系统环境

系统结构：2节点Oracle10gR2 RAC
主机系统：P570 AIX 5300
存储：DS4800

问题描述

主机重启后，RAC的1个节点故障，CRS服务不可用、尝试重启失败，且查看CRS服务的日志crsd.log没有任何记录更新，如下：
------------------------------------------------------------------------------------------------------
#crsctl start crs
Attempting to start CRS stack
The CRS stack will be started shortly
# ps -ef|grep d.bin
root 176436 127580 0 13:39:03 pts/3 0:00 grep d.bin
# crs_stat -t
CRS-0184: Cannot communicate with the CRS daemon.
# crsctl check crs
Failure 1 contacting CSS daemon
Cannot communicate with CRS

Linux认证

Cannot communicate with EVM
#
------------------------------------------------------------------------------------------------------

排查的过程中，发现的问题是层出不穷，简直是把AIX平台上CRS服务可能存在的故障完全遇到了一遍，让我觉得不总结都对不起一天的折腾。

OCR和voting disk是CRS服务的最重要的设备文件，所以遇到CRS服务有关的问题，我们可以从这两个设备文件相关的硬件设备hdisk进行问题排查。

解决过程

1. 检查OCR and voting disk设备文件

RAC节点的CRS服务启动失败，首先想到的是各节点上OCR和Voting disk设备是否可用、且一致。

检查RAC各节点的OCR和voting disk设备文件是否正常，命令如下：

检查OCR设备文件状态，root用户执行
#ocrcheck检查Voting Disk设备文件状态，oracle用户运行
#crsctl query css votedisk

当然，/dev/rhdisk*只是数据库标识的disk file name，我们最好确认2个节点上识别的device是否为同一块hdisk。AIX平台上使用"lscfg –vl hdisk*”查看hdisk的sn号进行核对。

2. 检查OCR and voting disk设备文件的权限和属组

AIX平台上安装CRS服务之前，需要分别赋予OCR和voting disk设备盘以下属组和权限：

OCR设备 chown root:dba /dev/rhdisk_OCR
chmod 660 /dev/rhdisk_OCR Voting disk设备
chown oracle:dba /dev/rdisk_votedisk
chmod 660 /dev/rhdis_votedisk

排查故障时，设备的读写权限很容易被忽略，我遇到的问题原因之一就是由于OCR设备属组和读写权限不当导致CRS服务不正常。错误记录如下：
------------------------------------------------------------------------------------------------------
故障节点OCR设备 Cisco IOS On Unix 专题

oracle@clostb1/oracle>ls -la /dev/rhdisk22

crw------- 1 root system 20, 23 May 28 11:44 /dev/rhdisk22

正常节点OCR设备
oracle@clostb2#]ls -la /dev/rhdisk22

crw-r----- 1 root dba 36, 23 May 28 14:57 /dev/rhdisk22
------------------------------------------------------------------------------------------------------

root用户修改故障节点OCR设备的权限和属组后，重新启动CRS服务，正常。

3. 检查OCR and voting disk设备的MPIO属性

恢复故障节点中发现，在修改设备属组合权限修复了故障节点的CRS服务后，另外一个节点的CRS服务又出现异常，如下：
-----------------------------------------------------------------------------------------------------
# crs_stat -t
CRS-0184: Cannot communicate with the CRS daemon.
#
# ocrcheck
PROT-602: Failed to retrieve data from the cluster registry
#
[oracle@clostb2#]crsctl query css votedisk
OCR initialization failed accessing OCR device: PROC-26: Error while accessing the physical storage Operating System error [Invalid argument] [22]
[oracle@clostb2#]
------------------------------------------------------------------------------------------------------

检查OCR设备文件发现，同一块盘在2个节点的MPIO属性不一致，故障节点OCR设备的reserve_policy属性设置为single_path，这是导致CRS服务故障的原因。

metlink上有OCR和voting disk设备MPIO属性设置的解释和命令，如下：
-----------------------------------------------------------------------------------------------------
To allow concurrent IO access to this disk device and prevent the device driver from locking the hdisks with a reservation on open, a no reservation flag must be set. Use the following chdev command to disable this reservation.

All MPIO-capable (ESS, DS8000, DS6000 devices):

chdev -l hdiskn –a reserve_policy=no_reservechdev -l hdiskm –a reserve_policy=no_reserve

For EMC (Symettrix &Clariion), HDS, IBM DS4000, and non-MPIO capable devices, perform. the following:

chdev -l hdiskn –a reserve_lock=nochdev -l hdiskm –a reserve_lock=no

------------------------------------------------------------------------------------------------------

AIX平台上使用”lsattr –El hdiskN”命令检查hdisk设备的属性。修改reserve_policy为no_reserve，故障节点的CRS服务均恢复正常。命令如下：
#chdev -l hdisk22 -a reserve_policy=no_reserve

注意：检查voting disk及ASM使用的盘，均要设置reserve_policy=no_reserve。

4. 检查OCR设备的配置文件ocr.loc

ocr.loc文件是安装CRS服务时执行root.sh脚本过程中建立的，一般存放在/etc/oracle/路径下，主要记录crs服务启动时的ocr设备信息，内容如下：
------------------------------------------------------------------------------------------------------
# ls -trl /etc/oracle/ocr.loc

-rw-r--r-- 1 root dba 45 Apr 08 14:16 /etc/oracle/ocr.loc

# cat /etc/oracle/ocr.loc

ocrconfig_loc=/dev/rhdisk22
local_only=FALSE

#
------------------------------------------------------------------------------------------------------

如果ocr.loc设置的ocr盘与实际不符，或是该文件被清空等都回引起CRS服务故障，日志会记录无法访问OCR设备的错。我就遇到过该文件被清空，导致CRS服务不能启动的问题，折腾好久才发现。

引起CRS服务不正常的原因肯定有很多其他原因，遇到一个陌生的、不熟悉到问题时，理清思路，从和问题相关的方面着手、一点点找，肯定会比毫无目的地到处看有效率的多！

文章转载 linux 论坛思科论坛