- ·
- ·
- ·
- ·
- ·
- ·
- ·
- ·
- ·
- ·
分类： oracle
2011-07-26 18:49:06
老菜鸟苦战oracle asm
作者：田逸(sery@163.com)
应用环境描述
一、 硬件
1、 服务器：2台dell r610—16g内存、2颗6核xeon cpu、2个146g sas盘，做了raid1
2、 存储：dell md3220 24个300g硬盘
3、 存储连接：6gb hba卡，2个通道都连线了
二、 软件
1、 系统：64位centos 5.5
2、 系统内核版本：linux rac1 2.6.18-194.el5 #1 smp fri apr 2 14:58:14 edt 2010 x86_64 x86_64 x86_64 gnu/linux
3、 asm软件:oracleasm-2.6.18-194.el5-2.0.5-1.el5.x86_64.rpm、oracleasm-support-2.1.7-1.el5.x86_64.rpm、oracleasmlib-2.0.4-1.el5.x86_64.rpm
4、 数据库软件：linux.x64_11gr2_database_1of2.zip、linux.x64_11gr2_database_2of2.zip
5、 集群软件：linux.x64_11gr2_grid.zip
故障描述
一、 故障前的情况：
1、 集群实例正常运行
2、 asm能用asmcmd查看目录和文件
3、 数据库实例正常
4、 监听器正常
5、 客户端远程连接正常
6、 多路径访问正常
7、 /dev/oracleasm/disks目录的下的文件全部存在
二、 故障的起因：
1、 打算模拟服务器失效
2、 直接重启两个服务器 init 6
三、 故障现象：
1、 两个服务器的asm实例都没有启动成功
2、 两个服务器的oracle实例都没有启动成功
3、 crs等进程启动几个，但基本上不能正常工作
4、 手动启动crs，失败
5、 以grid用户手动连接实例，强制启动，失败
故障基本原因判断
数据库数据文件、集群软件所需的ocr文件都存储在asm设定的共享存储中，由于集群软件（包括asm实例）启动失败而最终也导致数据库实例启动失败。
处理过程
一、 定位故障点：
1、查看系统进程，发现asm进程没有起来。但有少许grid相关的进程，如下图所示：
2、手动执行 /u01/app/grid/bin/crsctl start crs 失败
3、查看设备文件目录 /dev/mapper,发现共享存储的分区全部存在
|
[root@rac2 ~]# ll /dev/mapper/ total 0 crw------- 1 root root 10, 63 jul 24 00:00 control brw-rw---- 1 root disk 253, 0 jul 24 00:01 mpath13 brw-rw---- 1 root disk 253, 10 jul 24 00:01 mpath13p1 brw-rw---- 1 root disk 253, 11 jul 24 00:01 mpath13p2 brw-rw---- 1 root disk 253, 12 jul 24 00:01 mpath13p3 brw-rw---- 1 root disk 253, 13 jul 24 00:01 mpath13p5 brw-rw---- 1 root disk 253, 14 jul 24 00:01 mpath13p6 brw-rw---- 1 root disk 253, 15 jul 24 00:01 mpath13p7 brw-rw---- 1 root disk 253, 16 jul 24 00:01 mpath13p8 brw-rw---- 1 root disk 253, 1 jul 24 00:01 mpath14 brw-rw---- 1 root disk 253, 3 jul 24 00:01 mpath14p1 brw-rw---- 1 root disk 253, 4 jul 24 00:01 mpath14p2 brw-rw---- 1 root disk 253, 5 jul 24 00:01 mpath14p3 brw-rw---- 1 root disk 253, 6 jul 24 00:01 mpath14p5 brw-rw---- 1 root disk 253, 7 jul 24 00:01 mpath14p6 brw-rw---- 1 root disk 253, 8 jul 24 00:01 mpath14p7 brw-rw---- 1 root disk 253, 9 jul 24 00:01 mpath14p8 brw-rw---- 1 root disk 253, 2 jul 24 00:01 mpath15 |
4、初步怀疑是asm磁盘组出故障了，于是执行 oracleasm listdisks，发现输出只有一行，可实际上是10多行的。
|
[root@rac2 ~]# oracleasm listdisks data06 |
5、执行oracleasm scandisks扫描，再次查看输出磁盘，还是只有一个。查了网上的资料，也有这种情况，别人的经验是多执行几次asm磁盘扫描就出来了，但对我这个情况无效。
