ORACLE强大的令人发指
DBA數據庫管理必備認證『ORACLE』 OCP 19C課程介紹
?https://mp.weixin.qq.com/s/wR5iABDkxXglUm2Q8soZzAhttp://VIP試聽視頻-19C安裝教程
作為一名混跡數據庫江湖十幾年的老 DBA，當你對關系型數據庫的了解越來越深入時，你會發現，Oracle 數據庫真的是強大到令人發紫！
Oracle 數據庫的強大，不僅體現在其對 ACID 的巧妙實現，其對高并發的完美支持，更重要的是他的可管理性，包括可度量、可回溯，以及出現問題后的問題核查接口和問題檢查方法論，真是強大到令人發紫, 這是其他關系型數據庫短期內還無法超越的。
問題來了！！！！
電話響了，是某銀行一位熟悉的資深 DBA 的來電。
“在嗎？現在應用連接數據庫會 hang 住，sysdba 登陸也會 hang 住，無報錯，該如何處理？”
沒有往日的寒暄和客套，直入主題！
人的聲音是有表情的，從電話那頭急促的語氣，不難判斷，客戶很著急。
可能有些朋友不清楚數據庫登錄 hang 住是怎樣的一種現象，下圖可以腦補一下：
?
編輯切換為居中
添加圖片注釋，不超過 140 字（可選）
也就是說，正常的登錄是可以快速看到 “SQL>” 這樣的提示符的，但出現異常時，就會長時間等不到 “SQL>” 這樣的提示符, 這就是所謂的登錄數據庫會 hang 住?？吹竭@里，有些朋友開始激動了，要猜一下原因，試一下身手！
1）是不是數據庫歸檔滿了？答：這… 歸檔滿了，sysdba 登錄會報 ORA - 歸檔錯誤相關的提示！而且注意細節，之前提到了，客戶是資深的 DBA，顯然這種可能性早就被排除掉了, 注意細節啊 ^_^2）查一下等待事件，看看在等什么呢？答：這… 數據庫都連不進去了，怎么發出 SQL 來查詢呢…
3）alert 日志有什么明顯報錯么？答：在這個 case 中 alert 日志沒有報錯，也沒有明顯問題…
三板斧用完后，接下來不妨思考個兩三分鐘，如果是你，接下來你要怎么指揮這場戰斗…
“別著急，你收兩個 SSD 保存現場，然后殺掉 pmon，先恢復業務，然后把 SSD 的 trace 發我，我來做下 RCA！”客戶殺完 pmon 進程，數據庫自動重啟后，業務恢復正常。隨后將 SSD 發了過來。這里有些同學聽到這些術語，有些摸不著頭腦了：
什么是 SSD？固態盤（不會吧）？
還有什么是 RCA 呢？這里給大家科普一下:SSD 其實就是 System State Dump, 系統即時狀態 DUMP 的首字母組合，RCA 就是 Root Cause Analyze, 根因分析，是解決問題的難度要大許多，也有意思許多
為什么要收集 SSD 呢？
因為原因的不確定性，怎么能抓到蝴蝶效應中的那只蝴蝶呢？那就需要足夠的信息!多年前未掌握 SSD 這個功能的時候，出現問題，喜歡收集 v$session,v$session_wait,v$sqlarea,v$lock 等動態性能的相關信息，然后重啟，但是后來往下分析的時候，發現少收集了什么信息，導致分析不順利，后悔莫及…當時就在想，ORACLE 是否有一個一鍵收集的功能：把想要的，不想要的，全都收集下來呢！答案就是 SSD。
甚至是當 sysdba 無法登陸時，Oracle 依然可以直接 attach 到共享內存，將內存中的即時狀態全部抓取下來，包括系統當前各個進程正在執行什么、正在等什么、進城的堆棧等信息，真是強大大令人發紫的一個功能。
SSD 的收集非常簡單，照敲就是了，以下是 SSD 收集的命令
### sqlplus -prelim "/as sysdba"SQL>oradebug setmypidSQL>oradebug dump systamstate 266SQL>-- 等上 30 秒到 1 分鐘SQL>oradebug dump systamstate 266SQL>oradebug tracefile_name接下來就帶領大家一起去分析 SSD，做根因分析，你會發現工作是一件多么有趣的事情。
1. 查看登陸進程在等什么
從 xxdb_ora_33030248.trc 中搜索 "waiting for" 可以看到：
?
