CRS-0184 Cannot communicate with the CRS daemon

事件背景

rman清理脚本异常.导致磁盘空间爆满(一个环境变量没有设置正确)
释放磁盘空间,进行rman清理
之后,领导把实例重启,但是ams实例没有关闭

 环境

系统 : AIX

数据库: Oracle10g

问题处理

下午,客户反应页面无法登陆.
事发第一时间,检查集群

1.进行集群检查

#crs_stat -t
CRS-0184: Cannot communicate with the CRS daemon.

 2.尝试启动(root)

#crsctl start crs
CRS-4640: Oracle High Availability Services is already active
CRS-4000: Command Start failed, or completed with errors.

根据提示Services is already active

3.检查crs服务

#crsctl check crs
CRS-4638: Oracle High Availability Services is online
CRS-4535: Cannot communicate with Cluster Ready Services
CRS-4530: Communications failure contacting Cluster Synchronization Services demon
CRS-4534: Cannot communicate with Event Manager‘

4.看似没问题,进行快速检查vip是否正常

查看本地配置文件

#cat /etc/hosts
10.205.128.21      ORA1
10.205.128.22      ORA2
100.100.100.21      ORA1-priv
100.100.100.22      ORA2-priv
10.205.128.25      ORA1-vip
10.205.128.26      ORA2-vip
10.205.128.27      ORA-scan

#ifconfig -a

en0: flags=1e084863,480<UP,BROADCAST,NOTRAILERS,RUNNING,SIMPLEX,MULTICAST,GROUPRT,64BIT,CHECKSUM_OFFLOAD(ACTIVE),CHAIN>
        inet 10.205.128.22 netmask 0xffffffc0 broadcast 10.205.128.63
         tcp_sendspace 262144 tcp_recvspace 262144 rfc1323 1

发现vip不在节点上,仅剩下物理ip

判断问题为VIP进行漂移了

解决方法

 1.关闭实例

#su - oracle
$sqlplus / as sysdba
SQL>shu immediate

2.关闭asm

#su - grid
$sqlplus / as sysasm
SQL>shu immediate

3.尝试重启crs

#crsctl disable crs
CRS-4621: Oracle High Availability Services autostart is disabled.

#crsctl stop crs
CRS-2796: The command may not proceed when Cluster Ready Services is not running
CRS-4687: Shutdown command has completed with errors.
CRS-4000: Command Stop failed, or completed with errors.

再次尝试启动，也是报错。

#crsctl enable crs
CRS-4622: Oracle High Availability Services autostart is enabled.

#crsctl start crs
CRS-4640: Oracle High Availability Services is already active
CRS-4000: Command Start failed, or completed with errors.

4.直接kill掉crs

最后看到mos上有一个workaround，可以手动Kill掉那些crs的进程。

#ps -fea | grep ohasd.bin | grep -v grep
    root 30541310        1   1 16:19:17      -  3:33 /u01/grid/11.2.0/bin/ohasd.bin reboot
#ps -fea | grep gipcd.bin | grep -v grep
    grid  2098638        1   1 16:19:40      -  2:29 /u01/grid/11.2.0/bin/gipcd.bin
#ps -fea | grep mdnsd.bin | grep -v grep
    grid 31916408        1   0 16:19:36      -  0:01 /u01/grid/11.2.0/bin/mdnsd.bin
#ps -fea | grep gpnpd.bin | grep -v grep
    grid  5177660        1   0 16:19:38      -  0:27 /u01/grid/11.2.0/bin/gpnpd.bin
#ps -fea | grep evmd.bin | grep -v grep
    grid  3342370        1   0 16:33:17      -  1:28 /u01/grid/11.2.0/bin/evmd.bin
#ps -fea | grep crsd.bin | grep -v grep
    root  3408064        1   0 16:33:46      -  4:17 /u01/grid/11.2.0/bin/crsd.bin reboot

#kill -9  30541310 2098638 31916408 5177660 3342370 3408064

5.启动 crs 

#crsctl start cluster
CRS-2672: Attempting to start 'ora.cluster_interconnect.haip' on 'ORA2'
CRS-2676: Start of 'ora.cluster_interconnect.haip' on 'ora102' succeeded
CRS-2679: Attempting to clean 'ora.asm' on 'ORA2'
CRS-2681: Clean of 'ora.asm' on 'ora102' succeeded
CRS-2672: Attempting to start 'ora.asm' on 'ORA2'
CRS-2676: Start of 'ora.asm' on 'ora102' succeeded
CRS-2672: Attempting to start 'ora.crsd' on 'ORA2'
CRS-2676: Start of 'ora.crsd' on 'ora102' succeeded