6、当我们初始化创建asm磁盘组时，使用命令 oracleasm createdisk ocr1 /dev/mapper/mpath14p1 执行成功后，将在目录/dev/oracleasm/disks目录生成ocr1这个文件，文件名就是asm的磁盘名；创建多少asm磁盘，就会有多少同名文件。进入目录/dev/oracleasm/disks，查看一下，只剩下一个块设备文件data06,其余的全部不见了。
|
[root@rac2 ~]# ll /dev/oracleasm/disks/ total 0 brw-rw---- 1 grid asmadmin 8, 22 jul 24 00:01 data06 |
与oracleasm listdisks 输出的结果完全一致，由此可知asm磁盘组与操作系统这个目录有直接的关联。这几者的关系可以如下图标识：
现在要做的事情是能不能恢复余下的磁盘文件。
二、 处理方法
1、 先上网搜索一下吧，搜出来不少，都是建议用dd清理磁盘，然后再用oracleasm createdisk 重新创建磁盘组。但我担心这样做，asm磁盘里面的数据会全部丢失，没敢这样尝试。
2、 打电话问我原来的同事，他现在转行做dba了。他告诉我，看看是不是设备文件的权限问题，我到服务器上去查看，发现一个机器的/dev/mapper/mpath* 的属主是 root:disk,而另一个服务器相应的目录属主却是grid:oinstall。按照他的建议，我在文件/etc/rc.local写入了行“chown –r grid:oinstall”，然后重启系统，查看目录确实属主按我的意愿变成grid：root，但asm磁盘仍然不能识别，看来问题不在这里。
3、 在多个qq群发送消息，有说权限问题的，也有建议oracleasm scandisk 的。还有的人认为oracleasm服务没有运行起来。还有的人说是裸设备权限问题，我可是没有使用裸设备啊，打开文件/etc/sysconfig/rawdevices,没有任何生效的文本行（全部被注释上了），这应诊了没有使用裸设备。
搞了好几天，没得进展。一天睡在床上，有想起这个问题，既然/dev/oracleasm/disks有data06这个文件，能不能手工创建一些呢（即丢失的那些文件），于是又爬起来。但当我手动执行touch /dev/oracleasm/disks/data08时，提示没有权限。看来，只能用mknod之类的命令才可以在这个目录创建文件。
念头一转，又想：既然data06这个文件存在，可能会在某些文件中有记录吧？执行grep data06 /etc -r 全路径搜索，还真搜到一个文件 /etc/blkid/blkid.tab,这个文件的如下：
|
[root@rac1 ~]# more /etc/blkid/blkid.tab b016-5190e1a7bcc6" type="ext3" sec_type="ext2">/dev/sda7 a256-b9bc84c07b75" type="ext3" sec_type="ext2">/dev/sda6 9095-955122dc5ff1" type="ext3" sec_type="ext2">/dev/sda5 93ff-f442c99f6dcf" type="ext3" sec_type="ext2">/dev/sda3 8-ff9e007602fd" type="ext3" sec_type="ext2">/dev/sda1 pper/mpath14p8 path15p8 pper/mpath14p6 path14p5 path15p5 path14p3 path15p3 path14p2 path15p2 er/mpath14p1 er/mpath15p1 vice> vice> vice> b6 b8 vice> vice> vice> vice> vice> vice> vice> e6 e8 vice> vice> vice> vice> |
从输出能看出一些端倪，凡是label为空的，就是asm磁盘丢失的。照这个思路，我手动在这个文件改了对应的3行，使其label=“data08”。data08是当时用oracleasm createdisk创建出来，预留下来的。因为没有数据存在这个data08磁盘，所以就是破坏了，也无关紧要。接着执行oracleasm scandisks ; 再 oracleasm listdisks 还是没有任何变化，看来这招也不灵。最后重启系统，看是否有效，还是一样。后来才知，/etc/blkid/blkid.tab文件的内容是运行blkid后从系统目录/dev下读入数据再自动生成的。
难道只得重新推到再来一次？不甘心啊！倒不是怕数据丢失，而是担心下次这个问题再次发生。
再准备推到重来之前，我再来试试创建一个asm磁盘。还是拿没有使用的/dev/mapper/mpath14p8分区来做，反正做坏了，也没什么影响。当执行oracleasm createdisk data08 /dev/mapper/mpath14p8,没有成功，其输出为：
|
device "/dev/mapper/mpath14p8" is already labeled for asm disk“” |
这个输出给我很好的提示，它说明了asm 磁盘标签是存在的，但其值为空（它本来的值应该是data08）。于是我就思量，能不能强制把它由空值改成原来的值呢？
