只用KILL命令安全高效的关闭clusterwar

转自：http://www.itpub.net/thread-1620414-1-1.html

我们知道，11gR2中，集群引入了很多新的进程。并且一旦集群完全启动，我们很难用单用linux的kill命令去关闭这些进程。

一是 因为这些进程互相依赖守护，不管你kill了哪些进程，这些进程立刻都会被重新启动。 
二是 如果kill的顺序不对，轻则宕机重启，重则可能产生不一致性。(脑裂）

而实际工作中，有些情况下，即使crsctl stop crs -f 也会遇到hang住的情况，所以这种情况下，我们还是得借助linux的KILL命令去杀死进程。
下面我们就来模拟一个极端的情况，对于一个正常工作的，所有服务都启动了的集群中的某节点，如何在不touch任何 oracle 相关的东东的前提下，只用kill命令，就安全高效的清理此节点上所有的clusterware资源？

下面我们来演示下：
[root@node1 ~]# ps -ef|grep d.bin
root       462     1  0 10:27 ?        00:00:00 /prod/grid/app/11.2.0/grid/bin/octssd.bin
root       464     1  0 10:27 ?        00:00:02 /prod/grid/app/11.2.0/grid/bin/crsd.bin reboot
grid       470     1  0 10:27 ?        00:00:00 /prod/grid/app/11.2.0/grid/bin/gpnpd.bin
root       538     1  0 10:28 ?        00:00:00 /prod/grid/app/11.2.0/grid/bin/oclskd.bin
oracle     599     1  0 10:28 ?        00:00:00 /prod/grid/app/11.2.0/grid/bin/oraagent.bin
root       603     1  0 10:28 ?        00:00:01 /prod/grid/app/11.2.0/grid/bin/orarootagent.bin
root      1280     1  1 10:31 ?        00:00:00 /prod/grid/app/11.2.0/grid/bin/ohasd.bin reboot
grid      1336     1  0 10:31 ?        00:00:00 /prod/grid/app/11.2.0/grid/bin/oraagent.bin
root      1340     1  0 10:31 ?        00:00:00 /prod/grid/app/11.2.0/grid/bin/orarootagent.bin
root      1342     1  5 10:31 ?        00:00:02 /prod/grid/app/11.2.0/grid/bin/cssdagent
....省略剩下的若干进程...

我们随便来kill排在前几号的进程：464 470 538 599 603， 对应crsd|gpnpd|oclskd|oraagent|orarootagent
[root@node1 ~]# kill -9 464 470 538 599 603
然后检查：
[root@node1 ~]#  ps -ef|grep -v grep|egrep 'crsd|gpnpd|oclskd|oraagent|orarootagent'
grid      1336     1  0 10:31 ?        00:00:00 /prod/grid/app/11.2.0/grid/bin/oraagent.bin
root      1340     1  0 10:31 ?        00:00:00 /prod/grid/app/11.2.0/grid/bin/orarootagent.bin
grid      1481     1  0 10:32 ?        00:00:00 /prod/grid/app/11.2.0/grid/bin/gpnpd.bin
root      1500     1  1 10:32 ?        00:00:01 /prod/grid/app/11.2.0/grid/bin/crsd.bin reboot
root      1530     1  0 10:32 ?        00:00:00 /prod/grid/app/11.2.0/grid/bin/oclskd.bin
root      1584     1  0 10:32 ?        00:00:00 /prod/grid/app/11.2.0/grid/bin/orarootagent.bin
grid      1587     1  0 10:32 ?        00:00:00 /prod/grid/app/11.2.0/grid/bin/oraagent.bin
oracle    1592     1  0 10:32 ?        00:00:00 /prod/grid/app/11.2.0/grid/bin/oraagent.bin
我们看到，随便乱kill是没有作用的，这些进程如烧不尽的野草般又生长出来。
并且注意进程的启动时间有了变化，可以确定这是我们kill后重新启动起来的。

这样盲目的kill是不行的，我们很快能想到，要kill的话，就必须从根开始。根若不死，则就会一生二，二生三，三生万物的把整个进群结构给重新演化出来。
根在哪？  答：ohasd

那么下一步是否先从这个根ohasd开始杀起?
可是，这么明显的漏洞，oracle能没想到吗？ 对于这最脆弱的根，oracle使用了守护进程进行保护，一旦死亡，会被自动重新启动。所以这最后的弱点也没有了。

下面我们看到，杀死ohasd.bin，立刻被init.ohasd重新生成，我们kill init.ohasd进程，也重新被PID=1的根进程给重新respawn起来：
[root@node1 ~]# ps -ef|grep ohasd |grep -v grep
root       750     1  0 10:28 ?        00:00:00 /bin/sh /etc/init.d/init.ohasd run
root      1280     1  0 10:31 ?        00:00:01 /prod/grid/app/11.2.0/grid/bin/ohasd.bin reboot
[root@node1 ~]# kill -9 1280                            ---先尝试杀死ohasd.bin
[root@node1 ~]# ps -ef|grep ohasd |grep -v grep         ---没用，注意时间和PID的改变，说明又被重新启动
root       750     1  0 10:28 ?        00:00:00 /bin/sh /etc/init.d/init.ohasd run
root      2294   750 12 10:52 ?        00:00:00 /prod/grid/app/11.2.0/grid/bin/ohasd.bin restart
[root@node1 ~]# kill -9 750                             ---尝试杀死守护进程init.ohasd
[root@node1 ~]# ps -ef|grep ohasd |grep -v grep         ---没用，注意时间和PID的改变，说明又被重新启动
root      2294     1  3 10:52 ?        00:00:01 /prod/grid/app/11.2.0/grid/bin/ohasd.bin restart
root      2462     1  0 10:53 ?        00:00:00 /bin/sh /etc/init.d/init.ohasd run



