DBA手记:System State转储分析之问题定位

在 Oracle 数据库的运行过程中，可能会因为一些异常遇到数据库挂起失去响应的状况，在这种状况下，我们可以通过对系统状态进行转储，获得跟踪文件进行数据库问题分析；很多时候数据库也会自动转储出现问题的进程或系统信息；这些转储信息成为我们分析故障、排查问题的重要依据。

本章通过实际案例的详细分析，讲解如何逐层入手、层层剖析的分析数据库故障。

1.1          状态转储的常用命令

当数据库出现一些挂起状态时，往往会严重影响到数据库使用，进程级的问题影响范围较小，而系统级的问题则会影响全局。

在出现数据库系统或进程失去响应时，如果 SQL*Plus 工具仍然可以连接，可能视图查询没有相应，但是可以通过 oradebug 工具来进行进程及系统状态信息的转储，从而可以进行 Hang 分析。

DUMP 进程状态可以使用：

    　　 alter sessions set events 'immediate trace name processstate level <level>' ；

    或者使用：

    　　 oradebug setmypid

    　　 oradebug ulimit

    　　 oradebug dump processstate<level>

当诊断数据库挂起时，可以使用 DUMP 命令转储整个系统状态：

　　 alter sessions set events 'immediate trace name systemstate level <level>' ；

　　或：

　　 oradebug setmypid

　　 oradebug ulimit

　　 oradebug dump systemstate <level>

如果为了获取全面一点的信息，可以使用 Level 10 。

SQL> oradebug setmypid

SQL> oradebug unlimit

SQL> oradebug dump systemstate 10

另外如果系统挂起，无法用 SQL*Plus 连接，从 Oracle 10g 开始，可以使用 sqlplus -prelim 选项强制登录，然后即可进行系统状态信息转储：

sqlplus -prelim '/ as sysdba'

oradebug setmypid

oradebug unlimit;

oradebug dump systemstate 10

 

1.2          WAITED TOO LONG FOR A ROW CACHE ENQUEUE LOCK! 案例

在一次客户现场培训中，客户提出一个系统正遇到问题，请求我协助诊断解决，理论联系实践，这是我在培训中极力主张的，我们的案例式培训业正好遇到了实践现场。

 

问题是这样的：

此前一个 Job 任务可以在秒级完成，而现在运行了数小时也无法结束，一直挂起在数据库中，杀掉进程重新手工执行，尝试多次，同样无法完成。

客户的数据库环境为：

Oracle Database 10g Enterprise Edition Release 10.2.0.3.0 - 64bit Production

With the Partitioning, OLAP and Data Mining options

Node name:    SF2900  Release:   5.9  Version: Generic_118558-33 Machine:  sun4u

  介入问题诊断首先需要收集数据，我最关注两方面的信息：

1． 告警日志文件，检查是否出现过异常

2． 生成 AWR 报告，检查数据库内部的运行状况

通常有了这两部信息，我们就可以做出初步判断了。

 

检查数据库的告警日志文件，我们发现其中出现过一个如下错误：

>>> WAITED TOO LONG FOR A ROW CACHE ENQUEUE LOCK! <<<

这个错误提示出现在 7 点左右，正是 JOB 的调度时间附近，显然这是一个高度相关的可能原因。

1.3          DUMP 转储文件分析定位问题

 

这个异常生成了转储的 DUMP 文件，获得该文件进行进一步的详细分析。

该文件得头部信息如下：

Redo thread mounted by this instance: 1

Oracle process number: 29

Unix process pid: 8371 , image: oracleEDW@SF2900

 

*** 2010-03-27 06:54:00.114

*** ACTION NAME:() 2010-03-27 06:54:00.106

*** MODULE NAME:(SQL*Plus) 2010-03-27 06:54:00.106

*** SERVICE NAME:(EDW) 2010-03-27 06:54:00.106

*** SESSION ID:(120.46138) 2010-03-27 06:54:00.106

>>> WAITED TOO LONG FOR A ROW CACHE ENQUEUE LOCK! <<<

row cache enqueue: session: 6c10508e8, mode: N, request: S

ROW CACHE 队列锁无法获得，表明数据库在 SQL 解析时，遇到问题， DC 层面出现竞争，导致超时。 Row Cache 位于 Shared Pool 中的 Data Dictionary Cache ，是用于存储表列定义、权限等相关信息的。

