症狀：
出現以下情況時，Oracle Clusterware 會驅逐群集中的節點
節點未透過網路心跳進行 ping 操作
節點未 ping 表決磁碟
節點被掛起/忙碌，因此無法執行任何一個之前的任務

  在大多數情況下，當節點被驅逐時，會有資訊寫入日誌，用於分析節點驅逐的原因。但是，在某些情況下可能缺少這一步，本文介紹的步驟適合以下這些情況：在 11gR2 (11.2.0.1) 之前的 Clusterware 版本中，沒有足夠的資訊或沒有資訊可用於分析節點驅逐的原因。

原因：
節點被驅逐以及節點因 CPU（或 CPU 不足）而變得異常繁忙時，可能會造成作業系統沒有時間將日誌/跟蹤資訊重新整理到檔案系統中。一種有用的方法是設定 diagwait 屬性，以延遲節點重新啟動，給作業系統足夠的時間寫入跟蹤資訊。設定 diagwait 後，Clusterware 將在重新啟動之前再等待 10 秒 (Diagwait - reboottime)，以便在不增加資料損壞的可能前提下，安全的蒐集診斷資料。客戶在修正作業系統排程問題後，可以按照下文介紹的步驟取消 diagwait的設定。

Diagwait 屬性在 10.2.0.3 被推出，已經包含 10.2.0.4 & 11.1.0.6 以及更高的版本中。大多數平臺的 10.1.0.5 版本也已經包含。這意味著您可以在 10.1.0.5 (及更高), 10.2.0.3 (及更高) 和 11.1.0.6 (及更高) 版本中設定 diagwait。如果 crsctl set/get css diagwait 命令返回 "unrecognized parameter diagwait specified" 這說明Clusterware 版本不能實施 diagwait。請您在設定diagwait前打上對應的 patchset。

解決方案：
更改 diagwait 時務必關閉所有節點上的 clusterware 軟體。下面是設定 diagwait 的分步說明。
1，以root使用者的身份執行
  #crsctl stop crs
  #/bin/oprocd stop,
2，執行以下命令，確保關閉所有節點上的 Clusterware 軟體
  #ps -ef |egrep "crsd.bin|ocssd.bin|evmd.bin|oprocd"
這步應該不會返回任何程式。如果在 clusterware 執行時繼續執行下一步驟，可能會損壞 OCR。在關閉群集所有節點上的 clusterware 軟體前，不要繼續操作。
3，在群集的一個節點上，透過root使用者發出以下命令，可將“diagwait”引數的值改為 13 秒：
  #crsctl set css diagwait 13 -force
4，執行以下命令，檢查是否已成功設定 diagwait。該命令應返回 13。如果未設定 diagwait，將返回訊息“Configuration parameter diagwait is not defined”。
  #crsctl get css diagwait
5，在叢集所有的節點上執行以下命令，重新啟動Clusterware 軟體：
  #crsctl start crs
6，在所有節點執行以下命令，驗證Clusterware 是否正常執行：
  #crsctl check crs

取消設定/刪除 diagwait
客戶在修正作業系統排程問題前，不應取消diagwait設定，因為這樣可能會導致出現節點驅逐的情況。Diagwait 會將節點驅逐（和重新配置）延遲 diagwait (13) 秒，這種配置不會影響大多數客戶。如果需要移除 diagwait，則應按照上述步驟操作，其中步驟 3 需用以下命令替代
#crsctl unset css diagwait -force

（注意：在取消設定 diagwait 時，必須使用 -force 選項，因為執行取消設定操作時 Clusterware 已經關閉）

參考：(文件 ID 1525761.1)

使用 Diagwait 作為診斷工具，獲取用於診斷 Oracle Clusterware 節點驅逐

相關文章