老菜鸟苦战oracle asm
老菜鸟苦战oracle asm
作者：田逸（[email protected]）from http://b.formyz.org/2011/0726/46.html
应用环境描述
一、硬件
1、 服务器：2台dell r610—16G内存、2颗6核xeon cpu、2个146G sas盘，做了raid1
2、 存储：dell MD3220 24个300G硬盘
3、 存储连接：6GB HBA卡，2个通道都连线了
二、软件
1、 系统：64位centos 5.5
2、 系统内核版本：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软件: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、 数据库软件：linux.x64_11gR2_database_1of2.zip、linux.x64_11gR2_database_2of2.zip
5、 集群软件：linux.x64_11gR2_grid.zip
故障描述
一、故障前的情况：
1、 集群实例正常运行
2、 asm能用asmcmd查看目录和文件
3、 数据库实例正常
4、 监听器正常
5、 客户端远程连接正常
6、 多路径访问正常
7、 /dev/oracleasm/disks目录的下的文件全部存在
二、故障的起因：
1、 打算模拟服务器失效
2、 直接重启两个服务器 init 6
三、故障现象：
1、 两个服务器的asm实例都没有启动成功
2、 两个服务器的oracle实例都没有启动成功
3、 Crs等进程启动几个，但基本上不能正常工作
4、 手动启动crs，失败
5、 以grid用户手动连接实例，强制启动，失败
故障基本原因判断
数据库数据文件、集群软件所需的ocr文件都存储在asm设定的共享存储中，由于集群软件（包括asm实例）启动失败而最终也导致数据库实例启动失败。
处理过程
一、定位故障点：
1、查看系统进程，发现
ASM进程没有起来。但有少许grid相关的进程，如下图所示：
2、手动执行
/u01/app/grid/bin/crsctl start crs 失败
3、查看设备文件目录
/dev/mapper,发现共享存储的分区全部存在
|
[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、初步怀疑是
asm磁盘组出故障了，于是执行 oracleasm listdisks，发现输出只有一行，可实际上是10多行的。
|
[root@rac2 ~]#
oracleasm listdisks
DATA06
|
5、执行
oracleasm scandisks扫描，再次查看输出磁盘，还是只有一个。查了网上的资料，也有这种情况，别人的经验是多执行几次asm磁盘扫描就出来了，但对我这个情况无效。
6、当我们初始化创建
asm磁盘组时，使用命令 oracleasm createdisk OCR1 /dev/mapper/mpath14p1 执行成功后，将在目录/dev/oracleasm/disks目录生成OCR1这个文件，文件名就是asm的磁盘名；创建多少asm磁盘，就会有多少同名文件。进入目录/dev/oracleasm/disks，查看一下，只剩下一个块设备文件DATA06,其余的全部不见了。
|
[root@rac2 ~]#
ll /dev/oracleasm/disks/
total 0
brw-rw---- 1 grid asmadmin 8, 22 Jul 24 00:01 DATA06
|
与
oracleasm listdisks 输出的结果完全一致，由此可知asm磁盘组与操作系统这个目录有直接的关联。这几者的关系可以如下图标识：
现在要做的事情是能不能恢复余下的磁盘文件。
二、处理方法
1、先上网搜索一下吧，搜出来不少，都是建议用
dd清理磁盘，然后再用oracleasm createdisk 重新创建磁盘组。但我担心这样做，asm磁盘里面的数据会全部丢失，没敢这样尝试。
2、打电话问我原来的同事，他现在转行做
dba了。他告诉我，看看是不是设备文件的权限问题，我到服务器上去查看，发现一个机器的/dev/mapper/mpath* 的属主是 root:disk,而另一个服务器相应的目录属主却是grid:oinstall。按照他的建议，我在文件/etc/rc.local写入了行“chown –R grid:oinstall”，然后重启系统，查看目录确实属主按我的意愿变成grid：root，但asm磁盘仍然不能识别，看来问题不在这里。
3、在多个
qq群发送消息，有说权限问题的，也有建议oracleasm scandisk 的。还有的人认为oracleasm服务没有运行起来。还有的人说是裸设备权限问题，我可是没有使用裸设备啊，打开文件/etc/sysconfig/rawdevices,没有任何生效的文本行（全部被注释上了），这应诊了没有使用裸设备。
搞了好几天，没得进展。一天睡在床上，有想起这个问题，既然
/dev/oracleasm/disks有DATA06这个文件，能不能手工创建一些呢（即丢失的那些文件），于是又爬起来。但当我手动执行touch /dev/oracleasm/disks/DATA08时，提示没有权限。看来，只能用mknod之类的命令才可以在这个目录创建文件。