注意以上信息中的重要内容包括：

1． 超时告警的时间是 06:54: 2010-03-27 06:54:00.106

2． 出现等待超时的数据库进程号是 29 ： Oracle process number: 29

3． 等待超时的 29 号进程的 OS 进程号为 8317 ： Unix process pid: 8371

4． 进程时通过 SQL*Plus 调度执行的： MODULE NAME:(SQL*Plus)

5． 会话的 ID 、 Serial# 信息为 120.46138 ： SESSION ID:(120.46138)

6． 进程的 State Object 为 6c10508e8 ： row cache enqueue: session: 6c10508e8

7． 队列锁的请求模式为共享（ S ）： mode: N, request: S

有了这些重要的信息，我们就可以开始一些基本的分析。

首先可以在跟踪文件中找到 29 号进程，查看其中的相关信息。经过检查可以发现这些内容与跟踪文件完全相符合：

PROCESS 29:

  ----------------------------------------

    SO: 6c1006740 , type: 2, owner: 0, flag: INIT/-/-/0x00

  (process) Oracle pid=29, calls cur/top: 6c1097430/6c1096bf0 , flag: (0) -

            int error: 0, call error: 0, sess error: 0, txn error 0

  (post info) last post received: 109 0 4

              last post received-location: kslpsr

              last process to post me: 6c1002800 1 6

              last post sent: 0 0 24

              last post sent-location: ksasnd

              last process posted by me: 6c1002800 1 6

    (latch info) wait_event=0 bits=0

    Process Group: DEFAULT, pseudo proc: 4f818c298

    O/S info: user: oracle, term: UNKNOWN, ospid: 8371

    OSD pid info: Unix process pid: 8371 , image: oracleEDW@SF2900

 

进一步的向下检查可以找到 SO 对象 6c10508e8 ，这里显示该进程确实由客户端的 SQL*Plus 发起，并且客户端的主机名称及进程的 OSPID 都记录在案：

    SO: 6c10508e8 , type: 4, owner: 6c1006740, flag: INIT/-/-/0x00

    (session) sid: 120 trans: 6c285ea98, creator: 6c1006740, flag: (100041) USR/- BSY/-/-/-/-/-

              DID: 0001-001D-001BC795, short-term DID: 0000-0000-00000000

              txn branch: 0

              oct: 2, prv: 0, sql: 4f528d510, psql: 491cbe3e8, user: 56/CACI

    O/S info: user: Administrator, term: HOST03, ospid: 37692:38132, machine:

              program: sqlplus.exe

application name: SQL*Plus, hash value=3669949024

接下来的信息显示，进程一直在等待，等待事件为 'ksdxexeotherwait' ：

    last wait for 'ksdxexeotherwait' blocking sess=0x0 seq=36112 wait_time=5 seconds since wait started=3

                =0, =0, =0

    Dumping Session Wait History

     for 'ksdxexeotherwait' count=1 wait_time=5

                =0, =0, =0

     for 'ksdxexeotherwait' count=1 wait_time=5

                =0, =0, =0

     for 'ksdxexeotherwait' count=1 wait_time=3

                =0, =0, =0

     for 'ksdxexeotherwait' count=1 wait_time=5

                =0, =0, =0

      for 'ksdxexeotherwait' count=1 wait_time=4

                =0, =0, =0

     for 'ksdxexeotherwait' count=1 wait_time=3

                =0, =0, =0

     for 'ksdxexeotherwait' count=1 wait_time=4

                =0, =0, =0

     for 'ksdxexeotherwait' count=1 wait_time=4

                =0, =0, =0

     for 'ksdxexeotherwait' count=1 wait_time=3

                =0, =0, =0

     for 'ksdxexeotherwait' count=1 wait_time=3

                =0, =0, =0

    temporary object counter: 0

在这个进程跟踪信息的最后部分，有如下一个 SO 对象继承关系列表，注意这里的 OWNER 具有级联关系，下一层隶属于上一层的 Owner ，第一个 SO 对象的 Owner 6c1006740 就是 PROCESS 29 的 SO 号。

