数据库的运维分享一切从简.docx

数据库的运维分享一切从简.docx

《数据库的运维分享一切从简.docx》由会员分享，可在线阅读，更多相关《数据库的运维分享一切从简.docx（14页珍藏版）》请在冰豆网上搜索。

数据库的运维分享一切从简

众所周知，数据库的运维既是个技术活儿也是个苦差事，不仅要有广阔的知识面，强大的技术能力，主机、存储、网络、操作系统最好样样精通，而且要会写SQL、shell、最好也会Java…同时，还需要拥有超强的耐心、谨慎的态度以及强健的体魄。

首先跟大家分享下我在运维过程二个案例

1、我的第一个运维工具：

ora

2008年刚进公司转做专职DBA，发现DBA竟然比以前干程序员还苦逼，通宵施工如家常便饭，而且有大量的重复工作。

当时每个dba在共享服务器上都有自己的脚本集，每当应用侧有任何异动DBA们就找到自己的脚本集文件，然后替换条件复制粘贴执行，遇到没找到的就一顿狂敲键盘输SQL。

特别是在遇到大故障时，身后便会围着一群人，有各方领导，还有开发商，里外好几层。

那可真是令人抓狂，因为做过几年的开发，我便想，为何不做一个shell程序，统一的入口，只要传入参数即可。

于是我开发了我的第一款简单的Oracle运维工具，当时脚本集就叫ora。

这个工具后来在运维团队不断被完善、扩散。

至今该工具还在使用。

Ora脚本集的优点：

●让日常监控、维护操作等标准化。

●减少出错机会，提高效率。

●让DBA从容应对故障应急。

当然缺点也是明显的，正是有了这个工具，现在很多DBA们到了非驻场的服务现场就不会写SQL了。

（怪我喽…）

2、智能HANG分析

在运维期间碰到系统常发生HANG，当数据库发生在争夺内核级别的资源时，比如Latch等，在11G之前oracle不能自动的检测并处理这种死锁。

这时候需用Hanganalyze工具dump资源持有的相互关系。

而这时候当二线DBA到场时已基本Hang死，或无法登陆，即使能做出dumptrace也无法反映真实原因。

另外分析trace定位堵塞源也要一定时间。

所以分析出结果时往往应用已中断。

既然hang住后要重启或终止掉所有前台发起数据库进程才能解决，何不在hang开始初期就发起自动hang分析，识别引起hang的源头，记录相关信息，终止源头。

具体过程如下：

1．通过等待事件识别Hang症状

2．根据上一步骤判断触发搜集hanganalyze

3.分析hang的dump信息，并确认是否存在hang。

4.识别hang的源头记录相关信息并解决hang问题。

这是我编写的第二个程序（由于该程序已申请了专利，代码在此就不分享了）。

注：

在Oracle11g11.2.0.2版本发布后，在其新特性中才出现了hang管理器（HangManager），

HM配置参数（开启后会根据配置终止实例或进程，请谨慎使用）：

_hang_resolution=TRUE或者FALSE。

这个参数用于控制HM是否解决hang。

_hang_resolution_scope=OFF,PORCESS或者INSTANCE。

这个参数用于控制HM解决问题的范围。

_hang_detection=。

HM检测hang的时间间隔，默认值为30（秒）。

小结

后面只要碰到能重复的、具有一定规则的工程，如长事务分析、二阶段事务（DX锁）分析、自动生命周期管理、自动优化调度、巡检工具、离线巡检工具等等。

如果你能把你日常需要做的工具化或自动化了，DBA还是苦差活么?

那么就有更多时间研究更深层次技术。

我只是一个不安分的、会写程序的、“会偷懒”的DBA。

二、OraZ之路

至此越来越想做一个较为完整能帮助DBA的工具，该工具将运行SQL查询视图监控数据库的性能，识别数据库存在隐患。

在数据库的运维工作包括部署安装、性能优化、备份容灾、故障恢复、预防性巡检等工作，而这几个方面都存在不少重复度高、工作量大的任务，有的甚至还可以并行处理，这些都是该工具需解决目标。

1、运行需求?