那么真的没有办法了吗？想要摧毁敌人，先要了解敌人。
下面简单介绍下关于ohasd的一些知识点：
1./etc/init.d/init.ohasd：也就是大家看到的守护进程，但是要注意，这个守护进程并不会在操作系统重新启动时自动启动ohasd服务的进程。

2.ohasd.bin：真正的d.bin进程，负责生成几个最主要的agent进程(oraagent, orarootagent, cssdagent)，从而由这些agent去生万物。

3./etc/init.d/ohasd 负责在系统启动时调用一次自动启动ohasd服务。   注意，这个服务只会在系统启动时候自动调用一次自动启动ohasd，之后再也没有任何作用，直到下一次重启。在此期间ohasd.bin的监视交给init.ohasd守护进程负责，一旦发现ohasd.bin意外死亡，将由/etc/init.d/init.ohasd 守护进程负责重启。
你在系统日志中看到的"May 28 09:52:10 node1 root:  Oracle  HA daemon is enabled for autostart."，  就是由/etc/init.d/ohasd产生。

4./rc.d/rc3.d/S96ohasd, ./rc.d/rc5.d/S96ohasd, ./rc.d/rc6.d/K19ohasd, ./rc.d/rc1.d/K19ohasd.  这些都是/etc/init.d/ohasd的快捷方式, 负责在系统启动时调用一次自动启动ohasd服务。

5.$GRID_HOME/bin/ohasd.    你在日志中看到的诸如以下信息都由此脚本负责写入:
May 28 09:52:12 node1 logger: exec /prod/grid/app/11.2.0/grid/perl/bin/perl -I/prod/grid/app/11.2.0/grid/perl/lib /prod/grid/app/11.2.0/grid/bin/crswrapexece.pl /prod/g
rid/app/11.2.0/grid/crs/install/s_crsconfig_node1_env.txt /prod/grid/app/11.2.0/grid/bin/ohasd.bin "reboot"
May 28 09:52:13 node1 /prod/grid/app/11.2.0/grid/bin/crswrapexece.pl[30866]: executing "/prod/grid/app/11.2.0/grid/bin/ohasd.bin reboot"


6. 简单的关联关系来描述下：
/etc/init.d/ohasd     （系统启动时运行一次启动负责ohasd.bin初始启动） ----->  $GRID_HOME/bin/crsctl   |
                                                                                                      |  =====>$GRID_HOME/bin/ohasd ====> ohasd.bin
/etc/init.d/init.ohasd（系统启动后监视ohasd.bin，发现失败则重启    ） ----->                          |


我们可以看到，大家熟知的init.ohasd守护进程并不是负责在系统启动时候启动ohasd服务的，所以这也回答了一些朋友的疑问：
为什么即使关闭了cluster后重启节点后集群仍然会重新启动。 如果是是由init.ohasd负责启动的那为什么一定要重启操作系统后才能自动启动？

答案就是操作系统启动时ohasd的启动由/etc/init.d/ohasd负责的而不是/etc/init.d/init.ohasd。

那么系统启动时由/etc/init.d/ohasd会启动ohasd.bin， 这不会和也负责保护ohasd的/etc/init.d/init.ohasd冲突吗？
所以 /etc/init.d/init.ohasd有自己的一套判断机制，可以判断当前是否处在操作系统重新启动时/etc/init.d/ohasd 正在开始启动ohasd.bin但是还尚未启动的过程中，如果是处在这一过程，那么
/etc/init.d/init.ohasd就会进行等待，而不会再去尝试启动ohasd.bin。

所以我们想要永久性的杀死ohasd.bin并阻止init.ohasd守护启动进程重新启动它的方法也落在此处，那就是让init.ohasd误以为当前状体是处于一个刚刚重启，/etc/init.d/ohasd  尚未启动ohasd.bin的状态中。
这样自然init.ohasd就会一直等待下去，而不再尝试重启ohasd.bin。

原理有点晦涩，但是知道了这个原理后，真正的解决方法很简单：
[root@node1 log]# ps -ef|grep ohasd
root     32563     1  0 10:25 ?        00:00:00 /bin/sh /etc/init.d/init.ohasd run
root     32693 32563  0 10:25 ?        00:00:01 /prod/grid/app/11.2.0/grid/bin/ohasd.bin restart
[root@node1 log]# kill -9 32563; kill -9 32693  
[root@node1 log]# ps -ef|grep ohasd
root       750     1  0 10:28 ?        00:00:00 /bin/sh /etc/init.d/init.ohasd run
root       768   750  0 10:28 ?        00:00:00 /bin/sh /etc/init.d/init.ohasd run
[root@node1 log]# ps -ef|grep ohasd
root       750     1  0 10:28 ?        00:00:00 /bin/sh /etc/init.d/init.ohasd run  ---ohasd.bin被成功杀死并且不再启动，只剩下init.ohasd孤单的运行着

注意红字部分 kill -9 32563; kill -9 32693 ，通过这种kill方式，我们就成功杀死了ohasd.bin ，并且使得init.ohasd 成功落在了上面黑体字段所描述的那种特殊状态中，不会再次尝试重启ohasd.bin。
（当然，如果只是简单的想失效init.ohasd，更简单些我们可以给ohasdrun文件写入STOP标志，或者直接从inittab中注释掉init.ohasd然后生效更改，
可是这么一来就失去了本文的目的，也称不上是在不动任何oracle东西的情况下杀死。有兴趣的朋友可以自行实验。）