老菜鳥苦戰oracle asm
應用環境描述
一、硬件
1、 服務器：2臺dell r610—16G內存、2顆6核xeon cpu、2個146G sas盤，做了raid1
2、 存儲：dell MD3220 24個300G硬盤
3、 存儲連接：6GB HBA卡，2個通道都連線了
二、軟件
1、 系統：64位centos 5.5
2、 系統內核版本：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軟件: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、 數據庫軟件：linux.x64_11gR2_database_1of2.zip、linux.x64_11gR2_database_2of2.zip
5、 集群軟件：linux.x64_11gR2_grid.zip
故障描述
一、故障前的情況：
1、 集群實例正常運行
2、 asm能用asmcmd查看目錄和文件
3、 數據庫實例正常
4、 監聽器正常
5、 客戶端遠程連接正常
6、 多路徑訪問正常
7、 /dev/oracleasm/disks目錄的下的文件全部存在
二、故障的起因：
1、 打算模擬服務器失效
2、 直接重啟兩個服務器 init 6
三、故障現象：
1、 兩個服務器的asm實例都沒有啟動成功
2、 兩個服務器的oracle實例都沒有啟動成功
3、 Crs等進程啟動幾個，但基本上不能正常工作
4、 手動啟動crs，失敗
5、 以grid用戶手動連接實例，強制啟動，失敗#p#
故障基本原因判斷
數據庫數據文件、集群軟件所需的ocr文件都存儲在asm設定的共享存儲中，由于集群軟件(包括asm實例)啟動失敗而最終也導致數據庫實例啟動失敗。
處理過程
一、定位故障點：
1、查看系統進程，發現ASM進程沒有起來。但有少許grid相關的進程，如下圖所示：
2、手動執行 /u01/app/grid/bin/crsctl start crs 失敗
3、查看設備文件目錄 /dev/mapper,發現共享存儲的分區全部存在
[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、初步懷疑是asm磁盤組出故障了，于是執行 oracleasm listdisks，發現輸出只有一行，可實際上是10多行的。
[root@rac2 ~]# oracleasm listdisks DATA06
5、執行oracleasm scandisks掃描，再次查看輸出磁盤，還是只有一個。查了網上的資料，也有這種情況，別人的經驗是多執行幾次asm磁盤掃描就出來了，但對我這個情況無效。
6、當我們初始化創建asm磁盤組時，使用命令 oracleasm createdisk OCR1 /dev/mapper/mpath14p1 執行成功后，將在目錄/dev/oracleasm/disks目錄生成OCR1這個文件，文件名就是asm的磁盤名;創建多少asm磁盤，就會有多少同名文件。進入目錄/dev/oracleasm/disks，查看一下，只剩下一個塊設備文件DATA06,其余的全部不見了。
[root@rac2 ~]# ll /dev/oracleasm/disks/ total 0 brw-rw---- 1 grid asmadmin 8, 22 Jul 24 00:01 DATA06
與oracleasm listdisks 輸出的結果完全一致，由此可知asm磁盤組與操作系統這個目錄有直接的關聯。這幾者的關系可以如下圖標識：
現在要做的事情是能不能恢復余下的磁盤文件。#p#
二、處理方法
1、先上網搜索一下吧，搜出來不少，都是建議用dd清理磁盤，然后再用oracleasm createdisk 重新創建磁盤組。但我擔心這樣做，asm磁盤里面的數據會全部丟失，沒敢這樣嘗試。
2、打電話問我原來的同事，他現在轉行做dba了。他告訴我，看看是不是設備文件的權限問題，我到服務器上去查看，發現一個機器的/dev/mapper/mpath* 的屬主是 root:disk,而另一個服務器相應的目錄屬主卻是grid:oinstall。按照他的建議，我在文件/etc/rc.local寫入了行“chown –R grid:oinstall”，然后重啟系統，查看目錄確實屬主按我的意愿變成grid：root，但asm磁盤仍然不能識別，看來問題不在這里。
