不同备份策略不兼容引起的磁盘空间故障解决实例

应用系统生命周期是一个整体，除了最开始的需求调研、开发测试和上线，更长的时期是在运维方面。应用系统的价值体现也就是在运维阶段，一个经常报错故障的系统运维环境，是很难获得良好的用户体验的。

在实践中，软件开发商和运维方面如果没有完善的沟通交流，新系统是不容易融入原有的运维体系中的，更有甚者会引起很多其他故障。本篇就介绍一个由于备份策略冲突引起的磁盘空间故障。



1、环境介绍和故障



笔者最近接收一个系统，上线运维一年余。交接时候，业务部门反映曾经出现磁盘空间占满故障。当时引起整个系统瘫痪，最后联系开发商介入才解决问题。但是当时反馈也没有彻底解决，只能定时找开发商进行处理。

由于资料信息渠道有限，笔者只能实地观察分析。数据库服务器版本为红帽Linux 6.2，数据库版本为11.2.0.3。



[root@DB ~]# cat /etc/RedHat-release

Red Hat Enterprise Linux Server release 6.1 (Santiago)



SQL> select * from v$version;



BANNER

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

Oracle Database 11g Enterprise Edition Release 11.2.0.3.0 - 64bit Production

PL/SQL Release 11.2.0.3.0 - Production

CORE    11.2.0.3.0      Production

TNS for Linux: Version 11.2.0.3.0 - Production

NLSRTL Version 11.2.0.3.0 - Production



故障是从磁盘空间相关的，所以当前磁盘状态df如下。



[root@DB ~]# df -h

Filesystem            Size  Used Avail Use% Mounted on

/dev/sda3              59G  8.4G  48G  15% /

tmpfs                3.9G  288K  3.9G  1% /dev/shm

/dev/sda2            194M  41M  143M  23% /boot

/dev/sda1            200M  256K  200M  1% /boot/efi

/dev/sda8            1.4T  351G  976G  27% /data

/dev/sda4              59G  23G  34G  40% /home

/dev/sda5              59G  180M  56G  1% /tmp

/dev/sda6              59G  5.9G  50G  11% /var



系统空间分布比较典型，资源相对来说是比较富裕的。最大容量分区/data目录将近1.4T数据量，使用了351G。从oracle用户环境变量上，数据库软件是安装在/home文件夹下，而数据文件是在/data里面。



[oracle@DB]/home/oracle>env | grep ORA

ORACLE_BASE=/home/oracle/app

ORACLE_HOME=/home/oracle/app/product/11.2.0/db_1

ORACLE_OWNER=oracle

ORACLE_SID=db



业务系统数据shema数据量极小，只有77M。根据业务分析，系统的业务数据只保存在数据库中，而且没有删除的机制。这种情况下，由于业务数据突然膨胀引发的磁盘空间爆满的机率是很低的。

分析重点在于，/data中超过300G的空间消耗是如何出现的？



2、问题分析



进入/data目录，我们发现应用程序在这个目录中进行RMAN备份。



[root@DB rman]# pwd

/data/db/rman

[root@DB rman]# ls -l

total 1312

drwxr-xr-x. 2 oracle oinstall 409600 Mar  7 01:02 bak

-rw-r--r--. 1 oracle oinstall      0 Aug 21  2013 get

drwxr-xr-x. 2 oracle oinstall 921600 Mar  7 01:01 logs

-rwxr-x---. 1 oracle oinstall  1037 Jul  1  2013 rman_full.sh



显然，/data/db/rman目录是应用系统内部的备份机制。目前很多系统都有自带的数据库备份模块，从现在看，系统是计划使用RMAN程序进行备份。

目录中的rman_full.sh脚本是主要执行脚本。



[root@DB rman]# cat rman_full.sh

#!/bin/ksh

#set env

（篇幅原因，有省略……）

$BIN/rman log $BACKUP_LOG/$TARGET_SID.full.$DATE_3.log <<EOF

connect target /

run{

allocate channel c1 type disk ;

allocate channel c2 type disk ;

backup full database format '$BACKUP_PATH/${DATE_2}_full_%d_%s_%p_%u.bak'

tag='full' include current controlfile;

sql 'alter system archive log current';

backup archivelog all format '$BACKUP_PATH/${DATE_2}_archivelog_%d_%s_%p_%u.bak';

delete noprompt expired backupset of archivelog all ;

release channel c1 ;

release channel c2 ;

