Log File Sync等待超高案例浅析

本文转载自微信公众号「DBA闲思杂想录」,作者潇湘隐者 。转载本文请联系DBA闲思杂想录公众号。

监控工具DPA(SolarWinds的Database Performance Analyzer)发现海外一台Oracle数据库服务器DB Commit Time指标告警,超过红色告警线(40毫秒左右,黄色告警线是10毫秒,红色告警线是20毫秒),如下截图所示,生成了对应时段的AWR报告,分析时发现Top 5 Timed Events里面,log file sync等待事件的平均等待时间为37毫秒,log file parallel write等待事件的平均等待时间为40毫秒

如果对’Tanel Poder::Understanding LGWR, Log File Sync Waits and Commit Performance’这篇文章所讲述的内容很熟悉的话(经典图如下),那么通过等待事件log file sync与log file parallel write的Avg Wait(ms)指标:37ms & 40ms,基本上就可以判断redo log所在的磁盘I/O出现了性能问题

然后在用lfsdiag.sql脚本分析一下详细的统计数据,如下所示:

HISTOGRAM DATA FOR LFS AND OTHER RELATED WAITS: 
  
APPROACH: Look at the wait distribution for log file sync waits 
by looking at "wait_time_milli". Look at the high wait times then 
see if you can correlate those with other related wait events. 
  
   INST_ID EVENT                                    WAIT_TIME_MILLI WAIT_COUNT 
---------- ---------------------------------------- --------------- ---------- 
         1 log file sync                                          1       4363 
         1 log file sync                                          2        835 
         1 log file sync                                          4       1650 
         1 log file sync                                          8       4937 
         1 log file sync                                         16     146252 
         1 log file sync                                         32     606674 
         1 log file sync                                         64     263377 
         1 log file sync                                        128     253254 
         1 log file sync                                        256          2 
         1 log file switch completion                             1        124 
         1 log file switch completion                             2          9 
         1 log file switch completion                             4         19 
         1 log file switch completion                             8         21 
         1 log file switch completion                            16         35 
         1 log file switch completion                            32         97 
         1 log file switch completion                            64        133 
         1 log file switch completion                           128        326 
         1 log file switch completion                           256       1736 
         1 log file switch completion                           512       3042 
         1 log file switch completion                          1024       2020 
         1 log file parallel write                                1          0 
         1 log file parallel write                                2          0 
         1 log file parallel write                                4         80 
         1 log file parallel write                                8       2142 
         1 log file parallel write                               16     170987 
         1 log file parallel write                               32     779205 
         1 log file parallel write                               64     311463 
         1 log file parallel write                              128      79688 
         1 log file parallel write                              256      42763 
         1 log file parallel write                              512      13052 
         1 log file parallel write                             1024      20468 
         1 log file parallel write                             2048      14020 
         1 log file parallel write                             4096        921 
         1 log file parallel write                             8192         96 
         1 log file parallel write                            16384         18 
         1 log file parallel write                            32768         18 
         1 log file parallel write                            65536          8 
         1 log file parallel write                           131072          2 
         1 LGWR wait for redo copy                                1       8516 
         1 LGWR wait for redo copy                                2         20 
         1 LGWR wait for redo copy                                4         19 
         1 LGWR wait for redo copy                                8         20 
         1 LGWR wait for redo copy                               16         11 
  