到了最后一个级别的 SO 4e86f03e8 上，请求出现阻塞。

Row cache enqueue 有一个（ count=1 ）共享模式（ request=S ）的请求被阻塞：

    ----------------------------------------

    SO: 6c1096bf0, type: 3, owner: 6c1006740 , flag: INIT/-/-/0x00

    (call) sess: cur 6c10508e8, rec 6c10508e8, usr 6c10508e8; depth: 0

      ----------------------------------------

      SO: 6c1096eb0, type: 3, owner: 6c1096bf0 , flag: INIT/-/-/0x00

      (call) sess: cur 6c10508e8, rec 6c10691f8, usr 6c10508e8; depth: 1

        ----------------------------------------

        SO: 6c1097430, type: 3, owner: 6c1096eb0 , flag: INIT/-/-/0x00

        (call) sess: cur 6c10691f8, rec 6c10691f8, usr 6c10508e8; depth: 2

          ----------------------------------------

          SO: 4e86f03e8, type: 50, owner: 6c1097430 , flag: INIT/-/-/0x00

          row cache enqueue: count=1 session=6c10508e8 object=4f4e57138 , request=S

          savepoint=0xf67b

 

回过头去对比一下跟踪文件最初的信息，注意这里的 session 信息正是跟踪文件头上列出的 session 信息：

>>> WAITED TOO LONG FOR A ROW CACHE ENQUEUE LOCK! <<<

row cache enqueue: session: 6c10508e8, mode: N, request: S

至此我们找到了出现问题的根源，这里也显示请求的对象是 object=4f4e57138 。

1.4          ROW CACHE 对象的定位

跟踪文件向下显示了更进一步的信息，地址为 4f4e57138 的 Row Cache Parent Object 紧跟着之前的信息显示出来，跟踪信息同时显示是在 DC_OBJECTS 层面出现的问题。

跟踪信息显示对象的锁定模式为排他锁定（ mode=X ）。

下图是跟踪文件的截取，我们可以看到 Oracle 的记录方式：

    进一步的，跟踪文件里也显示了 29 号进程执行的 SQL 为 INSERT 操作：

----------------------------------------                                                                         

  SO: 4f2e82c88, type: 53, owner: 6c10508e8, flag: INIT/-/-/0x00                                                   

  LIBRARY OBJECT LOCK: lock=4f2e82c88 handle=4f528d510 mode=N                                                      

  call pin=0 session pin=0 hpc=0000 hlc=0000                                                                        

  htl=4f2e82d08[4f2de4dd8,4f2e844c0] htb=4e84c5db0 ssga=4e84c57c8                                                  

  user=6c10508e8 session=6c10508e8 count=1 flags=[0000] savepoint=0x4bad2ee7                                        

  LIBRARY OBJECT HANDLE: handle=4f528d510 mtx=4f528d640(1) cdp=1                                                   

  name=INSERT /*+ APPEND*/ INTO CACI_INV_BLB_DC NOLOGGING SELECT :B1 , T.*, SYSDATE FROM CACI_INV_BLB T             

  hash=6734e347f90993bcd607836585310c4d timestamp=03-24-2010 06:01:54                                              

  namespace=CRSR flags=RON/KGHP/TIM/PN0/MED/KST/DBN/MTX/[500100d0]                                                 

  kkkk-dddd-llll=0000-0001-0001 lock=N pin=0 latch#=12 hpc=ffec hlc=ffec                                           

  lwt=4f528d5b8[4f528d5b8,4f528d5b8] ltm=4f528d5c8[4f528d5c8,4f528d5c8]                                            

  pwt=4f528d580[4f528d580,4f528d580] ptm=4f528d590[4f528d590,4f528d590]                                            

  ref=4f528d5e8[4f528d5e8,4f528d5e8] lnd=4f528d600[4f581b4d8,4f5d190a8]                                            

   LIBRARY OBJECT: object=4a7227a50                                                                                

   type=CRSR flags=EXS[0001] pflags=[0000] status=VALD load=0                                                     

   CHILDREN: size=16                                                                                               

   child#    table reference   handle                                                                             

   ------ -------- --------- --------                                                                             

         0 4a7227518 4a7227188 4ae9ed1f0                                                                           

        1 4a7227518 4a7227420 494cd5878                                                                           

   DATA BLOCKS:                                                                                                    

   data#     heap  pointer    status pins change whr                                                              

   ----- -------- -------- --------- ---- ------ ---                                                               

       0 4aebaa950 4a7227b68 I/P/A/-/-    0 NONE   00                                                             

  ----------------------------------------                                                                           

好了，那么现在我们来看看是哪一个进程排他的锁定了之前的 4f4e57138 对象。在跟踪文件中搜索 4f4e57138 就可以很容易的找到这个持有排他锁定的 SO 对象。