編輯切換為居中
添加圖片注釋，不超過 140 字（可選）
可以看到：1)有N 個進程都在等 latch:librarycache,latch, 并且 latch 是同一個即 70000006b9d80082) 1個進程在等 cursor:pin X，即在等待 cursor 類型的 mutex3) latch 等待的時間已經長達達到 3723 秒
這里不難看出：
由于登陸的時候，要執行包括驗證用戶、獲取權限等內部的 SQL（遞歸 SQL），但是在發出 SQL 后，由于長時間無法獲取 latch:library cache 這樣的資源，因此登陸看上去就像 hang 住了一樣… 接下來，我們只需要找到無法 latch:library cache 的原因，就可以解開數據庫 hang 住的真相了!
2. 第一次頭腦風暴
看到這里，也許有同學迫不及待地又想再試試身手：
是不是硬解析的問題？可以看到：
當客戶端發出的 SQL 到達數據庫的服務進程后，要先在 shared pool 中去找內存中是否存在該 SQL 和執行計劃，如果存在則拿到執行計劃直接執行即可。
那么 oracle 是如何查找的呢？就是對 SQL 文本計算 hash 值后，獲取 latch:library cache（11g 中則采用 mutex 代替），對對應的鏈表進行掃描即可。
因此，軟解析也會申請該 latch。
所以，不能說是簡單的硬解析的問題，一切都有可能 。BTW, 筆者面試過很多人，其實更像看到的是分析問題的方法論，而不是使勁的猜…
為什么呢？我們總會遇到很多經驗范圍之外的事情，怎么可能猜出自己不知道的事情呢？
3. 找原因，Orale 就是這么簡單！
既然長時間無法獲取 latch, 那么是誰在持有 latch 呢？
需要說明的是，當無法獲取 latch:library cache 的時候,Oracle 在實現上，會將自己放到 latch 的等待著列表 waiter list 當中，那么自然也就有一個對應的持有者列表，
這么做的原因在于，當持有者使用完該 latch 后，到等待者列表中喚醒等待的進程即可。同時，Oracle 在做 SSD 的時候，就已經把持有者給打印到 trace 里了。搜索 "waiting for 70000006b9d8008 Childlibrary"可以看到 “possible holder pid = 19ospid=10027060”，即持有者是 pid = 19 ospid=10027060
?
編輯切換為居中
添加圖片注釋，不超過 140 字（可選）
接下來，我們需要去看看 latch 持有者即 pid = 19 ospid=10027060 的進程在做什么
4. 持有 latch 的人去哪了？
搜索 “ospid:10027060”，就可以看到 LATCH 持有者的進程的詳細信息了
包括進程名，在執行什么 SQL，進程狀態是什么，在等什么資源…
?
編輯切換為居中
添加圖片注釋，不超過 140 字（可選）
可以看到：Pid=19,spid=10027060 的進程，是 ORACLE 的一個 JOB SLVAE 進程 j001,由于他在持有 latch, 導致了很多進程需要等待，
holding (efd=5) 70000006b9d8008 Child library cache乘勝追擊，進一步查看該進程在等什么資源：
?