念头一转，又想：既然
DATA06这个文件存在，可能会在某些文件中有记录吧？执行grep DATA06 /etc -r 全路径搜索，还真搜到一个文件 /etc/blkid/blkid.tab,这个文件的如下：
|
[root@rac1 ~]#
more /etc/blkid/blkid.tab
<device DEVNO="0x0807" TIME="1311517843" LABEL="/u011" UUID="0aa29b92-8132-4749-
b016-5190e1a7bcc6" TYPE="ext3" SEC_TYPE="ext2">/dev/sda7</device>
<device DEVNO="0x0806" TIME="1311517843" LABEL="/tmp1" UUID="e6370305-9868-4190-
a256-b9bc84c07b75" TYPE="ext3" SEC_TYPE="ext2">/dev/sda6</device>
<device DEVNO="0x0805" TIME="1311517843" LABEL="/usr1" UUID="d54e800b-b1c8-4d0f-
9095-955122dc5ff1" TYPE="ext3" SEC_TYPE="ext2">/dev/sda5</device>
<device DEVNO="0x0803" TIME="1311517843" LABEL="/var1" UUID="ee60d33f-0c2b-4e80-
93ff-f442c99f6dcf" TYPE="ext3" SEC_TYPE="ext2">/dev/sda3</device>
<device DEVNO="0x0802" TIME="1311517849" TYPE="swap" LABEL="SWAP-sda2">/dev/sda2
</device>
<device DEVNO="0x0801" TIME="1311517843" LABEL="/1" UUID="08e3c9b3-3cfe-403c-9cd
8-ff9e007602fd" TYPE="ext3" SEC_TYPE="ext2">/dev/sda1</device>
<device DEVNO="0x0000" TIME="1311517849" TYPE="swap">/u01/swapfile</device>
<device DEVNO="0xfd10" TIME="1311441535" LABEL="" TYPE="oracleasm">/dev/ma
pper/mpath14p8</device>
<device DEVNO="0xfd09" TIME="1311441535" LABEL="" TYPE="oracleasm">/dev/mapper/m
path15p8</device>
<device DEVNO="0xfd0e" TIME="1311441535"
LABEL="DATA06" TYPE="oracleasm">/dev/ma
pper/mpath14p6</device>
<device DEVNO="0xfd0d" TIME="1311441535" LABEL="" TYPE="oracleasm">/dev/mapper/m
path14p5</device>
<device DEVNO="0xfd06" TIME="1311441535" LABEL="" TYPE="oracleasm">/dev/mapper/m
path15p5</device>
<device DEVNO="0xfd0c" TIME="1311441535" LABEL="" TYPE="oracleasm">/dev/mapper/m
path14p3</device>
<device DEVNO="0xfd05" TIME="1311441535" LABEL="" TYPE="oracleasm">/dev/mapper/m
path15p3</device>
<device DEVNO="0xfd0b" TIME="1311441535" LABEL="" TYPE="oracleasm">/dev/mapper/m
path14p2</device>
<device DEVNO="0xfd04" TIME="1311441535" LABEL="" TYPE="oracleasm">/dev/mapper/m
path15p2</device>
<device DEVNO="0xfd0a" TIME="1311441535" LABEL="" TYPE="oracleasm">/dev/mapp
er/mpath14p1</device>
<device DEVNO="0xfd03" TIME="1311441535" LABEL="" TYPE="oracleasm">/dev/mapp
er/mpath15p1</device>
<device DEVNO="0x0811" TIME="1311441535" LABEL="" TYPE="oracleasm">/dev/sdb1
</device>