ORDERED BY WAIT_TIME_MILLI 
  
   INST_ID EVENT                                    WAIT_TIME_MILLI WAIT_COUNT 
---------- ---------------------------------------- --------------- ---------- 
         1 log file sync                                          1       4363 
         1 log file switch completion                             1        124 
         1 log file parallel write                                1          0 
         1 LGWR wait for redo copy                                1       8516 
         1 log file sync                                          2        835 
         1 log file switch completion                             2          9 
         1 log file parallel write                                2          0 
         1 LGWR wait for redo copy                                2         20 
         1 log file sync                                          4       1650 
         1 log file switch completion                             4         19 
         1 log file parallel write                                4         80 
         1 LGWR wait for redo copy                                4         19 
         1 log file sync                                          8       4937 
         1 log file switch completion                             8         21 
         1 log file parallel write                                8       2142 
         1 LGWR wait for redo copy                                8         20 
         1 log file sync                                         16     146252 
         1 log file switch completion                            16         35 
         1 log file parallel write                               16     170987 
         1 LGWR wait for redo copy                               16         11 
         1 log file sync                                         32     606674 
         1 log file switch completion                            32         97 
         1 log file parallel write                               32     779205 
         1 log file sync                                         64     263377 
         1 log file switch completion                            64        133 
         1 log file parallel write                               64     311463 
         1 log file sync                                        128     253254 
         1 log file switch completion                           128        326 
         1 log file parallel write                              128      79688 
         1 log file sync                                        256          2 
         1 log file switch completion                           256       1736 
         1 log file parallel write                              256      42763 
         1 log file switch completion                           512       3042 
         1 log file parallel write                              512      13052 
         1 log file switch completion                          1024       2020 
         1 log file parallel write                             1024      20468 
         1 log file parallel write                             2048      14020 
         1 log file parallel write                             4096        921 
         1 log file parallel write                             8192         96 
         1 log file parallel write                            16384         18 
         1 log file parallel write                            32768         18 
         1 log file parallel write                            65536          8 
         1 log file parallel write                           131072          2 
  
REDO WRITE STATS 
  
"redo write time" in centiseconds (100 per second) 
11.1: "redo write broadcast ack time" in centiseconds (100 per second) 
11.2: "redo write broadcast ack time" in microseconds (1000 per millisecond) 
  
VERSION              INST_ID NAME                                                     VALUE        MILLISECONDS 
----------------- ---------- ---------------------------------------- --------------------- ------------------- 
10.2.0.5.0                 1 redo write time                                        9551524        95515240.000 
10.2.0.5.0                 1 redo writer latching time                                   51 
10.2.0.5.0                 1 redo writes                                            1434931 
  
AWR WORST AVG LOG FILE SYNC SNAPS: 

从上面数据可以看到,log file sync等待事件数量最多的是32ms这个区间的,log file parallel write等待事件发生最多的也是32ms这个区间的,其实这个值已经远远超过了正常值7ms,极其不正常。log file parallel write事件是LGWR进程专属的等待事件,发生在LGWR将log_buffer中的重做日志信息写入联机重做日志文件组的成员文件,LGWR在该事件上等待该写入过程的完成。该事件等待时间过长,说明日志文件所在磁盘缓慢或存在争用。log file sync和log file parallel write是相互关联的。换句话讲,假设log file parallel write的时间非常长,那么必定导致log file sync等待时间拉长。如果log file parallel write 等待非常高,那么可能一般是物理磁盘I/O的问题

另外,我们也检查了一下redo log的切换频率,如下所示,redolog_sitch_time.sql查看发现redo log切换的次数并不频繁,生成的归档日志的量也并不大。大部分时候一小时切换零次或一次。

然后我们找了一台服务器(上述指标正常的服务器)简单对测试了一下IO的速度,这个方法极其简单,就是看看生成一个大文件需要多长时间,简单测试一下I/O性能(没有考虑cache等,测试采样也不详尽),但是对比数据也基本能验证、反馈磁盘IO存在问题)。

问题服务器:

# time dd if=/dev/zero of=./test bs=512k count=2048 oflag=direct 
 
2048+0 records in 
 
2048+0 records out 
 
1073741824 bytes (1.1 GB) copied, 88.271 seconds, 12.2 MB/s 
 
  
 
real    1m28.273s 
 
user    0m0.010s 
 
sys     0m0.655s 

对比服务器(正常的服务器):

# time dd if=/dev/zero of=./test bs=512k count=2048 oflag=direct 
 
2048+0 records in 
 
2048+0 records out 
 
1073741824 bytes (1.1 GB) copied, 2.48344 seconds, 432 MB/s 
 
  
 
real    0m2.485s 
 
user    0m0.004s 
 
sys     0m0.386s 

如上对比所示,两台服务器生成同样一个大小文件,耗费的时间,I/O性能差别非常大,完全验证了告警的服务器所在的存储I/O存在性能问题,但是公司分工非常明确,DBA也不清楚底层存储出了什么问题,只能将这个问题反馈出来,等待海外负责维护系统和存储的同事的回复。