三封報警郵件的分析

今天收到3封報警郵件，從郵件內容中的報警情況來看，還是比較反常的。需要引起關注，找到原因處理。
這個庫是一個歷史庫，庫中的資料非常龐大，幾十億資料的表還是有好幾個。但是訪問頻率很低，一般到歷史庫中所做的歷史資料分析查詢需求還是要少很多。
報警郵件如下，可以看到DB time的閥值還是很高的。
#郵件1
[DB監控系統]_testdb2_hist_p@10.12.6.18_報警
ZABBIX-監控系統:
------------------------------------
報警內容: DB time is too high
------------------------------------
報警級別: PROBLEM
------------------------------------
監控專案: DBtime：1403 %
------------------------------------
報警時間:2015.10.21-05:09:35

##郵件2
ZABBIX-監控系統:
------------------------------------
報警內容: DB time is too high
------------------------------------
報警級別: PROBLEM
------------------------------------
監控專案: DBtime：1403 %
------------------------------------
報警時間:2015.10.21-05:19:35

#郵件3
ZABBIX-監控系統:
-------------------------------
監控專案: DBtime_447 %
------------------------------------
主機名稱：testdb2_hist_p@10.12.6.18
------------------------------------
恢復時間:2015.10.21-05:29:38

透過這三封郵件可以看到，問題持續了有近20分鐘，然後恢復正常。
那麼這種抖動透過快照級的資料情況來看，還是可以體現出明顯的浮動。
Current Instance
~~~~~~~~~~~~~~~~
      DBID DB_NAME     INST_NUM INST_NAME
---------- --------- ---------- ----------------
2534640677 testdb2            1 testdb2
DB_NAME   BEGIN_SNAP   END_SNAP SNAPDATE                    LVL DURATION_MINS     DBTIME
--------- ---------- ---------- -------------------- ---------- ------------- ----------
testdb2    45336      45337 21 Oct 2015 00:00             1            30          0
               45337      45338 21 Oct 2015 00:30             1            30          0
               45338      45339 21 Oct 2015 01:00             1            30          0
               45339      45340 21 Oct 2015 01:30             1            30          4
               45340      45341 21 Oct 2015 02:00             1            30         40
               45341      45342 21 Oct 2015 02:31             1            30         30
               45342      45343 21 Oct 2015 03:00             1            29         31
               45343      45344 21 Oct 2015 03:30             1            30         31
               45344      45345 21 Oct 2015 04:00             1            30         31
               45345      45346 21 Oct 2015 04:30             1            30         31
               45346      45347 21 Oct 2015 05:00             1            30        131
               45347      45348 21 Oct 2015 05:30             1            30          0
               45348      45349 21 Oct 2015 06:00             1            30          3
這個時候自己就對自己提出一個問題，為什麼平時不會報出這個問題？
下面的圖是兩天內的DB time情況，透過下面的圖可以看到DB time前一天是到了臨界閥值，但是還沒有越界，所以沒有報警，而昨天卻又很大的抖動。




透過下面的圖可以看到，在凌晨的時候，不只報警的時間點存在大量的等待時間，主要等待時間為multiblock read，而且持續時間還是幾個小時。

可見還是存在著大量的讀操作，相對來說還是比較高的。
鑑於此，基本可以推斷可以是sql級的原因導致的，先抓取一個報告，看看在問題時間段裡，哪些sql佔用了大量的DB time
ksh showsnapsql.sh 45347
   SNAP_ID SQL_ID        EXECUTIONS_DELTA ELAPSED_TI PER_TOTAL
---------- ------------- ---------------- ---------- ----------
     45347 b6usrg82hwsa3                1 391s       47%
     45347 3rz14z1006jbk               18 290s       35%
     45347 53yakkh4cbmp9                3 98s        12%
     45347 4yf9vjwa2yg5j                6 9s         1%
     45347 04m0jsy80udjp                6 0s         0%
從這個圖可以看出，問題還是比較明顯的，sql_id為b6usrg82hwsa3的語句佔用了大量的DB time.
那麼來看看是怎麼樣的一條sql語句，抓取下來看到竟然是一個後臺job.
SQL_FULLTEXT
----------------------------------------------------------------------------------------------------
call dbms_stats.gather_database_stats_job_proc (  )
對於這個問題，同樣有一些疑點，首先為什麼今天的負載就格外高，平時也在執行這些自動任務。還有為什麼job會持續很長的時間，每天都在消耗大量的資源。
檢視資料庫日誌內容如下：
Wed Oct 21 02:00:15 2015
DBMS_STATS: GATHER_STATS_JOB encountered errors.  Check the trace file.
Errors in file /U02/app/oracle/diag/rdbms/testdb2/testdb2/trace/testdb2_j000_3799.trc:
ORA-20011: Approximate NDV failed: ORA-29913: error in executing ODCIEXTTABLEOPEN callout
KUP-11024: This external table can only be accessed from within a Data Pump job.