不知道怎么改oracle asm磁盘标签，不过这难不倒咱。打开文件 /etc/init.d/oracleasm瞧瞧，乖乖，找到了呢.看下面一段函数：
|
force_relabel_disk() { old="$1" new="$2" echo -n "renaming disk \"${old}\" to \"${new}\": " "${oracleasm}" renamedisk -f -v -l "${oracle_asmmanager}" "${old}" \ "$2" 1>>/var/log/oracleasm 2>&1 if_fail "$?" "unable to rename disk \"${old}\" see /var/log/oracleasm" } |
红色字体这行，就是强制性改asm磁盘标签的语法。迫不及待，马上执行 oracleasm renamedisk -f /dev/mapper/mpath14p8 data08 ，很顺利进行下去了。现在切换到目录/dev/oracleasm/disks，设备文件data08出现了，心里一阵狂写啊！在另一个主机上执行oracleasm scandisk ,接着执行oracleasm listdisks ，看见data08闪耀登场。由此可以预计，只要按以前的标签名，把对应的asm磁盘强制改名，就应该可以恢复。
先不急于把所有的asm磁盘标签恢复，从ocr所在的磁盘标签做起。本案的ocr用了两个asm 磁盘，其名称为ocr1、ocr2（幸亏以前安装rac的时候，做了屏幕录像），执行下面两条命令：
|
oracleasm renamedisk -f /dev/mapper/mpath14p1 ocr1 oracleasm renamedisk -f /dev/mapper/mpath15p1 ocr2 |
成功执行后，用 oracleasm scandisks扫描，检查目录/dev/oracleasm/disks,文件ocr1、orc2都存在了；检查 oracleasm listdisks的输出，确实有ocr1和ocr2.
ocr恢复了，可以试着启动crs.以root命令执行 crsctl start crs ,回车后，系统一阵沉默，上个厕所回来，执行完毕返回shell提示符下。赶紧ps auxww|grep –i asm查看进程，asm实例确实起来了.切换到grid用户，执行asmcd，顺利进入交互模式，asmcmd>ls 输出为：
|
asmcmd> ls dgcrs/ |
注：dgcrs是由ocr1、ocr2两者合并而成。
再另一个服务器上，启动crs，asm实例正常运行起来了。
现在，可以放心的强制更改余下的asm标签，完毕后目录的文件日下：
|
[root@rac1 dev]# ll /dev/oracleasm/disks total 0 brw-rw---- 1 grid oinstall 8, 18 jul 26 17:05 data02 brw-rw---- 1 grid oinstall 8, 19 jul 26 17:05 data03 brw-rw---- 1 grid oinstall 8, 21 jul 26 17:05 data05 brw-rw---- 1 grid oinstall 8, 22 jul 24 22:31 data06 brw-rw---- 1 grid oinstall 8, 24 jul 26 17:05 data08 brw-rw---- 1 grid oinstall 8, 34 jul 26 17:05 data12 brw-rw---- 1 grid oinstall 8, 35 jul 26 17:05 data13 brw-rw---- 1 grid oinstall 8, 37 jul 26 17:05 data15 brw-rw---- 1 grid oinstall 253, 14 jul 24 22:41 data16 brw-rw---- 1 grid oinstall 8, 40 jul 26 17:00 data18 brw-rw---- 1 grid oinstall 8, 17 jul 26 17:05 ocr1 brw-rw---- 1 grid oinstall 8, 33 jul 24 22:32 ocr2 |
确认无误后，联系相关人员告知要启动数据库了。再次检查oracle_sid、asm磁盘标签等，深呼吸一下，缓慢地输入/u01/app/grid/bin/srvctl start database -d dd4qigou 回车，起身离座喝口统一鲜橙多（估计有塑化剂）。估计数据库启得差不多了，回坐查看，oracle实例全部正常起来。不过有一点意外，就是服务器交换了各自的实例（rac1运行的实例是db4qigou_2、而rac2运行的实例是db4qigou_1）；这不要紧，关闭各种的实例，在rac1上执行$srvctl start instance -d db4qigou -i db4qigou_1 -n rac1 ，rac2上执行srvctl start instance -d db4qigou -i db4qigou_2 -n rac2就扳过来了。
补充：oracle官方站点有建议修改 /etc/sysconfig/oracleasm文件的扫描顺序，但在本例无效。
上一篇：
下一篇：