編輯切換為居中
添加圖片注釋，不超過 140 字（可選）
可以看到：該進程對應的 SID 是 534，當前實際上并沒有在等待任何資源，因為 last wait 表示的是上一次的等待了。長時間持有 latch:library cache, 導致 N 個進程登陸執行內部 SQL 的時候無法獲取 latch, 繼而無法登陸，但是，進程持有者 PID=19,SID=534，又沒有在等待任何資源，SQL:0 表示當前沒有在執行任何 SQL。生無可戀了，那我怎么知道進程持有者在做什么呢，這還怎么往下查呢…提示：這里請記住 latch 的持有者，SID 是 534,534！
5.陷入僵局
還記得么，Oracle 有一套方法論，那么方法論就是查看 call stack, 通過查看進程調用的函數軌跡，就可以判斷出來，當前進入了哪一種場景。
但是由于客戶一著急，收集的 SSD 的 level 不夠，因為沒有打印每個進程的 call stack！這可如何是好啊, 難道問題要陷入僵局..如果是你，接下來，會怎么往下打這一場仗
6.細節決定成敗
如圖所示：
?
編輯切換為居中
添加圖片注釋，不超過 140 字（可選）
紅色加框部分顯示，該進程的狀態處于 DEAD 狀態！即持有 latch 的那個進程已經死掉了！看到這里:
有些朋友又要蒙圈了，“這是什么情況?”
有些朋友可能已經開始有點想法了，心里在嘿嘿樂…
沒錯，實際上，這已經設計到道和術的問題。
技術層面上，一路找到最終的阻塞者后，已經進行不下去了！接下來，大家不妨停下來，思考一下：
原理層面呢？
學了那么多體系架構的東西，怎么用到生產問題中呢?
是否可以運用原理幫助解開這個數據庫掛起的問題呢？我面試候選 DBA 的時候，喜歡問原理。
很多候選 DBA 答不上來的時候，總喜歡解釋道，而且是很坦然的解釋到：
不好意思，過去從來不關注原理, 熟練操作就可以了！
聽到這些回答，本人總會語重心長的讓對方做一道故障題，不掌握原理是不可能解開的，結果很顯然的，候選人自然答不上來，之后我會演示問題處理和分析過程，候選人往往都會重新定義對道和術的認知，孺子可教...工程師熟練操作是基礎，，但是從中級工程師到高級工程師，再到資深工程師，深入原理是一道坎，能將原理熟練應用到實際分析中又是一道坎。什么時候跨過坎了，層次也就不一樣了。很多 DBA 因為沒有人點撥，可能永遠過不了那道坎…
7. 振聾發聵的一問！
為什么進程死掉了，但是進程還在持有 latch 資源不釋放？PMON 做什么去了？他是干什么吃的…是的！這就是問題的關鍵！當聽到這么一個振聾發聵的驚天一問時，恭喜你，跨過了一道坎！如果已經提示到這個程度，依然無法發出這么一個疑問，實在是！
8. 看看 PMON 在做什么
搜索（PMON），就可以找到 SSD 中 PMON 進程的相關信息。如下所示：
?
編輯切換為居中
添加圖片注釋，不超過 140 字（可選）
可以看到：PMON 正在等待 cursor:pin x，即申請模式為獨占，類型為 cursor 的 mutex
waiting for 'cursor: pin X'
該 mutux 的 IDN 是 idn=ad39e34, 即 hash 值
由于 PMON 被阻塞, 卡住了，因此自然沒有機會去清理死去進程所持有的 LATCH 了！我們繼續真相又進了一步！只需要集中精力，需要繼續到底是是哪個進程，持有了 idn=ad39e34 的 mutex, 導致 PMON 被長時間阻塞了，就可以解開問題的真相了！接下來，大家不妨停下來，思考一下：
上圖中，但是 BLOCKING_SESS=0X0，這里無法直接查看是誰阻塞了 PMON 進程。那么如果是你，你會怎么往下查呢……
9. 誰阻塞了 PMON
由于 PMON 進程以獨占方式申請
類型為 cursor 的 mutex 被阻塞，顯然該 MUTEX 正在被某個進程以獨享或獨占方式長時間持有。這顯然是不正常的。畢竟 MUTEX 是一種輕量級的資源。接下來，我們在 TRACE 中搜索 "idn ad39e34 oper"，結果如下所示
Mutex 70000003eec4be0(534, 0) idn ad39e34 oper GET_EXCL Mutex 70000003eec4be0(534, 0) idn ad39e34 oper EXCL可以看到:該 MUTEX 上有兩個操作, OPER 即 Operation, 操作。
一個進程正在以獨占方式持有, 即 oper EXCL
另外一個進程正以獨占方式申請，oper GET_EXCL，Get 表示申請， 因此發生阻塞。該進程就是 PMON 進程。
紅色底紋部分的 534，就表示 MUTEX 的持有者，即 SID=534！沒錯！SID=534 就是我們之前持有 latch:library cache 資源但已經死去的進程！
就是哪個等著被 PMON 清理的死去的進程！
10. 分析總結
綜合上述分析，總結如下:
1) N 個進程無法登陸，是因為無法獲得 latch:library cache 資源，該資源被一個死去的 SID=534 的進程持有了， 還沒釋放！
2) 按照原理，PMON 有義務去清理死去的 SID=534 的進程所持有的資源（latch 等）.