Oraz是基于JDBC+SSH的JAVA应用，监测和分析数据库实例活动，系统要求是相当简单，只需jdbc能连接上数据库即可，该工具不会安装任何额外软件在你的服务器和终端上。

2、Oraz目前能做什么

∙有关数据库和实例的一般信息。

∙有关数据库结构和数据存储的详细信息:

表空间，数据库文件重做日志、归档的日志等。

表空间/数据文件使用情况和可用空间

∙内存信息:

SGA/PGA组件和大小，共享的池和缓冲区缓存统计数据。

∙实例活动洞察-CPU消耗、等待事件、顶级的会话、顶级SQL语句等。

∙会话信息-活动会话，排在前面的会话等。

∙顶级的SQL语句和有关每个语句包括语句活动、执行统计信息、资源消耗、执行计划、版本等详细的信息。

∙Oracle数据库全系统统计信息、操作系统统计、指标和时间模型。

3、DBA日常运维之巡检

规避系统风险运维自动化体系形成之前，我们DBA的日常例行工作在总工作量中占比较高，很消耗人力，员工疲于奔命但工作效率不高，也很容易出差错。

自动化平台把我们的员工从繁琐的常规工作中解放出来，更专注于做架构优化类有创造性的工作，效率也有了进一步的改善.

每日检查是工程师上班的第一件事，通过脚本来进行，脚本输出仅提示异常部分，检查内容例如：

数据库检查内容：

数据库/系统是否处于归档模式

数据文件是否有offline或处于备份状态

文件系统使用情况（90%为告警阀值）

alert_SID.log文件是否有错误或告警

备份是否正常

表空间使用情况（90%为告警阀值）

数据库/系统对象的存储参数设置

检查是否有失效的索引

检查是否有无效的对象

检查有无运行失败的JOB

检查回滚段使用情况

数据库/系统用户情况

等，编写对应查询SQL，再通过JDBC访问远程服务器获取该值进行判断，如分析指定用户下是否存在失效主键：

SELECTowner,constraint_name,table_name,status

FROMall_constraints

WHEREowner='&OWNER'ANDstatus='DISABLED'ANDconstraint_type='P';

建立一系列巡检规则，实现如360式的一键体检方式：

上图列出体检结果，黄色需dba关注的，为不匹配预定检查项的，点击对应图标，可以看到具体体检结果。

通过该体检功能可快速检测数据库问题；目前该巡检暂不支持自定义，如需可以考虑建立可分享的自定义巡检项，这视大家的反馈情况而定。

4、实例活动洞察

实例活动洞察分析功能当前已同步发布更新，在很多情况下，当数据库发生性能问题的时候，我们是来不及收集足够的诊断信息，或者收到告警，甚至问题发生的时候DBA根本不在场。

这给我们诊断问题带来很大的困难。

那么在这种情况下，我们是否能在事后收集一些信息来分析问题的原因呢

首先我们看看Oracle重器oem，而TopActivity功能是使用最为频繁的功能点：

对于分析指定时段内的顶级消耗、会话等一目了然。

上图中负载均以AverageActiveSessions（AAS）平均活动会话进行计算。

每一个会话执行过程如下：

而每一个语句在执行过程又可以分解为不同活动时间:

CPU执行中、等待IO或其它资源中，即可分为CPU、IO、Wait

当有多个会话连接到库，并活动时：

通过时间片段来看同一时刻有多少会话处于活动状态，而该值为AAS值，以相同方法以sql语句维度统计该时刻活动，则找出顶级活动SQL，同样可以计算顶级活动program、user、会话等待。