}

crosscheck backup;

delete noprompt expired backup;

delete noprompt obsolete;

exit;

EOF



从公允的角度看，这个脚本是看不出什么问题的。设置环境变量、目录位置、对数据库和归档文件进行备份。之后进行crosscheck检查expired backup信息，最后依据obsolete retention原则将过期日志进行删除。

目录结构中的bak是存放备份集合的地方（虽然控制文件还是遗留在$ORACLE_HOME/dbs中），logs目录为文本日志。进入bak目录之后，检查备份情况。



[root@DB bak]# ls | more

20130719_archivelog_DB_109189_1_k5of3j4s.bak

20130719_archivelog_DB_109190_1_k6of3j4t.bak

20130719_full_DB_109180_1_jsof3j1b.bak

20130719_full_DB_109186_1_k2of3j4d.bak

20130720_archivelog_DB_109258_1_maof64d1.bak

20130720_archivelog_DB_109259_1_mbof64d2.bak

20130720_full_PDB_109255_1_m7of64cn.bak

（篇幅原因，有省略）

20140307_full_DB_115107_1_d3p2ho2g.bak

20140307_full_DB_115108_1_d4p2ho2g.bak

20140307_full_DB_115109_1_d5p2ho47.bak

201401171422.dmp

full_20130720.tar.gz

rm



注意：备份片中的时间日期是在其中的，从2013年7月开始，一直备份集合就存在。数据总量是300G。



[root@DB bak]# du -h

301G    .



这个显然是有问题，在rman备份脚本中，有明确的delete obsolete语句，将不需要的备份集合删除。确定obsolete的规则是可以从show all中看到。



RMAN> show all;



RMAN configuration parameters for database with db_unique_name DB are:

CONFIGURE RETENTION POLICY TO RECOVERY WINDOW OF 7 DAYS;

CONFIGURE BACKUP OPTIMIZATION OFF; # default

CONFIGURE DEFAULT DEVICE TYPE TO DISK; # default

CONFIGURE CONTROLFILE AUTOBACKUP ON;



留存窗口策略是7天。现实bak目录中的内容显然是超过了这个范围。长期的备份留存会让bak占有的空间越来越多，这样即使/data目录有1.4T这么大的空间，也会被撑满的。

那么，确认到撑满的原因之后，就需要确认Oracle在执行应用程序RMAN脚本时候，为什么没有成功删除备份。寻找logs目录中每天的日志信息，可以找到答案。



[root@DB logs]# tail -n 20 db.full.20140307010102.log

  Backup Piece      73678  27-FEB-14          c-1778314713-20140227-02

Backup Set          73679  27-FEB-14      

  Backup Piece      73679  27-FEB-14          a5p1mv7i_1_1

Backup Set          73680  27-FEB-14      

  Backup Piece      73680  27-FEB-14          a6p1mv8m_1_1

Backup Set          73681  27-FEB-14      

  Backup Piece      73681  27-FEB-14          c-1778314713-20140227-03

Backup Set          73684  28-FEB-14      

  Backup Piece      73684  28-FEB-14          /data/awpdb/rman/bak/20140228_full_PDB_115018_1_aap1ncc6.bak

Backup Set          73685  28-FEB-14      

  Backup Piece      73685  28-FEB-14          /home/oracle/app/product/11.2.0/db_1/dbs/c-1778314713-20140228-00

RMAN-00571: ===========================================================

RMAN-00569: =============== ERROR MESSAGE STACK FOLLOWS ===============

RMAN-00571: ===========================================================

RMAN-03002: failure of delete command at 03/07/2014 01:02:57

RMAN-06091: no channel allocated for maintenance (of an appropriate type)



在删除obsolete的时候出现问题，RMAN-06091表示分配channel出现了问题。于是，问题原因思路就出现了：根源在于删除obsolete的时候报错，长期以来脚本不能成功删除过期备份，最后备份文件撑满文件系统。