匪夷所思：罕见的 Oracle 全局事务锁等待事件分析
数据技术嘉年华等你来
活动预告：11.16-17日，北京市东三环中路61号富力万丽酒店，相聚数据技术嘉年华，（99元票务）免费购票倒计时，点击查看大会详情。
杨长老带来主题“深入内核-Oracle双活架构和踩坑案例实战”，敬请期待~
点击“阅读原文”或者扫描下图二维码注册购票，即将售罄，赶快参与鸭！
杨廷琨，云和恩墨CTO，Oracle ACED，ITPUB Oracle 数据库管理版版主 ，人称"杨长老”，十数年如一日坚持进行Oracle技术研究与写作，号称"Oracle的百科全书”，迄今已经在自己的博客上发表了超过3000篇技术文章。与 Eygle 共同主编出版了多本《Oracle DBA手记》系列图书。
此次大会杨长老分享的主题是“深入内核-Oracle双活架构和踩坑案例实战”，来听杨老师分享架构，看他如何巧妙地处理雷区。
这是在某客户现场的一次即时分析，这个问题困扰了用户一段时间，数据库体现为严重的性能问题，导致应用出现大范围超时以及会话激增等问题，多次尝试 kill session 都无法彻底解决问题，重启后系统恢复正常。
拿到故障时刻的 AWR 报告，可以发现问题时刻，数据库的主要等待为：
Global transaction acquire instance locks 和 enq: TX - row lock contention。
Event |
Waits |
Time(s) |
Avg wait (ms) |
% DB time |
Wait Class |
Global transaction acquire instance locks |
5,342 |
5,343 |
1000 |
74.09 |
Configuration |
enq: TX - row lock contention |
5 |
1,437 |
287308 |
19.92 |
Application |
DB CPU |
331 |
4.59 |
|||
direct path read |
37,708 |
72 |
2 |
0.99 |
User I/O |
log file sync |
7,817 |
12 |
2 |
0.16 |
Commit |
其中 TX – row lock contention 等待十分常见，这个等待事件造成应用的阻塞也很容易理解，但是Global transaction acquire instance locks并不是常见等待，从字面上理解，是全局事务在尝试获取实例锁。这个等待在等待时间占比上，消耗了将近75%的DB TIME。
当然数据库中TOP 5中最严重的等待不一定是问题的根源，分析问题时刻的 ASH 信息，在问题时刻，最先出现的是全局事务获取锁的等待，随后开始出现行锁等待：
SQL> select to_char(sample_time, 'hh24miss'), session_id, event, blocking_session
2 from dba_hist_active_sess_history
3 where sample_time >= to_date('201810180652', 'yyyymmddhh24mi')
4 and sample_time <= to_date('201810180700', 'yyyymmddhh24mi')
5 and instance_number = 1
6 order by 1, 2;
首先出现问题的是会话 763，其处于Global transaction acquire instance locks等待中，该会话并未显示被其他会话阻塞。之后开始出现了行锁等待，这些等待enq: TX - row lock contention的会话，其阻塞对象都是会话763。
显然在本次故障中，虽然最终导致大范围业务挂起的是enq: TX - row lock contention等待，但是最终问题的根源是Global transaction acquire instance locks等待。
几乎与此同时，后台告警日志出现大量的报错：
Thu Oct 18 06:53:33 2018
opiodr aborting process unknown ospid (26428) as a result of ORA-24756
Thu Oct 18 06:53:36 2018
Errors in file /trace/orcl1_pmon_30688.trc:
ORA-24756: transaction does not exist
Errors in file /trace/orcl1_pmon_30688.trc:
ORA-24756: transaction does not exist
Errors in file /trace/orcl1_pmon_30688.trc:
ORA-24756: transaction does not exist
Errors in file /trace/orcl1_pmon_30688.trc:
ORA-24756: transaction does not exist
数据库中出现该等待的时间点 06:52，再考虑到等待在报错前会经历一个超时，因此数据库中的等待与告警日志中的 ORA-24756 错误有密切的关系。
以 ORA-24756 作为关键字查询 MOS，可以找到与当前现象非常接近的文章：
PMON cleanup fails with ORA-24756: transaction does not exist (文档 ID 2299927.1)。
文档中描述的报错现象与当前问题一致，且数据库版本也很接近。Oracle认为这个错误是由于PMON进程在清理不存在的事务时出现了卡住的现象。
Oracle给出了几个比较类似的bug，但是这些bug的状态不是不可重现就是已中止，因此类似的问题并没有明确的结论：
Bug 20676168 - PMON GOT CONTINUOUS ORA-24756 DURING SHUTDOWN <<<<<<<<<< Closed, Could Not Reproduce