Wed Oct 21 02:01:44 2015
End automatic SQL Tuning Advisor run for special tuning task  "SYS_AUTO_SQL_TUNING_TASK"
Wed Oct 21 06:01:28 2015
DBMS_STATS: GATHER_STATS_JOB encountered errors.  Check the trace file.
Errors in file /U02/app/oracle/diag/rdbms/testdb2/testdb2/trace/testdb2_j000_16901.trc:
ORA-20011: Approximate NDV failed: ORA-29913: error in executing ODCIEXTTABLEOPEN callout
KUP-11024: This external table can only be accessed from within a Data Pump job.
Wed Oct 21 06:20:33 2015
Thread 1 advanced to log sequence 99940 (LGWR switch)
  Current log# 22 seq# 99940 mem# 0: +DATA/testdb2/onlinelog/group_22.863.811354265
Wed Oct 21 06:20:38 2015
Archived Log entry 215736 added for thread 1 sequence 99939 ID 0x9bd5d836 dest 1:
Wed Oct 21 08:00:00 2015
Closing scheduler window
Closing Resource Manager plan via scheduler window
Clearing Resource Manager plan via parameter     
create tablespace DETAIL_DATA_20160110 datafile '+data' size 50m autoextend on next 10m maxsize 34359721984
Completed: create tablespace TLDETAIL_DATA_20160110 datafile '+data' size 50m autoextend on next 10m maxsize 34359721984
create tablespace DETAIL_INDEX_20160110 datafile '+data' size 50m autoextend on next 10m maxsize 34359721984
Completed: create tablespace TLDETAIL_INDEX_20160110 datafile '+data' size 50m autoextend on next 10m maxsize 34359721984
create tablespace SERLOG_DATA_20160110 datafile '+data' size 50m autoextend on next 10m maxsize 34359721984
Completed: create tablespace TLSERLOG_DATA_20160110 datafile '+data' size 50m autoextend on next 10m maxsize 34359721984
透過這個日誌可以看出還是存在兩個問題，一個是因為嘗試去收集統計資訊的job失敗了。還有一個是表在昨天建立了大量的表空間。
問題可以初步分解。報錯的trace檔案內容如下，發現是一個datapump的臨時表導致的。
$ less /U02/app/oracle/diag/rdbms/testdb2/testdb2/trace/testdb2_j000_3799.trc
*** 2015-10-21 02:00:15.184
*** SESSION ID:(5090.5085) 2015-10-21 02:00:15.184
*** CLIENT ID:() 2015-10-21 02:00:15.184
*** SERVICE NAME:(SYS$USERS) 2015-10-21 02:00:15.184
*** MODULE NAME:(DBMS_SCHEDULER) 2015-10-21 02:00:15.184
*** ACTION NAME:(ORA$AT_OS_OPT_SY_5869) 2015-10-21 02:00:15.184
 
ORA-20011: Approximate NDV failed: ORA-29913: error in executing ODCIEXTTABLEOPEN callout
KUP-11024: This external table can only be accessed from within a Data Pump job.

*** 2015-10-21 02:00:15.184
DBMS_STATS: GATHER_STATS_JOB: GATHER_TABLE_STATS('"SYS"','"ET$136C02550001"','""', ...)
DBMS_STATS: ORA-20011: Approximate NDV failed: ORA-29913: error in executing ODCIEXTTABLEOPEN callout
KUP-11024: This external table can only be accessed from within a Data Pump job.

至於這個臨時表為什麼沒有清除，還是歷史原因，早已經存在很久了。所以還是可以驗證後直接drop.
當然為了徹底解決問題還是抓取問題的本質，所以先刪除這個有問題的臨時表。
SQL> select owner,table_name from dba_tables where table_name like 'ET%';
OWNER                          TABLE_NAME
------------------------------ ------------------------------
SYS                            ET$136C02550001
SQL> DROP TABLE ET$136C02550001;
Table dropped.                          
這個時候還是先保留後臺job enable,然後對比一下在同樣的情況下，今天的負載情況。但是單純來分析alert日誌，發現每天的幾個時段都都會存在ORA的問題。
$ grep -B5 "ORA-20011" alert*.log|grep 2015

Thu Oct 15 02:00:13 2015
Thu Oct 15 06:03:14 2015
Fri Oct 16 02:00:13 2015
Fri Oct 16 02:00:24 2015
Fri Oct 16 06:04:35 2015
Sat Oct 17 06:00:12 2015
Sat Oct 17 10:06:10 2015
Sat Oct 17 14:06:27 2015
Sat Oct 17 18:06:37 2015
Sat Oct 17 22:06:51 2015
Sun Oct 18 06:00:01 2015
Sun Oct 18 06:00:12 2015
Sun Oct 18 06:16:25 2015
Sun Oct 18 10:07:31 2015
Sun Oct 18 14:07:45 2015
Sun Oct 18 18:08:02 2015
Sun Oct 18 22:08:13 2015
Mon Oct 19 02:00:10 2015
Mon Oct 19 06:08:44 2015
Tue Oct 20 02:00:16 2015
Wed Oct 21 02:00:02 2015
Wed Oct 21 02:00:15 2015
Wed Oct 21 02:01:44 2015
Wed Oct 21 06:01:28 2015
所以這個問題看來還是影響很大，也算遺留歷史問題。
至於為什麼負載突然升高那麼多，一般來說後臺的自動任務的消耗還是相對較高，但是也高不了多少。為什麼統計資訊，統計資訊收集的閥值，可以參考mos的文章。
Automatic Optimizer Statistics Collection on Partitioned Table (Doc ID 1592404.1)