<device DEVNO="0x0812" TIME="1311441535" LABEL="" TYPE="oracleasm">/dev/sdb2</de
vice>
<device DEVNO="0x0813" TIME="1311441535" LABEL="" TYPE="oracleasm">/dev/sdb3</de
vice>
<device DEVNO="0x0815" TIME="1311441535" LABEL="" TYPE="oracleasm">/dev/sdb5</de
vice>
<device DEVNO="0x0816" TIME="1311441535"
LABEL="DATA06" TYPE="oracleasm">/dev/sd
b6</device>
<device DEVNO="0x0818" TIME="1311441535" LABEL="" TYPE="oracleasm">/dev/sd
b8</device>
<device DEVNO="0x0821" TIME="1311441535" LABEL="" TYPE="oracleasm">/dev/sdc1
</device>
<device DEVNO="0x0822" TIME="1311441535" LABEL="" TYPE="oracleasm">/dev/sdc2</de
vice>
<device DEVNO="0x0823" TIME="1311441535" LABEL="" TYPE="oracleasm">/dev/sdc3</de
vice>
<device DEVNO="0x0825" TIME="1311441535" LABEL="" TYPE="oracleasm">/dev/sdc5</de
vice>
<device DEVNO="0x0828" TIME="1311441535" LABEL="" TYPE="oracleasm">/dev/sdc8</de
vice>
<device DEVNO="0x0841" TIME="1311441536" LABEL="" TYPE="oracleasm">/dev/sde1
</device>
<device DEVNO="0x0842" TIME="1311441536" LABEL="" TYPE="oracleasm">/dev/sde2</de
vice>
<device DEVNO="0x0843" TIME="1311441536" LABEL="" TYPE="oracleasm">/dev/sde3</de
vice>
<device DEVNO="0x0845" TIME="1311441536" LABEL="" TYPE="oracleasm">/dev/sde5</de
vice>
<device DEVNO="0x0846" TIME="1311441536"
LABEL="DATA06" TYPE="oracleasm">/dev/sd
e6</device>
<device DEVNO="0x0848" TIME="1311441536" LABEL="" TYPE="oracleasm">/dev/sd
e8</device>
<device DEVNO="0x0851" TIME="1311441536" LABEL="" TYPE="oracleasm">/dev/sdf1
</device>
<device DEVNO="0x0852" TIME="1311441536" LABEL="" TYPE="oracleasm">/dev/sdf2</de
vice>
<device DEVNO="0x0853" TIME="1311441536" LABEL="" TYPE="oracleasm">/dev/sdf3</de
vice>
<device DEVNO="0x0855" TIME="1311441536" LABEL="" TYPE="oracleasm">/dev/sdf5</de
vice>
<device DEVNO="0x0858" TIME="1311441536" LABEL="" TYPE="oracleasm">/dev/sdf8</de
vice>
|
从输出能看出一些端倪，凡是
label为空的，就是asm磁盘丢失的。照这个思路，我手动在这个文件改了对应的3行，使其label=“DATA08”。DATA08是当时用oracleasm createdisk创建出来，预留下来的。因为没有数据存在这个DATA08磁盘，所以就是破坏了，也无关紧要。接着执行oracleasm scandisks ; 再 oracleasm listdisks 还是没有任何变化，看来这招也不灵。最后重启系统，看是否有效，还是一样。后来才知，/etc/blkid/blkid.tab文件的内容是运行
blkid后从系统目录/dev下读入数据再自动生成的。
难道只得重新推到再来一次？不甘心啊！倒不是怕数据丢失，而是担心下次这个问题再次发生。
再准备推到重来之前，我再来试试创建一个
asm磁盘。还是拿没有使用的/dev/mapper/mpath14p8分区来做，反正做坏了，也没什么影响。当执行oracleasm createdisk DATA08 /dev/mapper/mpath14p8,没有成功，其输出为：
