AWR 报告深度解读：Redo Nowait指标的算法和诊断泄露二十多万名用户数据

导读：本文将对Redo Nowait指标的算法和诊断进行深度解析。

AWR知识体系：https://www.modb.pro/topic/6165（复制到浏览器打开或者点击“阅读原文”）

曾经遇到过一个性能故障，数据库的检查点执行的非常缓慢，直接导致所有日志组都处于活动状态，数据库处于不断停顿的『打嗝』工作状态。

检查V$LOG视图，可以获得日志状态，除了CURRENT日志组，其他日志都处于ACTIVE状态，而且后面的几组日志都是DBA最新添加的：

SQL> select * from v$log;	
    GROUP#    THREAD#  SEQUENCE#      BYTES    MEMBERS ARC STATUS           FIRST_CHANGE# FIRST_TIM	
---------- ---------- ---------- ---------- ---------- --- ---------------- ------------- ---------	
         1          1     520403   31457280          1 NO  ACTIVE              1.3861E+10 23-JUN-05	
         2          1     520404   31457280          1 NO  ACTIVE              1.3861E+10 23-JUN-05	
         3          1     520405   31457280          1 NO  ACTIVE              1.3861E+10 23-JUN-05	
         4          1     520406   31457280          1 NO  CURRENT             1.3861E+10 23-JUN-05	
         5          1     520398   31457280          1 NO  ACTIVE              1.3860E+10 23-JUN-05	
         6          1     520399   31457280          1 NO  ACTIVE              1.3860E+10 23-JUN-05	
         7          1     520400  104857600          1 NO  ACTIVE              1.3860E+10 23-JUN-05	
         8          1     520401  104857600          1 NO  ACTIVE              1.3860E+10 23-JUN-05	
         9          1     520402  104857600          1 NO  ACTIVE              1.3861E+10 23-JUN-05

如果日志都处于Active状态，那么显然是DBWR的写出已经无法跟上Log Switch切换触发的检查点。

接下来让我们检查一下DBWR的繁忙程度:

oracle:/oracle >ps -ef|grep ora_dbw	
  oracle  2266     1  0   Mar 31 ?       811:42 ora_dbw0_hysms02	
  oracle 21023 21012  0 18:52:59 pts/65   0:00 grep ora_dbw

这里可以看到DBWR的进程号是2266，接下来使用Top命令观察一下其CPU资源使用情况:

oracle:/oracle >top	
last pid: 21145;  load averages:  3.38,  3.45,  3.67               18:53:38	
725 processes: 711 sleeping, 1 running, 10 zombie, 3 on cpu	
CPU states: 35.2% idle, 40.1% user,  9.4% kernel, 15.4% iowait,  0.0% swap	
Memory: 3072M real, 286M free, 3120M swap in use, 1146M swap free	
 	
   PID USERNAME THR PRI NICE  SIZE   RES STATE    TIME    CPU COMMAND	
 11855 smspf      1  59    0 1355M 1321M cpu/0   19:32 16.52% oracle	
  2264 oracle     1   0    0 1358M 1316M run    283.3H 16.36% oracle	
 11280 oracle     1  13    0 1356M 1321M sleep   79.8H  0.77% oracle	
21043 oracle     1  43    0 3264K 2056K cpu/9    0:01  0.31% top	
2266 oracle  1  60  0 1357M 1317M sleep  811:42  0.18% oracle	
 26257 smspf     82  59    0  447M  178M sleep  533:04  0.15% java

注意到2266号进程消耗的CPU不过0.18%,显然并不繁忙,那么瓶颈就很可能在IO上。

gqgai:/home/gqgai>iostat -xn 3	
                    extended device statistics              	
    r/s    w/s   kr/s   kw/s wait actv wsvc_t asvc_t  %w  %b device	
........	
    0.0    0.0    0.0    0.0  0.0  0.0    0.0    0.0   0   0 c0t6d0	
    0.3    8.3    0.3   47.0  0.0  0.1    0.0    9.2   0   8 c0t10d0	
    0.0    8.3    0.0   47.0  0.0  0.1    0.0    8.0   0   7 c0t11d0	
   11.7   65.3  197.2  522.2  0.0  1.6    0.0   20.5   0 100 c1t1d0	
    0.0    0.0    0.0    0.0  0.0  0.0    0.0    0.0   0   0 hurraysms02:vold(pid238)	
                    extended device statistics              	
    r/s    w/s   kr/s   kw/s wait actv wsvc_t asvc_t  %w  %b device	
........	
    0.0    0.0    0.0    0.0  0.0  0.0    0.0    0.0   0   0 c0t6d0	
    0.3   13.7    2.7   68.2  0.0  0.2    0.0   10.9   0  12 c0t10d0	
    0.0   13.7    0.0   68.2  0.0  0.1    0.0    9.6   0  11 c0t11d0	
   11.3   65.3   90.7  522.7  0.0  1.5    0.0   19.5   0  99 c1t1d0	
0.0    0.0    0.0    0.0  0.0  0.0    0.0    0.0   0   0

以上监控显示存放数据库的主要卷c1t1d0的繁忙程度始终处于99~100,而写速度却只有500K/s左右，这个速度是极为缓慢的。进一步的检查确认是硬盘发生了损坏，Raid5的磁盘组中损坏了一块硬盘，导致了磁盘I/O性能下降，经过更换以后系统逐渐恢复正常。