3、在多個qq群發送消息，有說權限問題的，也有建議oracleasm scandisk 的。還有的人認為oracleasm服務沒有運行起來。還有的人說是裸設備權限問題，我可是沒有使用裸設備啊，打開文件/etc/sysconfig/rawdevices,沒有任何生效的文本行(全部被注釋上了)，這應診了沒有使用裸設備。
搞了好幾天，沒得進展。一天睡在床上，有想起這個問題，既然/dev/oracleasm/disks有DATA06這個文件，能不能手工創建一些呢(即丟失的那些文件)，于是又爬起來。但當我手動執行touch /dev/oracleasm/disks/DATA08時，提示沒有權限。看來，只能用mknod之類的命令才可以在這個目錄創建文件。
念頭一轉，又想：既然DATA06這個文件存在，可能會在某些文件中有記錄吧?執行grep DATA06 /etc -r 全路徑搜索，還真搜到一個文件 /etc/blkid/blkid.tab,這個文件的如下：
[root@rac1 ~]# more /etc/blkid/blkid.tab /dev/sda7 /dev/sda6 /dev/sda5 /dev/sda3 /dev/sda2 /dev/sda1 /u01/swapfile /dev/ma pper/mpath14p8 /dev/mapper/m path15p8 /dev/ma pper/mpath14p6 /dev/mapper/m path14p5 /dev/mapper/m path15p5 /dev/mapper/m path14p3 /dev/mapper/m path15p3 /dev/mapper/m path14p2 /dev/mapper/m path15p2 /dev/mapp er/mpath14p1 /dev/mapp er/mpath15p1 /dev/sdb1 /dev/sdb2 vice> /dev/sdb3 vice> /dev/sdb5 vice> /dev/sd b6 /dev/sd b8 /dev/sdc1 /dev/sdc2 vice> /dev/sdc3 vice> /dev/sdc5 vice> /dev/sdc8 vice> /dev/sde1 /dev/sde2 vice> /dev/sde3 vice> /dev/sde5 vice> /dev/sd e6 /dev/sd e8 /dev/sdf1 /dev/sdf2 vice> /dev/sdf3 vice> /dev/sdf5 vice> /dev/sdf8 vice>
從輸出能看出一些端倪，凡是label為空的，就是asm磁盤丟失的。照這個思路，我手動在這個文件改了對應的3行，使其label=“DATA08”。DATA08是當時用oracleasm createdisk創建出來，預留下來的。因為沒有數據存在這個DATA08磁盤，所以就是破壞了，也無關緊要。接著執行oracleasm scandisks ; 再 oracleasm listdisks 還是沒有任何變化，看來這招也不靈。***重啟系統，看是否有效，還是一樣。后來才知，/etc/blkid/blkid.tab文件的內容是運行blkid后從系統目錄/dev下讀入數據再自動生成的。
難道只得重新推到再來一次?不甘心啊!倒不是怕數據丟失，而是擔心下次這個問題再次發生。#p#
再準備推到重來之前，我再來試試創建一個asm磁盤。還是拿沒有使用的/dev/mapper/mpath14p8分區來做，反正做壞了，也沒什么影響。當執行oracleasm createdisk DATA08 /dev/mapper/mpath14p8,沒有成功，其輸出為：
Device "/dev/mapper/mpath14p8" is already labeled for ASM disk“”
這個輸出給我很好的提示，它說明了asm 磁盤標簽是存在的，但其值為空(它本來的值應該是DATA08)。于是我就思量，能不能強制把它由空值改成原來的值呢?