如果还是有问题那么清理节点2的配置信息，然后重新运行root.sh

#/u01/app/11.2.0/grid/crs/install/rootcrs.pl -verbose -deconfig -force
#/u01/app/11.2.0/grid/crs/install/roothas.pl -verbose -deconfig -force
#/u01/app/11.2.0/grid/root.sh
然后检查状态是否正常，如果不正常，再次重启crs,就好了。

6.检查CRS状态

# crs_stat -t
Name           Type           Target    State     Host        
------------------------------------------------------------
ora....DATA.dg ora....up.type ONLINE    ONLINE    ORA1     
ora....LRDG.dg ora....up.type ONLINE    ONLINE    ORA1     
ora.GRIDDG.dg  ora....up.type ONLINE    ONLINE    ORA1     
ora....ER.lsnr ora....er.type ONLINE    ONLINE    ORA1     
ora....N1.lsnr ora....er.type ONLINE    ONLINE    ORA1     
ora....DB.lsnr ora....er.type ONLINE    ONLINE    ORA1     
ora....DATA.dg ora....up.type ONLINE    ONLINE    ORA1     
ora....LRDG.dg ora....up.type ONLINE    ONLINE    ORA1     
ora.asm        ora.asm.type   ONLINE    ONLINE    ORA1     
ora.cvu        ora.cvu.type   ONLINE    ONLINE    ORA1     
ora.epm.db     ora....se.type ONLINE    ONLINE    ORA2     
ora.gsd        ora.gsd.type   OFFLINE   OFFLINE               
ora....network ora....rk.type ONLINE    ONLINE    ORA1     
ora.oc4j       ora.oc4j.type  ONLINE    ONLINE    ORA1     
ora.ons        ora.ons.type   ONLINE    ONLINE    ORA1     
ora....ry.acfs ora....fs.type ONLINE    ONLINE    ORA1     
ora.scan1.vip  ora....ip.type ONLINE    ONLINE    ORA1     
ora....SM1.asm application    ONLINE    ONLINE    ORA1     
ora....S1.lsnr application    ONLINE    ONLINE    ORA1     
ora....S1.lsnr application    ONLINE    ONLINE    ORA1     
ora....ss1.gsd application    OFFLINE   OFFLINE               
ora....ss1.ons application    ONLINE    ONLINE    ORA1     
ora....ss1.vip ora....t1.type ONLINE    ONLINE    ORA1     
ora....SM2.asm application    ONLINE    ONLINE    ORA2     
ora....S2.lsnr application    ONLINE    ONLINE    ORA2     
ora....S2.lsnr application    ONLINE    ONLINE    ORA2     
ora....ss2.gsd application    OFFLINE   OFFLINE               
ora....ss2.ons application    ONLINE    ONLINE    ORA2     
ora....ss2.vip ora....t1.type ONLINE    ONLINE    ORA2     
ora....ssdb.db ora....se.type ONLINE    ONLINE    ORA1     
ora....db1.svc ora....ce.type ONLINE    ONLINE    ORA1     
ora....db2.svc ora....ce.type ONLINE    ONLINE    ORA1    

OK.没问题了

7.启动asm

#su - oracle
$sqlplus / as sysdba
SQL>startup

8.启动实例

#su - oracle
$sqlplus / as sysdba
SQL>startup

检查结果

 
1.检查ip,发现vip已经回来

#ifconfig -a
en0: flags=1e084863,480<UP,BROADCAST,NOTRAILERS,RUNNING,SIMPLEX,MULTICAST,GROUPRT,64BIT,CHECKSUM_OFFLOAD(ACTIVE),CHAIN>
        inet 10.205.128.22 netmask 0xffffffc0 broadcast 10.205.128.63
        inet 10.205.128.26 netmask 0xffffffc0 broadcast 10.205.128.63
         tcp_sendspace 262144 tcp_recvspace 262144 rfc1323 1

2.检查ocr状态

# ocrcheck
Status of Oracle Cluster Registry is as follows :
         Version                  :          3
         Total space (kbytes)     :     262120
         Used space (kbytes)      :       3524
         Available space (kbytes) :     258596
         ID                       :  450202465
         Device/File Name         :    +GRIDDG
                                    Device/File integrity check succeeded

                                    Device/File not configured

                                    Device/File not configured

                                    Device/File not configured

                                    Device/File not configured

         Cluster registry integrity check succeeded

3.检查crs状态

# crsctl check crs
CRS-4638: Oracle High Availability Services is online
CRS-4537: Cluster Ready Services is online
CRS-4529: Cluster Synchronization Services is online
CRS-4533: Event Manager is online

4.所有Oracle实例（数据库状态）

#srvctl status database -dsdd
Instance sdd1 is running on node ORA1
Instance sdd2 is running on node ORA2

