好文分享 | 记一次Oracle12c数据库SQL短暂缓慢问题分析

本文为墨天轮社区作者 张sir 原创作品，记录了日常运维Oracle数据库过程中遇到的一个慢SQL问题的解决、优化过程，文章内容全面具体、分析到位，且含有经验总结，分享给各位。

问题现象

这次出问题的数据库比较特殊，承接的系统交易要求很高，SQL基本都是短平快，响应时间基本不能超过50ms，某天凌晨的01:12-01:14在进行压力测试的时候，突然出现短暂的交易延迟变长的情况，有部分交易超时。应用定位到是数据库返回慢了，要求我们排查问题。

问题分析：

步骤一：come on v$ASH

分析这种问题，我是特别喜欢用v$active_session_history视图的，虽然oracle也提供了ASH报告的功能，但是总感觉报告提供的内容太多，没法抓住重点。直接查视图，想看什么信息都可以。首先先看看问题时段整体的数据库sql的执行情况，SQL执行时间最长已经到40s左右了，这个时间肯定是无法接受的，而且基本上都是两条SQL：cuw23huyg926x和84m7xzxz0181g。

既然找到了慢SQL，那就看看他们的主要的等待事件吧，通过下面的查询可以看出84m7xzxz0181g主要等待事件是enq: US - contention和row cache lock，cuw23huyg926x的主要等待事件是enq: US - contention。

84m7xzxz0181g：

步骤二：等待事件分析

1）先简单看下这两个等待事件哈：

row cache lock等待事件是一个共享池相关的等待事件，是由于对字典缓冲的访问造成的。每一个行缓冲队列锁都对应一个特定的数据字典对象，这被叫做队列锁类型，并可以在V$ROWCACHE视图中找到。在AWR中需要查看Dictionary Cache Stats部分用以确定问题。常见的原因有如下几点：

①　序列没有设置CACHE属性，导致序列争用。

②　表空间不足引起表空间的扩展速度跟不上表空间的使用速度会发生该等待事件。

③　Shared Pool不足，需要增加共享池。

④　用户密码错误或给出了空密码并且频繁登录。

enq: US - contention:这个event说明事务在队列中等待UNDO Segment，通常是由于UNDO空间不足导致的。

在对此事件说明之前，需要理解在使用AUM（atuomatic undo management）时，回滚段在何时联机或脱机。AUM与RBU（rollback segment management）不同，回滚段的管理是Oracle自动完成的。使用AUM时，回滚段的联机或脱机的时刻如下：

1）在执行alter database open的时候将回滚段联机

2）通过alter system set undo_tablespace=xxx 修改撤销表空间时，将原来的回滚段脱机后，再将新的回滚段联机。

3）通过SMON，自动脱机或者联机回滚段，如果一段时间内，事务量增加，联机状态的回滚段也会增加，一段时间内若是没有实物或事务减少，回滚段就会被smon进程脱机。

为了同步将回滚段联机或脱机的过程，执行该工作的服务器进程或后台进程应获得US锁，每个回滚段非配一个US锁，ID1=Undo segment#。若在获得US锁的过程中发生争用，则等待enq：US-contention事件。服务器进程应该在开始事务时分配到回滚段，但如果不存在可用的回滚段时，应该创建新的回滚段或将脱机状态的回滚段联机。在实现此项工作期间，服务器进程为了获得US锁而等待，等待占有可用回滚段。

2）第一个等待事件是跟共享池相关的等待事件，我们可以通过v$ash看看具体等待的字典缓冲类型

3）看一下等待事件row cahce lock等待的对象是什么，row cache lock 等待事件的P1参数为cache id，根据cache id找到dc,可以看到大部分是等待获取dc_rollback_segments，这个等待时间也是在等待获取undo信息。

4）第一个等待事件是字典缓冲的争用，争用的对象是rollback segments，第二个等待事件enq: US - contention也是关于undo segment的等待。根据以上情况可以看出，row cache lock和enq:U - contention是有相关性的，都是由于获取undo的时候产生的争用。但是这个系统其实是采用的分库分表的架构，有多个对等角色的数据库，每套数据库交易量基本一致，那为什么这套库有问题，而别的库没问题呢？

步骤三、继续AWR+v$ASH

以上问题也是我自己的疑问，多套配置相同的数据库，交易量一致，如果说是由于undo引发的，那为啥其他库没问题，单单这套库有问题？感觉问题的根源还不在这里。继续仔细查看

awr报告，发现问题库的rac节点2的等待事件中有log file sync等待，按理说这是一个正常等待，但是其等待时间超过了2ms，而其他几套库的该等待事件时间都是几百us。

再看下log file parallel write事件，平均等待时间是1.09ms，其他对等数据库的等待时间只有几百us。

去V$ASH里查看这个等待事件的时间分布情况，发现在01:12:16s的时候，log file parallel write执行超过了1s。

到这里，基本上可以把证据链梳理下了：

压力测试期间，交易量突然上升-----》online的undo segment不足-----》数据库online undo segment-----》发生US锁争用

而IO突然的堵塞，事务无法正常提交，加剧了undo的争用。针对这个问题，我们设置了_rollback_segment_count 参数，表示有多少rollback segment要处于online的状态；可以将该数值设置为数据库最繁忙的时候的回滚段数目。

总结：

1、如果这个系统只有一套数据库，分析到第二步可能就结案了，有同样分库发表的兄弟库做对比，别人都没问题，就你有问题，那说明还有更深层次的原因。

2、这种IO瞬时的延迟，基本上无解，尤其对于高并发系统，一个IO抖动就可能导致数据库堵塞。整个存储链路也不可能百分之百的一直处于高质量的状态。

3、对于从v$ash中查到log file parallel write有1s的延迟，这个值的准确性我持怀疑态度，从底层的os、虚拟化、光纤交换机、存储都没看到这么高的延迟。有对这个有研究的老铁，可以讨论下。

阅读原文：https://www.modb.pro/db/486407

本文为【墨力原创作者计划】征文活动投稿作品，活动收录了数百篇Oracle、MySQL、PostgreSQL以及国产数据库相关的文章，包含数据库安装配置、性能调优、故障处理、高可用搭建等主题，此外也有K8s、Java、VUE等优质稿件。大家点击此处可查看有所技术文章。更多数据库故障处理文章可以点击此处查看。

【墨力原创作者计划】活动长期进行中，首次参与活动即有机会获得定制护腰靠枕；参与月更挑战，还可以获得定制U盘、罗技鼠标、华为手环、100-300元现金奖励等奖品，期待您的参与！

具体活动规则可以查看：https://www.modb.pro/db/513210