不知道怎么改oracle asm磁盤標簽，不過這難不倒咱。打開文件 /etc/init.d/oracleasm瞧瞧，乖乖，找到了呢.看下面一段函數：
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 \"${OLD}\" see /var/log/oracleasm"
}
紅色字體這行，就是強制性改asm磁盤標簽的語法。迫不及待，馬上執行 oracleasm renamedisk -f /dev/mapper/mpath14p8 DATA08 ，很順利進行下去了。現在切換到目錄/dev/oracleasm/disks，設備文件DATA08出現了，心里一陣狂寫啊!在另一個主機上執行oracleasm scandisk ,接著執行oracleasm listdisks ，看見DATA08閃耀登場。由此可以預計，只要按以前的標簽名，把對應的asm磁盤強制改名，就應該可以恢復。
先不急于把所有的asm磁盤標簽恢復，從ocr所在的磁盤標簽做起。本案的ocr用了兩個asm 磁盤，其名稱為OCR1、OCR2(幸虧以前安裝rac的時候，做了屏幕錄像)，執行下面兩條命令：
oracleasm renamedisk -f /dev/mapper/mpath14p1 OCR1 oracleasm renamedisk -f /dev/mapper/mpath15p1 OCR2
成功執行后，用 oracleasm scandisks掃描，檢查目錄/dev/oracleasm/disks,文件OCR1、ORC2都存在了;檢查 oracleasm listdisks的輸出，確實有OCR1和OCR2.
Ocr恢復了，可以試著啟動crs.以root命令執行 crsctl start crs ,回車后，系統一陣沉默，上個廁所回來，執行完畢返回shell提示符下。趕緊ps auxww|grep –I asm查看進程，asm實例確實起來了.切換到grid用戶，執行asmcd，順利進入交互模式，ASMCMD>ls 輸出為：
ASMCMD> ls DGCRS/
注：DGCRS是由OCR1、OCR2兩者合并而成。
再另一個服務器上，啟動crs，asm實例正常運行起來了。
現在，可以放心的強制更改余下的asm標簽，完畢后目錄的文件日下：
[root@rac1 dev]# ll /dev/oracleasm/disks total 0 brw-rw---- 1 grid oinstall 8, 18 Jul 26 17:05 DATA02 brw-rw---- 1 grid oinstall 8, 19 Jul 26 17:05 DATA03 brw-rw---- 1 grid oinstall 8, 21 Jul 26 17:05 DATA05 brw-rw---- 1 grid oinstall 8, 22 Jul 24 22:31 DATA06 brw-rw---- 1 grid oinstall 8, 24 Jul 26 17:05 DATA08 brw-rw---- 1 grid oinstall 8, 34 Jul 26 17:05 DATA12 brw-rw---- 1 grid oinstall 8, 35 Jul 26 17:05 DATA13 brw-rw---- 1 grid oinstall 8, 37 Jul 26 17:05 DATA15 brw-rw---- 1 grid oinstall 253, 14 Jul 24 22:41 DATA16 brw-rw---- 1 grid oinstall 8, 40 Jul 26 17:00 DATA18 brw-rw---- 1 grid oinstall 8, 17 Jul 26 17:05 OCR1 brw-rw---- 1 grid oinstall 8, 33 Jul 24 22:32 OCR2
確認無誤后，聯系相關人員告知要啟動數據庫了。再次檢查ORACLE_SID、asm磁盤標簽等，深呼吸一下，緩慢地輸入/u01/app/grid/bin/srvctl start database -d DD4QIGOU 回車，起身離座喝口統一鮮橙多(估計有塑化劑)。估計數據庫啟得差不多了，回坐查看，oracle實例全部正常起來。不過有一點意外，就是服務器交換了各自的實例(rac1運行的實例是db4qigou_2、而rac2運行的實例是db4qigou_1);這不要緊，關閉各種的實例，在rac1上執行$srvctl start instance -d DB4QIGOU -i DB4QIGOU_1 -n rac1 ，rac2上執行srvctl start instance -d DB4QIGOU -i DB4QIGOU_2 -n rac2就扳過來了。
原文：http://b.formyz.org/2011/0726/46.html
【編輯推薦】
