记一次因网卡心跳故障引发RAC节点重启故障分析

数据库与CRS版本：10.2.0.4

down机过程分析

序号	节点	时间	动作	日志源
1	二	Jul 4 22:48:15	XXdb2 kernel: NETDEV WATCHDOG: eth1: transmit timed out bnx2: fw sync timeout, reset code = 1020015	OS
2	二	Jul 4 22:48:29 -- Jul 4 22:49	CRS-1612:node XXdb1 (1) at 50% heartbeat fatal, eviction in 29.118 seconds ]CRS-1610:node XXdb1 (1) at 90% heartbeat fatal, eviction in 5.128 seconds	CRS
3	二	Jul 4 22:54:14	XXdb2 syslogd 1.4.1: restart	OS
4	二	Jul 4 22:54:14	XXdb2 ifup: Device eth1 has different MAC address than expected, ignoring. XXdb2 network: Bringing up interface eth1:  failed	OS
5	二	Jul  5 01:22:27 -- Jul  5 01:58:49	XXdb2 logger: Cluster Ready Services waiting on dependencies. Diagnostics in /tmp/crsctl.5659	OS
6	二	Jul 5 01:59:30	XXdb2 shutdown: shutting down for system reboot	OS
7	二	Jul 5 03:00:08	CRS-1605:CSSD voting file is online: /dev/raw/raw18. Details in /home/oracle/product/10.2.0/crs/log/XXdb2/cssd/ocssd.log	CRS
8	一	Jul 4 23:00:00	CRS-1612:node XXdb2 (2) at 50% heartbeat fatal, eviction in 29.144 seconds	CRS
9	一	Jul  4 23:04:55	XXdb1 syslogd 1.4.1: restart	OS

从上面日志来看，整个故障过程如下：

（1） 第二节点操作系统发现eth1（心跳网卡）网络超时，随后第二节点数据库连接第一节点超时，超时4次之后，第二节点数据库强制重启操作系统

（2） 第二节点重启后， eth1起不来，导致CRS等待资源启动中，而也无法启动，CRS日志中的/tmp/crsctl.5659中记录是在等待内部心跳网卡的启动

（3） 第二节点被重启后，第一节点连接第二节点心跳超时，第一节点强制重启操作系统

（4） 问题的源头源于第二节点的心跳网络出现故障所致，并且第二节点因为eth1网卡的运行mac地址与实际mac地址不相符而导致重启服务器后eth1网卡启不来

本文作者：黎俊杰（网名：踩点），从事”系统架构、操作系统、存储设备、数据库、中间件、应用程序“六个层面系统性的性能优化工作

欢迎加入 系统性能优化专业群 ，共同探讨性能优化技术。群号：258187244