以下是另外一则类似的问题。最初有朋友提出的问题是，实例效率里面的Redo Nowait指标代表的是什么，为什么会出现负数：

从数据库的计算公式中可以找到这些比例的计算方法，虽然很多情况下，这些比例的参考意义不大：

--	
--  Instance Efficiency Percentages	
 	
column ldscr  format a50	
column nl format a60 newline;	
select 'Instance Efficiency Percentages (Target 100%)' ldscr	
      ,'~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~' ldscr	
      ,'            Buffer Nowait %:'                  dscr	
      , round(100*(1-:bfwt/:gets),2)                   pctval	
      ,'      Redo NoWait %:'     	
      , decode(:rent,0,to_number(null), round(100*(1-:rlsr/:rent),2))  pctval	
      ,'            Buffer  Hit   %:'                  dscr	
      , round(100*(1-(:phyr-:phyrd-:phyrdl)/:gets),2) pctval	
      ,'   In-memory Sort %:'     	
      , decode((:srtm+:srtd),0,to_number(null),	
                               round(100*:srtm/(:srtd+:srtm),2))       pctval	
      ,'            Library Hit   %:'                  dscr	
      , round(100*:lhtr,2)                             pctval	
      ,'       Soft Parse %:'     	
      , round(100*(1-:hprs/:prse),2)                   pctval	
      ,'         Execute to Parse %:'                  dscr	
      , round(100*(1-:prse/:exe),2)                    pctval	
      ,'        Latch Hit %:'     	
      , round(100*(1-:lhr),2)                          pctval	
      ,'Parse CPU to Parse Elapsd %:'                  dscr	
      , decode(:prsela, 0, to_number(null)	
                      , round(100*:prscpu/:prsela,2))  pctval	
      ,'    % Non-Parse CPU:'	
      , decode(:tcpu, 0, to_number(null)	
                    , round(100*1-(:prscpu/:tcpu),2))  pctval	
  from sys.dual;

从以上计算公式中可以找到：

Redo Nowait % = decode(:rent,0,to_number(null), round(100*(1-:rlsr/:rent),2))	
 =  (1 – rlsr/rent) 100%

这里的 rlsr = Redo Log space requests ，rent = Redo Entries 。从AWR报告中可以找到这两个统计值，计算一下这个比率,和报告中的计算值完全吻合：

Redo Nowait % = (1 – 133,566/44,038)*100% = -203.30 %

可是这个比率说明什么？

重做日志空间请求表明活动日志文件已满，Oracle正在等待为重做日志条目分配磁盘空间。这个比值越高说明在写出Redo条目时等待越多，当比率为负数，说明已经处于严重的写出等待之中。

那么到底是什么原因导致写出不畅呢？是因为Redo量太大，还是因为磁盘效率过低呢？通过数据库的其他统计数据可以进行进一步的分析。

这是一个 11.2.0.4的RAC集群环境，从数据库的概要信息来看，平均每秒仅仅有 7K左右的Redo日志，数据库的物理写也非常低，但是数据库的每秒DB Time却高达259.7 。

进一步的，从 Top Events数据信息中可以看出，整体的 I/O 非常缓慢，User/IO的平均等待时间高达 410毫秒，db file sequential read的平均等待时间也高达 1779毫秒，这说明I/O上出现了明显的瓶颈。

在整个数据库写出量并不大的情况下，整体I/O延时却非常高，在日志组同样处于高ACTIVE的情况下，出现大量的Log file Switch(checkpoint incomplete)等待。配合I/O层面的检查发现这个案例同样是存储损坏硬盘导致的I/O能力下降。

数据库的性能，是一个综合因素，在遇到异常分析时，也需要综合多方面的因素，才能够快速而准确的定位根因，解决问题。

DBASK，DBA的即时问答平台

往期精选

---

1. 为什么SQL正在击败NoSQL，这对未来的数据意味着什么

2. 缓存世界中的三大问题及解决方案

3. 甲骨文因超过90亿美元的NetSuite交易起诉Larry Ellison和CEO Safra Catz

4. MySQL入门全套

5. Oracle 12c因bug导致ORA-04031问题处理过程 | 云和恩墨技术通讯精选

6. 详述由ENQ：TX – ROW LOCK CONTENTION引起的全局死锁处理过程

7. 不会SQL注入，连漫画都看不懂了

8. 史上最全近百条Oracle DBA日常维护SQL脚本指令

9. 数据泄露后，美国Web托管服务商Hostinger重置1400万用户密钥

10. 史上最全数据库中间件详解

资源下载

关注公众号：数据和云（OraNews）回复关键字获取

help，30万+下载的完整菜单栏

2019DTCC，数据库大会PPT

2018DTCC , 数据库大会PPT

2018DTC，2018 DTC 大会 PPT

ENMOBK，《Oracle性能优化与诊断案例》

DBALIFE，“DBA 的一天”海报

DBA04，DBA 手记4 电子书

122ARCH，Oracle 12.2体系结构图

2018OOW，Oracle OpenWorld 资料

产品推荐

云和恩墨Bethune Pro2 企业版，集监控、巡检、安全于一身，你的专属数据库实时监控和智能巡检平台，漂亮的不像实力派，你值得拥有！

云和恩墨zData一体机现已发布超融合版本和精简版，支持各种简化场景部署，零数据丢失备份一体机ZDBM也已发布，欢迎关注。

云和恩墨大讲堂 | 一个分享交流的地方

长按，识别二维码，加入万人交流社群

请备注：云和恩墨大讲堂