。

由于DBTime=某一时段时间总和，故顶级活动SQL即为TOPSQL，所以

AAS=DBTime/elapsedtime（历时），之所以该指标叫做黄金指标，通过AAS指标可以衡量一个系统的繁忙程度，这里有个CPU时间片概念，每一个CPU时间由操作系统分成CPU时间片，然后CPU时间片轮询模式分配给线程或进程（视操作新系统而定），在最小单位CPU片段内整个系统允许的最大允许数为cpu个数，故通过比较AAS值与CPU之间可以衡量数据库繁忙度，与CPU数量关联分析：

●AAS/CPU_Count~=0非常空闲

●AAS/CPU_Count<=0.5没堵塞

●AAS/CPU_Count<1部分进程已达100%，应用开始出现缓慢

●AAS/CPU_Count>或>>1出现性能问题或堵死、HANG状态

AAS在Oracle中OEM、ASH中的应用：

OEM中：

ASH：

从Oracle数据库10g开始增加V$ACTIVE_SESSION_HISTORY视图，通过它可以容易地得知当前Instance的活动状态，主要是各个时刻系统都在等待哪些事件，通过对这些等待事件和相应等待次数的统计，就可以清晰地了解系统的历史工作负载特征和压力情况。

此视图提供了大量宝贵的信息，而且不需要繁重的跟踪活动

ASH数据采集有mmon进程与mmnl进程负责：

快照由MMON和MMNL后台进程自动地每隔固定时间采样一次。

MMON进程负责：

∙当某个测量值（metrics）超过了预设的限定值（thresholdvalue）后提交警告

∙创建新的 MMON 隶属进程（MMONslaveprocess）来进行快照（snapshot）

∙捕获最近修改过的 SQL 对象的统计信息

MMNL进程负责执行轻量级的且频率较高的后台任务，如捕获会话历史信息，测量值计算等。

AWR的采样工作由MMON进程每个1小时执行一次，ASH信息同样会被采样写出到AWR负载库中。

ASHbuffer根据被设计为保留1小时的信息，但很多时候这个内存是不够的，当ASHbuffer写满后，另外一个后台进程MMNL将会主动将ASH信息写出。

ASHbuffer大小

-按照公式SizeofASHCircularBuffer=Max[Min[#CPUs*2MB,5%ofSharedPoolSize,30MB],1MB]计算，默认1M左右，该参数可以同隐含参数进行调整：

"_ash_size"隐含参数控制ashbuffer的大小

ASH对应视图关系为：

通过按分钟从v$active_session_history视图采集数据，展示如下：

从上图可看到选择时段内TOPSQL为“cvn54b7yz0s8u”，占该时段内的19.5%，主要在等待IO资源。

三、OraZ后续计划开发或扩展功能

∙表空间增加读写走势分析、碎片率分析

∙计划作业执行详细信息和当前正在运行的作业。

∙闪回去/快速恢复区使用情况和备份信息。

∙深度体检

∙进程跟踪（10046、10053）以及trace分析

∙自动化优化分析等

∙Alert日志查询图形化展示

深度体检功能预告

对于数据库、中间件设计，在系统上线前，针对应用系统的主要业务场景，应用要求，对数据库、中间件软硬件配置，系统参数，数据存储进行优化设计，包括但不限于如下内容：

Ø数据库适用应用特点的最佳实践配置

Ø性能及稳定性满足设计需求

Ø系统与数据库特性及设置的最佳匹配

Ø数据库版本对已知BUG的修复

●花5-10分钟发现系统存在的风险

●直接提供来自MOS推荐的专业解决方案

如果你所在部门有如运维自动化、标准化、可视化、一体化（集中化）这些需求建设，可以与邹老师联系，他们有AMP（自动化运维平台）和APM（应用性能管理），即使是已部署了IxM的Txxxx软件的企业依然会再使用他们的产品。

邹德裕

新炬网络首席专家，DBA+社群联合发起人，OraZ产品作者，轻维软件产品架构师。

十年以上运维管理经验，OracleOCM，精通Oracle9i、10g和11g数据库技术和Linux/Unix技术；对数据库系统架构具有深刻的理解，并在数据库诊断、故障排除、优化、架构设计等方面具有丰富的经验。