Oracle 实例恢复详解 MTTR

MTTR-Mean Time To Recover
MTBF-Mean Time Between Failures
 

 

先要明白一些概念：

日志文件中的信息为了当系统出现failure时，保证事务可以恢复。当用户事务完成发出commit时，总是先等待LGWR进程将事务所需的redo信息写到日志文件（之前可能在redo buffer中）后，才会收到commit complete信息。

DBWR进程总是比LGWR进程写的速度慢（DBWR进程是随机写，LGWR进程是顺序写，随机写比顺序写要慢）

当DBWR进程要将缓存区中的信息写入到数据文件时，会先通知LGWR进程将事务相关的redo信息写入到日志文件。

SCN可以理解为一个标签，ORACLE对数据库中的每个操作都打上一个标签。这个标签是顺序增加的。永远不会归0（除非数据库重建）

CHECKPOINT是ORACLE为了记录哪些数据已经被写入到数据文件中。

CHECKPOINT的作用就是要保证当checkpoint发生时，这个checkpoint SCN之前的数据都要由DBWR写入到数据文件中，而在DBWR写之前，又会触发LGWR进程将相关的redo信息写入到日志文件中。这样，checkpoint完成后，发生instance failure时就不再需要恢复这个checkpoint SCN前的信息.

理解实例恢复的相关信息：

Instance Recovery所需要的信息，就是最近一次checkpoint之后到日志文件结尾的这些redo信息。
因为checkpoint之前的数据都已经一致性地写入到数据文件中了，而之后的数据可能有一部分已经写进数据文件，而有一部分没有写进数据文件。

Instance Recovery所需要的时间，将数据文件 从最近一次checkpoint开始，恢复到控制文件中记录的这个数据文件的最后一个SCN值为止，应用这两者之间redo信息的时间就是instance recovery所要花费的时间。

实例恢复的调整：

由上面的信息可以总结出，实例恢复最关键的问题的就是最近一次CHECKPOINT发生的时间，以及CHECKPOINT发生的频率。只有确认了最近一次CHECKPOIN发生的时间点，才能确定恢复所需的redo信息，以及恢复所要花费的时间。

对于instance recovery花费时间的调优，就是对参数FAST_START_MTTR_TARGE的调整，单位“秒”，最大值为3600秒。

也就是说FAST_START_MTTR_TARGET这个参数的设置会直接影响到checkpoint发生的频率。

FAST_START_MTTR_TARGE所设置的时间就是用户希望数据库用在instance recovery的时间。也就是从应用最近一次checkpoint到日志信息最后这两个点之间redo信息所要花费的时间。

MTTR设置的时间过小的话，会造成系统checkpoint过于频繁，而发生checkpoint时就要DBWR，LGWR等进程写数据文件，产生物理IO，久而久之，数据库性能会越来越慢；
MTTR设置的时间过大的话，当实例失败时，instance recover所花费的时间就会过长。

从10g开始，数据库可以实现自动调整，如果FAST_START_MTTR_TARGET=0时，可以从alert里面看到如下信息：
MTTR advisory is disabled because FAST_START_MTTR_TARGET is not set
此时，数据库会根据负载自动调整checkpoint发生的频率。

如果要严格要求instance recovery时间的话，就设置FAST_START_MTTR_TARGET参数，如果不是那么严格的话，建议用10g的自动调整。

5.4.2.5 实例恢复的原理

前面我们讲到过，当数据库突然崩溃，而还没有来得及将buffer cache里的脏数据块刷新到数据文件里，同时在实例崩溃时正在运行着的事务被突然中断，则事务为中间状态，也就是既没有提交也没有回滚。这时数据文件里的内容不能体现实例崩溃时的状态。这样关闭的数据库是不一致的。

下次启动实例时，Oracle会由SMON进程自动进行实例恢复。实例启动时，SMON进程会去检查控制文件中所记录的、每个在线的、可读写的数据文件的END SCN号。数据库正常运行过程中，该END SCN号始终为空，而当数据库正常关闭时，会进行完全检查点，并将检查点SCN号更新该字段。而崩溃时，Oracle还来不及更新该字段，则该字段仍然为空。当SMON进程发现该字段为空时，就知道实例在上次没有正常关闭，于是由SMON进程就开始进行实例恢复了。

SMON进程进行实例恢复时，会从控制文件中获得检查点位置。于是，SMON进程到联机日志文件中，找到该检查点位置，然后从该检查点位置开始往下，应用所有的重做条目，从而在buffer cache里又恢复了实例崩溃那个时间点的状态。这个过程叫做前滚，前滚完毕以后，buffer cache里既有崩溃时已经提交还没有写入数据文件的脏数据块，也还有事务被突然终止，而导致的既没有提交又没有回滚的事务所弄脏的数据块。

前滚一旦完毕，SMON进程立即打开数据库。但是，这时的数据库中还含有那些中间状态的、既没有提交又没有回滚的脏块，这种脏块是不能存在于数据库中的，因为它们并没有被提交，必须被回滚。打开数据库以后，SMON进程会在后台进行回滚。

有时，数据库打开以后，SMON进程还没来得及回滚这些中间状态的数据块时，就有用户进程发出读取这些数据块的请求。这时，服务器进程在将这些块返回给用户之前，由服务器进程负责进行回滚，回滚完毕后，将数据块的内容返回给用户。

Oracle提供了初始化参数fast_start_mttr_target让我们指定完成实例恢复所花费的时间（该时间只包括前滚并打开数据库的时间，不包括回滚的时间），该参数以秒为单位。比如我们设置该参数为30，表示如果发生实例崩溃，那么下次重新启动时，数据库最多用30秒的时间完成前滚，并打开数据库。在数据库运行过程中，就会根据该时间，来估算30秒大致对应多少量的重做记录，这实际上就决定了检查点位置，如图5-8所示。

图5-8 检查点队列3

图5-8中的红色竖线就是检查点位置。Oracle应用完检查点位置以后所有的重做记录所花费的时间就是 fast_start_mttr_target所指定的时间。也就是说，检查点位置以后的重做记录所对应的脏块会被留在检查点队列上，而不被DBWn写入数据文件。因此，该参数越大，说明要应用的重做记录就越多，那么留在检查点队列上的脏块就越多，也就说明DBWn写脏块越不频繁，占用I/O越少，那么前台用户查询语句的I/O就能够越快地被响应。但是实例恢复的时间也会越长。反之，该参数越小，说明要应用的重做记录就越少，那么留在检查点队列上的脏块就越少，也就说明DBWn写脏块越频繁，因而占用I/O越多，那么前台用户查询语句的I/O就不能较快地被响应。但是实例恢复的时间会更短。