5.节点应用程序状态

#srvctl status nodeapps
VIP ORA1-vip is enabled
VIP ORA1-vip is running on node: ORA1
VIP ORA2-vip is enabled
VIP ORA2-vip is running on node: ORA2
Network is enabled
Network is running on node: ORA1
Network is running on node: ORA2
GSD is disabled
GSD is not running on node: ORA1
GSD is not running on node: ORA2
ONS is enabled
ONS daemon is running on node: ORA1
ONS daemon is running on node: ORA2

6.ASM状态以及ASM配置

#srvctl status asm -a
ASM is running on rac2,rac1

7.TNS监听器状态以及配置

#srvctl config listener -a
Name: LISTENER
Network: 1, Owner: grid
Home:
/u01/app/grid/11.2.0 on node(s) ORA2,ORA1
End points: TCP:1521

OK问题处理完毕,客户登录成功

附上正确重启Oracle RAC服务步骤

oracle rac服务器需要重启的时候，oracle相关资源关闭的的流程：

1）关闭实例
su - oracle
sqlplus / as sysdba
shu immediate

2）关闭asm实例
su - grid
sqlplus / as sysasm
shu immediate

3)关闭crs
crsctl stop cluster -all (root执行)

4)启动crs
crsctl start cluster -all (root执行)

5)启动asm
su - oracle
sqlplus / as sysdba
startup

6)启动实例
su - oracle
sqlplus / as sysdba
startup

总结

参考: http://blog.itpub.net/29654823/viewspace-2148123/

简单概述CRS架构 ：
1）Cluster Synchronization Services (CSS)—管理群集配置，谁是成员、谁来、谁走，通知成员。
2）Cluster Ready Services (CRS)—管理群集内高可用操作的主要程序，crs管理的全部内容都被看作资源，包括数据库、实例、服务、监听器、vip地址、应用进程等。Crs进程根据OCR中的配置信息管理群集资源，包括启动、停止、监视和容错操作。当某个资源的状态发生改变时，crs进程产生事件。RAC安装完成后，crs进程监视各种资源，发生异常时自动重启该资源，一般来说重启5次，如不成功不再尝试。
3）Event Management (EVM)—后台进程发布由crs生成的事件。
4）Oracle Notification Service (ONS)—通信FAN消息的发布和订阅服务。
5）RACG—扩展集群支持oracle特定的需求和复杂的资源。
6）Process Monitor Daemon (OPROCD)—锁定在内存中监视集群运行并执行I/O隔离。利用 hangchecker，监测、停止、再监测、再停止，如果醒来时时间不对则重启该节点。

注意：
CRS进程栈默认随着操作系统的启动而自启动，有时出于维护目的需要关闭这个特性，可以用root用户执行下面命令。

crsctl disable crs
crsctl enable crs

这个命令实际是修改了/etc/oracle/scls_scr/raw/root/crsstart这个文件里的内容
CRS由CRS，CSS，EVM三个服务组成，每个服务又是由一系列module组成，crsctl允许对每个module进行跟踪，并把跟踪内容记录到日志中。

crsctl lsmodules css
crsctl lsmodules evm

跟踪CSSD模块，需要root用户执行： 

crsctl debug log css "CSSD:1"
Configuration parameter trace is now set to 1.
Set CRSD Debug Module: CSSD Level: 1 

查看跟踪日志

pwd
/u01/app/oracle/product/crs/log/rac1/cssd
more ocssd.log

Oracle Cluster Registry (OCR)：
管理Oracle集群软件和Oracle RAC数据库配置信息；类似于windows的注册表；这也包含Oracle Local Registry (OLR)，存在于集群的每个节点上，管理Oracle每个节点的集群配置信息。Oracle Clusterware 把整个集群的配置信息放在共享存储上，这个存储就是OCR Disk.在整个集群中，只有一个节点能对OCR Disk进行读写操作，这个节点叫作Master Node，所有节点都会在内存中保留一份OCR的拷贝，同时有一个OCR Process从这个内存中读取内容。OCR内容发生改变时，由Master Node的OCR Process负责同步到其他节点的OCR Process。

 
Ocrcheck命令用于检查OCR内容的一致性，命令执行过程会在$CRS_HOMElog odenameclient目录下产生ocrcheck_pid.log日志文件。 这个命令不需要参数。
ocrcheck

oracle rac集群，是一个整体，需要同时启动和关闭，如果你只启动其中一个，那么另一个节点的vip就会飘到这个节点，voting disk投票把这个节点踢出集群，也就是脑裂。解决脑裂问题的基本思路就是：首先重启被踢出集群的节点的crs（crsctl stop crs ,然后crsctl start crs )，如果不行，那就清理节点2的配置信息，然后重新运行root.sh,然后执行crsctlstart crs开启crs即可。

参考: http://blog.itpub.net/29654823/viewspace-2148123/