Oracle 9i, 10g, and 11g RAC on Linux所需要的Hangcheck-Timer Module介紹

此文件摘自METALINK:726833.1，所適用的ORACLE版本為:Oracle Server - Enterprise Edition - Version: 9.2.0.8 to 11.1.0.7

從9.2.0.2版本開始，ORACLE RAC環境需要使用一個新的I/O fencing模組，叫做hangcheck-timer模組。這個模組用來代替Watchdog模組，提供類似的fencing功能。Hangcheck-timer模組是標準的linux2.4以上的核心中的一個子功能被髮布。

Hangcheck-timer應該在系統啟動的時候被載入, 並對於能夠影響RAC節點穩定性的長時間的系統操作HANG進行核心監控。它執行在核心級別並使用Time Stamp Counter(TSC)來捕捉排程的延遲和節點HANG。這是透過設定一個timer，然後檢查這個timer的fires情況來判斷是否延遲是否超過了誤差的幅度。如果這個週期超過了允許的時間（也就是hangcheck_tick+hangcheck_margin秒），機器將會被重啟，如果是CPU資源不足的時候，Hangcheck-timer將不會導致重啟。

[@more@]

Hangcheck-timer有三個配置引數:
hangcheck_tick：定義了hangcheck-timer檢查節點是否hang的頻率，單位是秒，預設是60秒
hangcheck_margin：定義期望的和真正的scheduling之間允許的誤差，單位是秒，預設值是180秒
hangcheck_reboot：定義瞭如果核心在hangcheck-tick和hangcheck-margin相加的時間內響應失敗的話，hangcheck-timer是否重啟節點。如果hangcheck_reboot的值大於等於1,hangcheck-timer模組將會重啟系統；如果設定為0，則即使系統hang的時候hangcheck-timer也不會重啟系統。在linux 2.4的核心中，這個預設值是1；在2.6的核心中，預設值是0。

所有的hangcheck-timer的引數的預設值必須在載入核心模組的時候被顯式的覆蓋，不同的oracle版本可以按照下面來設定：
9i: 假如"oracm misscount"的預設設定是220秒，則hangcheck_tick=30 hangcheck_margin=180 hangcheck_reboot=1
10g/11g: 假如"CSS misscount"的設定是30或者60秒，則hangcheck_tick=1 hangcheck_margin=10 hangcheck_reboot=1

注意：你必須設定叢集的misscount值大於hangcheck_tick + hangcheck_margin之和

可以使用下面方法來檢查hangcheck是否在執行：
# /sbin/lsmod | grep hangcheck
hangcheck-timer 2672 0

在oracle linux、紅帽linux4/5或者SUSE linux9/10中，hangcheck-timer模組使用modprobe命令來進行載入：
# modprobe hangcheck-timer hangcheck_tick=1 hangcheck_margin=10 hangcheck_reboot=1

為了使得在啟動的時候就自動載入，可以把上面的命令新增到/etc/rc.d/rc.local或者/etc/init.d/boot.local中，這個根據不同的發行版來決定。

當檢測到失敗的時候，hangcheck-timer會在系統日誌中記錄失敗資訊：
重啟時會記錄"Hangcheck: hangcheck is restarting the machine"資訊到/var/log/messages
如果你看到/var/log/messages中有"Hangcheck: hangcheck value past margin!"訊息，表示系統需要重啟但是沒有重啟，因為hangcheck-reboot引數沒有設定為1。

Known Issues

* Bug:6125546 which can prevent hangcheck-timer from rebooting in RHEL4 (fixed in 2.6.9.56 or RHEL4.6)