|
Device "/dev/mapper/mpath14p8" is already labeled for ASM disk“”
|
这个输出给我很好的提示，它说明了
asm 磁盘标签是存在的，但其值为空（它本来的值应该是DATA08）。于是我就思量，能不能强制把它由空值改成原来的值呢？
不知道怎么改
oracle asm磁盘标签，不过这难不倒咱。打开文件 /etc/init.d/oracleasm瞧瞧，乖乖，找到了呢.看下面一段函数：
|
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 \"${OLD}\" see /var/log/oracleasm"
}
|
红色字体这行，就是强制性改
asm磁盘标签的语法。迫不及待，马上执行 oracleasm renamedisk -f /dev/mapper/mpath14p8 DATA08 ，很顺利进行下去了。现在切换到目录/dev/oracleasm/disks，设备文件DATA08出现了，心里一阵狂写啊！在另一个主机上执行oracleasm scandisk ,接着执行oracleasm listdisks ，看见DATA08闪耀登场。由此可以预计，只要按以前的标签名，把对应的asm磁盘强制改名，就应该可以恢复。
先不急于把所有的
asm磁盘标签恢复，从ocr所在的磁盘标签做起。本案的ocr用了两个asm 磁盘，其名称为OCR1、OCR2（幸亏以前安装rac的时候，做了屏幕录像），执行下面两条命令：
|
oracleasm renamedisk -f /dev/mapper/mpath14p1 OCR1
oracleasm renamedisk -f /dev/mapper/mpath15p1 OCR2
|
成功执行后，用
oracleasm scandisks扫描，检查目录/dev/oracleasm/disks,文件OCR1、ORC2都存在了；检查 oracleasm listdisks的输出，确实有OCR1和OCR2.
Ocr恢复了，可以试着启动
crs.以root命令执行 crsctl start crs ,回车后，系统一阵沉默，上个厕所回来，执行完毕返回shell提示符下。赶紧ps auxww|grep –I asm查看进程，asm实例确实起来了.切换到grid用户，执行asmcd，顺利进入交互模式，ASMCMD>ls 输出为：
|
ASMCMD>
ls
DGCRS/
|
注：
DGCRS是由OCR1、OCR2两者合并而成。
再另一个服务器上，启动
crs，asm实例正常运行起来了。
现在，可以放心的强制更改余下的
asm标签，完毕后目录的文件日下：
|
[root@rac1 dev]#
ll /dev/oracleasm/disks
total 0
brw-rw---- 1 grid oinstall
8, 18 Jul 26 17:05 DATA02
brw-rw---- 1 grid oinstall
8, 19 Jul 26 17:05 DATA03
brw-rw---- 1 grid oinstall
8, 21 Jul 26 17:05 DATA05
brw-rw---- 1 grid oinstall
8, 22 Jul 24 22:31 DATA06
brw-rw---- 1 grid oinstall
8, 24 Jul 26 17:05 DATA08
brw-rw---- 1 grid oinstall
8, 34 Jul 26 17:05 DATA12
brw-rw---- 1 grid oinstall
8, 35 Jul 26 17:05 DATA13
brw-rw---- 1 grid oinstall
8, 37 Jul 26 17:05 DATA15
brw-rw---- 1 grid oinstall 253, 14 Jul 24 22:41 DATA16
brw-rw---- 1 grid oinstall
8, 40 Jul 26 17:00 DATA18
brw-rw---- 1 grid oinstall
8, 17 Jul 26 17:05 OCR1
brw-rw---- 1 grid oinstall
8, 33 Jul 24 22:32 OCR2
|
确认无误后，联系相关人员告知要启动数据库了。再次检查
ORACLE_SID、asm磁盘标签等，深呼吸一下，缓慢地输入/u01/app/grid/bin/srvctl start database -d DD4QIGOU 回车，起身离座喝口统一鲜橙多（估计有塑化剂）。估计数据库启得差不多了，回坐查看，oracle实例全部正常起来。不过有一点意外，就是服务器交换了各自的实例（rac1运行的实例是db4qigou_2、而rac2运行的实例是db4qigou_1）；这不要紧，关闭各种的实例，在rac1上执行$srvctl start instance -d DB4QIGOU -i DB4QIGOU_1 -n rac1 ，rac2上执行srvctl start instance -d DB4QIGOU -i DB4QIGOU_2 -n rac2就扳过来了。
补充：oracle官方站点有建议修改 /etc/sysconfig/oracleasm文件的扫描顺序，但在本例无效。