以下显示了相关信息， Row Cache 对象的信息在此同样有所显示：

        ----------------------------------------

        SO: 4e86f0508 , type: 50, owner: 8c183c258, flag: INIT/-/-/0x00

        row cache enqueue: count=1 session=8c005d7c8 object=4f4e57138, mode=X

        savepoint=0x2716

        row cache parent object: address=4f4e57138 cid=8(dc_objects)

        hash=b363a728 typ=11 transaction=8c183c258 flags=00000002

        own=4f4e57208[4e86f0538,4e86f0538] wat=4f4e57218[4e86f0418,4e86f0418] mode=X

        status=VALID/-/-/-/-/-/-/-/-

        set=0, complete=FALSE

        data=

        00000038 00134944 585f4341 43495f49 4e565f42 4c425f44 43000000 00000000

        00000000 04000009 505f3230 31305f51 31000000 00000000 00000000 00000000

        00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000

        00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000

        00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000

        00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000

        00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000

        00000000 00000000 00000000 000209ca ffff0000 000209ca 14786e01 020e3239

        786e0102 0e323978 6e01020e 32390100 00000000 00000000 00000000 00000000

        00000000 00000006

      ----------------------------------------

再向上找到这个进程的信息，发现其进程号为 16 ：

PROCESS 16:

  ----------------------------------------

  SO: 8c00037d0, type: 2, owner: 0, flag: INIT/-/-/0x00

  (process) Oracle pid=16, calls cur/top: 8c0095028/8c0094aa8, flag: (0) -

            int error: 0, call error: 0, sess error: 0, txn error 0

  (post info) last post received: 115 0 4

              last post received-location: kslpsr

              last process to post me: 6c1002800 1 6

              last post sent: 0 0 24

              last post sent-location: ksasnd

              last process posted by me: 6c1002800 1 6

    (latch info) wait_event=0 bits=0

    Process Group: DEFAULT, pseudo proc: 4f818c298

    O/S info: user: oracle, term: UNKNOWN, ospid: 8200

    OSD pid info: Unix process pid: 8200, image: oracle@SF2900 (J000)

在这里可以看到 16 号进程是一个 JOB 进程，其进程为 J000 ，那么这个 JOB 进程在执行什么操作呢？下面的信息可以看出一些端倪， JOB 由 DBMS_SCHEDULER 调度，执行 AUTO_SPACE_ADVISOR_JOB 任务，处于 Wait for shrink lock 等待：

Job Slave State Object

Slave ID: 0, Job ID: 8913

    ----------------------------------------

    SO: 8c005d7c8, type: 4, owner: 8c00037d0, flag: INIT/-/-/0x00

    (session) sid: 45 trans: 8c183c258, creator: 8c00037d0, flag: (48100041) USR/- BSY/-/-/-/-/-

              DID: 0001-0010-0007BFA6, short-term DID: 0000-0000-00000000

              txn branch: 0

              oct: 0, prv: 0, sql: 0, psql: 0, user: 0/SYS

    O/S info: user: oracle, term: UNKNOWN, ospid: 8200, machine: SF2900

              program: oracle@SF2900 (J000)

    application name: DBMS_SCHEDULER, hash value=2478762354

    action name: AUTO_SPACE_ADVISOR_JOB, hash value=348111556

    waiting for 'Wait for shrink lock' blocking sess=0x0 seq=5909 wait_time=0 seconds since wait started=3101