Bug 16317766 - EXADATA : ORA-24756: TRANSACTION DOES NOT EXIST <<<<<<<<<<<< Suspended, Req'd Info not Avail
Bug 9757979 - PMON CLEANUP FAILS WITH ORA-24756: TRANSACTION DOES NOT EXIST <<<<<<<<<<< Closed, Could Not Reproduce
无论是Global transaction acquire instance locks等待还是后台alert日志中不断出现的ORA-24756错误，问题都指向Oracle的锁和全局事务处理。
而从11g以后，RAC的全局事务的处理由后台进程GTXn来自动维护。该进程是否启动受初始化参数 global_txn_processes 的控制，该参数默认值为1，也就是在数据库启动的时候会默认启动GTXn进程。
询问客户近期是否进行过应用和数据库的调整，可以确认的是客户的应用程序并未发生任何变化，在之前也未出现过类似的问题，不过在出现问题之前，数据库做过主库和Data Guard备库之间的切换演练，而切换演练完成后，恢复正常业务时，就出现了这次故障。显然这次切换演练的操作是被怀疑的重点。
在详细检查了alert告警日志后发现，在DATA GUARD演练后切换回主库时，GTXn进程未启动：
Thu Oct 18 02:36:18 2018
alter database commit to switchover to physical standby with session shutdown
ALTER DATABASE COMMIT TO SWITCHOVER TO PHYSICAL STANDBY [Process Id: 4366] (orcl1)
.
Switchover: Primary controlfile converted to standby controlfile succesfully.
Switchover: Complete - Database shutdown required
Completed: alter database commit to switchover to physical standby with session shutdown
Thu Oct 18 02:45:27 2018
.
RFS[8]: Assigned to RFS process 3216
RFS[8]: Identified database type as 'physical standby': Client is ARCH pid 11990
Thu Oct 18 03:11:13 2018
alter database open
AUDIT_TRAIL initialization parameter is changed to OS, as DB is NOT compatible for database opened with read-only access
This instance was first to open
Beginning standby crash recovery.
Serial Media Recovery started
.
Thu Oct 18 03:11:13 2018
SMON: enabling cache recovery
Dictionary check beginning
Dictionary check complete
Database Characterset is ZHS16GBK
No Resource Manager plan active
Starting background process GTX0
Thu Oct 18 03:11:14 2018
GTX0 started with pid=51, OS id=5041
replication_dependency_tracking turned off (no async multimaster replication found)
Physical standby database opened for read only access.
Completed: alter database open
.
Thu Oct 18 04:57:19 2018
alter database commit to switchover to primary with session shutdown
ALTER DATABASE SWITCHOVER TO PRIMARY (orcl1)
Maximum wait for role transition is 15 minutes.
Switchover: Media recovery is still active
Role Change: Canceling MRP - no more redo to apply
.
Switchover: Complete - Database mounted as primary
Completed: alter database commit to switchover to primary with session shutdown
Thu Oct 18 04:57:39 2018
alter database open
This instance was first to open
Picked broadcast on commit scheme to generate SCNs
.
Thu Oct 18 04:57:44 2018
QMNC started with pid=41, OS id=22585
LOGSTDBY: Validating controlfile with logical metadata
LOGSTDBY: Validation complete
Completed: alter database open
.