3) 但是 PMON 只有一個，PMON 正在等'cursor:pin X', 即以獨占方式申請類型為 cursor 的 mutex. 所以騰不出手來清理死去的 SID=534 的進程.
4) 正是 SID=534 持有 MUTEX，阻塞了 PMON ！
假設說步驟 1,2 還合理的話，但是步驟 3 和 4 就毀三觀了！
總結起來就一句話，PMON 要去給死去的進程收尸，但是要獲得死去進程的同意！
這太不合理，太不科學了！為什么會這樣呢…
很簡單，命中 BUG！
11. 輕松找 BUG
分析到這里，掌握了問題的本質，那么找 BUG 起來就很簡單了！
ORACLE 有一個強大的知識庫，記錄了全球客戶提交過的 CASE，里面包含了 BUG 庫！怎么找到具體的 BUG 呢？接下來不妨思考個 1 分鐘，如果是你，接下來你要怎么定搜索關鍵字呢…
這里，以 “pmon cursor dead” 做為關鍵字（其他關鍵字也可以），檢索 BUG。很快，一個 BUG 的標題引起了注意：
Bug 8426816 PMON may hang cleaning up a dead process (rare)點開 BUG，描述如下：
?
編輯切換為居中
添加圖片注釋，不超過 140 字（可選）
怎么樣，看完了吧，這不就是我們這個問題么！
an instance hang may result due to PMON gettingblocked when attempting to clean up a failed process.
從現象到問題本質完全吻合！版本 10.2.0.4 也完全吻合！
當 PMON 要以 X 模式即獨占模式申請 MUTEX（cursor:pin X 就是一種 mutex）去清理一個死去進程的時候，該 MUTEX 被死去進程持有！從而導致了數據庫 HANG 的情況！
問題原因與經驗總結
故障過程總結:
1) SID=534 的進程在持有 latch:library cache 和 mutex 等資源的時候進程死去
2) PMON 有義務清理該進程所持有的資源，如 mutex
3) 由于命中 BUG 5377099 ，導致 PMON 無法獲得 MUTEX，被死去的進程 534 阻塞
4) 因此 SID=534 的死去進程長時間持有 latch:library cache, 導致其他用戶執行遞歸 SQL，無法被軟解析，繼而無法登陸，即數據庫出現了 HANG 的故障！經驗總結：
1) 運維公式 = 快速收集系統即時狀態信息 + 恢復業務
2) 快速收集系統即時狀態信息的目的是做 RCA，根因分析，以便在大規模數據庫運維中可以預防其他數據庫也出現類似問題。
3) 不定期做補丁分析，發現嚴重的 BUG，提前預防。
4）技巧重要，原理更重要。通過這樣一個案例，你不難發現，ORACLE 的 SSD 功能，真是強大的令人發指！
如果你也對Oracle數據庫感興趣，可以來上我們OCP數據庫的課哦~
總結
以上是生活随笔為你收集整理的ORACLE强大的令人发指的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 【必看】CCNA初学者必看的一篇文章
- 下一篇： 思科路由器怎么安装？