:26手动拉起节点1监听，至此所有节点均恢复正常访问。

二

标准指导操作

2.1 故障过程回溯分析

1）等待事件分析

事后回溯分析，发现节点1 在11:33左右突然出现大量library cache相关等待事件：

2）主机资源使用情况分析

查看osw，确认故障前主机资源正常。

3）应用会话连接分析及相关时间点的等待事件记录

11:33左右开始连到数据库的应用会话数明显突增：

查看等待事件发现主要是latch: shared pool等待事件：

4）后台日志记录分析

查看DB ALERT日志发现大量ORA-4031报错。

继续查看db alert日志发现11:43:33开始pmon进程获取latch一直失败，12:15:17由于pmon进程挂死导致实例宕掉。

5）Trace日志分析

查看pmon trace日志发现pmon一直在等待内存分配。

6）IO性能分析

检查12:23 alert日志出现IO ERROR：无法打开磁盘。

12点33分左右，有严重的IO性能问题，经分析为内存资源耗尽导致IO性能严重下降。

2.2 故障总结

查询资料文档发现，应用19.13PSU后，疑似触发数据库内存Bug 32940955以及BUG 33415279、BUG 33225584。

2.3 后续处理措施

1）打patch 32940955，让"so private sga"分布到各个Sub Pool里去。

2）打patch 33415279，避免"pga accounting"的内存泄漏。

3）patch 33225584，解决了共享池内存释放的调用kghfrunp时超过1秒的 latch: shared pool 等待的问题。

4）需设置如下2个隐含参数

"_dlm_stats_collect"=0 :关闭DLM Statistics Collection功能以减少KJSC rnb slots内存组件对shared pool空间的占用。
"_shared_pool_reserved_pct"=15 : 建议设置10%~15%之间,增大reserve pool的size,对于超过4.4KB的内存请求是有益处的。

本文作者：胡周盼（上海新炬王翦团队）

本文来源：“IT那活儿”公众号

海外云主机私有云故障分析服务器故障分析什么原因会导致云计算故障 hang

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/129263.html

阿里云出现大规模故障 “多云”部署或成趋势

摘要：昨天凌晨，阿里云出现大规模故障，导致部分互联网公司和运行不畅，甚至瘫痪。阿里云表示，针对此次故障，将根据协议，尽快处理赔偿事宜，但并未公开详细的赔偿细节。事实上，这并非阿里云首次出现故障。由此可见，阿里云此次宕机事件影响程度着实不小。昨天凌晨，阿里云出现大规模故障，导致部分互联网公司和App运行不畅，甚至瘫痪。一时之间，阿里云官微下几乎被反馈宕机问题的留言攻陷，有网友调侃称，程序员、运营和运...

xiaodao 2019-04-30 14:41 评论0 收藏0
阿里云宕机启示录：多云战略成趋势，云服务技术是决胜关键

摘要：对此，阿里云官方回应称，宕机原因为，华北地域可用区部分服务器等实例出现，后经紧急排查处理后逐步恢复。这也意味着，在未来的云服务竞争中，云服务供应商的技术能力仍将是决胜关键。在多云战略时代，带领企业走出恐慌区，扩大学习区是关键。随着上云企业的越来越多，云服务宕机带来了潜在风险也越来越大。昨天（3月3日）凌晨，没有任何征兆，阿里云出现大规模宕机故障，华北地区很多互联网公司都受波及，一大波...

Ilikewhite 2019-05-05 15:22 评论0 收藏0
ES6-Promise

摘要：方法没有设置返回值。解决思路是，当遇到任务的返回值是一个或者，并且有自己的方法的时候，就将它当做是一个对象处理，等这个对象中的方法处理到的时候，把作为参数输出传递给后续的任务。前段时间看到关于microTask的文章，《Tasks, microTasks, queues and schedules》，感觉有必要澄清一下。本篇里用setTimeout来实现的Promise，和浏览器原生...

dackel 2019-08-21 14:17 评论0 收藏0