Thu Oct 18 06:53:33 2018
opiodr aborting process unknown ospid (26428) as a result of ORA-24756
Thu Oct 18 06:53:36 2018
Errors in file /trace/orcl1_pmon_30688.trc:
ORA-24756: transaction does not exist
Errors in file /trace/orcl1_pmon_30688.trc:
.
Starting background process GTX0
Thu Oct 18 09:51:20 2018
GTX0 started with pid=36, OS id=32470
Starting background process RCBG
Thu Oct 18 09:51:20 2018
从上面节选的部分alert日志可以看到，在2点36分，主库执行了SWITCHOVER操作，开始切换演练。
在3点11分，数据库打开，alert中提示，当前数据库为物理备库，为只读打开模式，在随后的日志中标红的部分，显示此时后台进程GTX0进程启动。
在4点57分，数据库再次执行SWITCHOVER切换，此时数据库并未完全SHUTDOWN，而是直接转换为MOUNT模式，并于4点57分44秒完成了数据库的OPEN过程。但是这个时间段的alert中并未发现GXTn进程的启动。
而在alert中发现GTX0进程再次出现，是故障之后实例1重启时刻的9点51分。
显然，问题已经非常明确，在数据库由物理备库切换为主库的过程中，GTXn进程没有启动，这导致了Oracle无法处理分布式事务的锁问题，因此前台会话出现Global transaction acquire instance locks等待，而后台PMON也无法正常的清理会话和事务。
由于实例2在SWITCHOVER切换过程中是被SHUTDOWN后重新启动的，因此实例2上的GTXn进程是正常启动的，这也是应用切换到实例2上不在出现故障的原因。
如果要避免类似的问题产生，一方面在进行DATA GUARD的切换演练后，在主库切换到PRIMARY模式后，再执行一次数据库重启的操作，确保所有必要的进程都会启动。另一方面，对于应用程序，如果确实需要修改其他数据库中的表，应该通过建立其他数据库连接的方式来实现，避免在数据库中通过数据库链的方式直接更新远端表。
这个案例给我们的警示是：
数据库的工作非常紧密，不同版本的变化也不断向前，了解数据库不同版本的新特性，在进行变更时进行详细的检查确认，才能确保数据库安全稳定运行，少出问题。
数据技术嘉年华大礼包
在本届数据技术嘉年华大会上，您不仅可以获得行业技术大礼包，我们在现场为技术爱好者们准备了抽奖环节，主办方以及各大赞助伙伴为大家准备了多份精美大礼包，每个礼包中包含...
青云——精美限量纪念T恤
云和恩墨——限量纪念电脑内胆包
PingCAP——健身斜跨帆布包
至顶网——精美玩偶
戴尔——马拉松纪念款折叠双肩
创业邦——2018年会价值588门票1张
容联——2018商务电脑手提包
易捷行云——运动款纪念双肩包
华章——2018珍藏版技术图书
等等
支付宝“锦鲤”活动仅仅出现了一个“信小呆”，本届数据技术嘉年华现场将出现多个“信小呆”，以上只是礼包中部分奖品，小编已经迫不及待想要更多的人知道这个福利了，动动手指，转发出去，携身边技术爱好者一起来享用这场技术盛宴，最后“满载而归” 吧，[坏笑][坏笑]。
社团粉丝福利：本文下方评论点赞满10个的读者可以得到价值99元优惠券，小编会留言回复您优惠码，一分钱即可参会。
集赞截止时间：2018年11月15日。
点击“原文链接”注册购票哦，购票过程中有任何问题，可加小助手微信：Enmoedu05。
数据技术嘉年华等你来！
删了库之后,不要着急跑路
一道面试题看数据库性能和安全的方方面面
Percona发布XtraBackup for MySQL 8.0
独立发布的Oracle严重CVE-2018-3110公告
Oracle宣布在云上正式上线 自治事务处理数据库
为什么看了那么多灾难,还是过不好备份这一关