                object_id=0, lock_mode=0, =0

    Dumping Session Wait History

     for 'Wait for shrink lock' count=1 wait_time=380596

                object_id=0, lock_mode=0, =0

     for 'Wait for shrink lock' count=1 wait_time=107262

                object_id=0, lock_mode=0, =0

     for 'Wait for shrink lock' count=1 wait_time=107263

                object_id=0, lock_mode=0, =0

     for 'Wait for shrink lock' count=1 wait_time=107246

                object_id=0, lock_mode=0, =0

     for 'Wait for shrink lock' count=1 wait_time=107139

                object_id=0, lock_mode=0, =0

     for 'Wait for shrink lock' count=1 wait_time=107248

                object_id=0, lock_mode=0, =0

     for 'Wait for shrink lock' count=1 wait_time=107003

                object_id=0, lock_mode=0, =0

     for 'Wait for shrink lock' count=1 wait_time=107169

                object_id=0, lock_mode=0, =0

     for 'Wait for shrink lock' count=1 wait_time=107233

                object_id=0, lock_mode=0, =0

     for 'Wait for shrink lock' count=1 wait_time=107069

                object_id=0, lock_mode=0, =0

    temporary object counter: 3

进一步向下查找，可以找到 Shrink 操作执行的 SQL 语句：

----------------------------------------                                                      

SO: 4e8a2c6c0, type: 53, owner: 8c005d7c8, flag: INIT/-/-/0x00                               

LIBRARY OBJECT LOCK: lock=4e8a2c6c0 handle=4c3c1ce60 mode=N                                  

call pin=0 session pin=0 hpc=0000 hlc=0000                                                    

htl=4e8a2c740[4e81436e0,4e8c80c98] htb=4e8937910 ssga=4e8936e48                              

user=8c005d7c8 session=8c005d7c8 count=1 flags=[0000] savepoint=0x4bad2eec                   

LIBRARY OBJECT HANDLE: handle=4c3c1ce60 mtx=4c3c1cf90(1) cdp=1                               

name=alter index "CACI"."IDX_CACI_INV_BLB_DC" modify partition "P_2010_Q1" shrink space CHECK

hash=0ed1a6f7b2cf775661d314b8d1b7659b timestamp=03-25-2010 22:05:09                           

namespace=CRSR flags=RON/KGHP/TIM/PN0/MED/KST/DBN/MTX/[500100d0]                             

kkkk-dddd-llll=0000-0001-0001 lock=N pin=0 latch#=15 hpc=0002 hlc=0002                       

lwt=4c3c1cf08[4c3c1cf08,4c3c1cf08] ltm=4c3c1cf18[4c3c1cf18,4c3c1cf18]                        

pwt=4c3c1ced0[4c3c1ced0,4c3c1ced0] ptm=4c3c1cee0[4c3c1cee0,4c3c1cee0]                        

ref=4c3c1cf38[4c3c1cf38,4c3c1cf38] lnd=4c3c1cf50[4c3c1cf50,4c3c1cf50]                        

  LIBRARY OBJECT: object=4aa2bf668                                                           

  type=CRSR flags=EXS[0001] pflags=[0000] status=VALD load=0                                 

  CHILDREN: size=16                                                                           

  child#    table reference   handle                                                         

  ------ -------- --------- --------                                                         

       0 49efa3fe8 49efa3c58 4c3ad91a8                                                        

       1 49efa3fe8 49efa3ed8 4c3941608                                                       

  DATA BLOCKS:                                                                               

  data#     heap  pointer    status pins change whr                                          

  ----- -------- -------- --------- ---- ------ ---                                          

      0 4c3589b38 4aa2bf780 I/P/A/-/-    0 NONE   00                                         

----------------------------------------                                                       

至此，真相大白于天下：

1．  系统通过 DBMS_SCHEDULER 调度执行 AUTO_SPACE_ADVISOR_JOB 任务

发出了 SQL 语句：

alter index "CACI"."IDX_CACI_INV_BLB_DC" modify partition "P_2010_Q1" shrink space CHECK

2．  定时任务不能及时完成产生了排他锁定

3．  客户端执行的 INSERT 操作挂起

INSERT 语句为：

INSERT /*+ APPEND*/ INTO CACI_INV_BLB_DC NOLOGGING SELECT :B1 , T.*, SYSDATE FROM CACI_INV_BLB T

Shrink Space 的语句所以不能成功完成是因为该索引的相关数据表的数据量过为巨大。在 Oracle10g 中，缺省的有一个任务定时进行分析为用户提供空间管理建议，在进行空间建议前， Oracle 执行 Shrink Space Check ，这个检查工作和 Shrink 的具体内部工作完全相同，只是不执行具体动作。

这个 Shrink Space 的检查对于客户环境显得多余。

现场解决这个问题，只需要将 16 号进程 Kill 掉，即可释放了锁定，后面的操作可以顺利进行下去。

参考至：http://www.eygle.com/archives/2011/05/dbasystem_state_rowcache.html
             http://www.eygle.com/archives/2011/05/dbasystem_state_file.html
如有错误，欢迎指正
邮箱:[email protected]