不同备份策略不兼容引起的磁盘空间故障解决实例

最近接收一个系统，上线运维一年余。交接时候，业务部门反映曾经出现磁盘空间占满故障。当时引起整个系统瘫痪，最后联系开发商介

应用系统生命周期是一个整体，除了最开始的需求调研、开发测试和上线，更长的时期是在运维方面。应用系统的价值体现也就是在运维阶段，一个经常报错故障的系统运维环境，是很难获得良好的用户体验的。

在实践中，软件开发商和运维方面如果没有完善的沟通交流，新系统是不容易融入原有的运维体系中的，更有甚者会引起很多其他故障。本篇就介绍一个由于备份策略冲突引起的磁盘空间故障。

1、环境介绍和故障

笔者最近接收一个系统，上线运维一年余。交接时候，业务部门反映曾经出现磁盘空间占满故障。当时引起整个系统瘫痪，最后联系开发商介入才解决问题。但是当时反馈也没有彻底解决，只能定时找开发商进行处理。

由于资料信息渠道有限，笔者只能实地观察分析。数据库服务器版本为红帽Linux 6.2，数据库版本为11.2.0.3。

[root@DB ~]# cat /etc/RedHat-release

Red Hat Enterprise Linux Server release 6.1 (Santiago)

SQL> select * from v$version;

BANNER

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

Oracle Database 11g Enterprise Edition Release 11.2.0.3.0 - 64bit Production

PL/SQL Release 11.2.0.3.0 - Production

CORE 11.2.0.3.0 Production

TNS for Linux: Version 11.2.0.3.0 - Production

NLSRTL Version 11.2.0.3.0 - Production

故障是从磁盘空间相关的，所以当前磁盘状态df如下。

[root@DB ~]# df -h

Filesystem Size Used Avail Use% Mounted on

/dev/sda3 59G 8.4G 48G 15% /

tmpfs 3.9G 288K 3.9G 1% /dev/shm

/dev/sda2 194M 41M 143M 23% /boot

/dev/sda1 200M 256K 200M 1% /boot/efi

/dev/sda8 1.4T 351G 976G 27% /data

/dev/sda4 59G 23G 34G 40% /home

/dev/sda5 59G 180M 56G 1% /tmp

/dev/sda6 59G 5.9G 50G 11% /var

系统空间分布比较典型，资源相对来说是比较富裕的。最大容量分区/data目录将近1.4T数据量，使用了351G。从oracle用户环境变量上，数据库软件是安装在/home文件夹下，而数据文件是在/data里面。

[oracle@DB]/home/oracle>env | grep ORA

ORACLE_BASE=/home/oracle/app

ORACLE_HOME=/home/oracle/app/product/11.2.0/db_1

ORACLE_OWNER=oracle

ORACLE_SID=db

业务系统数据shema数据量极小，只有77M。根据业务分析，系统的业务数据只保存在数据库中，而且没有删除的机制。这种情况下，由于业务数据突然膨胀引发的磁盘空间爆满的机率是很低的。

分析重点在于，/data中超过300G的空间消耗是如何出现的？

2、问题分析

进入/data目录，我们发现应用程序在这个目录中进行RMAN备份。

[root@DB rman]# pwd

/data/db/rman

[root@DB rman]# ls -l

total 1312

drwxr-xr-x. 2 oracle oinstall 409600 Mar 7 01:02 bak

-rw-r--r--. 1 oracle oinstall 0 Aug 21 2013 get

drwxr-xr-x. 2 oracle oinstall 921600 Mar 7 01:01 logs

-rwxr-x---. 1 oracle oinstall 1037 Jul 1 2013 rman_full.sh

显然，，/data/db/rman目录是应用系统内部的备份机制。目前很多系统都有自带的数据库备份模块，从现在看，系统是计划使用RMAN程序进行备份。

目录中的rman_full.sh脚本是主要执行脚本。

[root@DB rman]# cat rman_full.sh

#!/bin/ksh

#set env

（篇幅原因，有省略……）

$BIN/rman log $BACKUP_LOG/$TARGET_SID.full.$DATE_3.log <

connect target /

run{

allocate channel c1 type disk ;

allocate channel c2 type disk ;

backup full database format '$BACKUP_PATH/${DATE_2}_full_%d_%s_%p_%u.bak'

tag='full' include current controlfile;

sql 'alter system archive log current';

backup archivelog all format '$BACKUP_PATH/${DATE_2}_archivelog_%d_%s_%p_%u.bak';

delete noprompt expired backupset of archivelog all ;

release channel c1 ;

release channel c2 ;

}

crosscheck backup;

delete noprompt expired backup;

delete noprompt obsolete;

exit;

EOF

从公允的角度看，这个脚本是看不出什么问题的。设置环境变量、目录位置、对数据库和归档文件进行备份。之后进行crosscheck检查expired backup信息，最后依据obsolete retention原则将过期日志进行删除。

目录结构中的bak是存放备份集合的地方（虽然控制文件还是遗留在$ORACLE_HOME/dbs中），logs目录为文本日志。进入bak目录之后，检查备份情况。

[root@DB bak]# ls | more

20130719_archivelog_DB_109189_1_k5of3j4s.bak

20130719_archivelog_DB_109190_1_k6of3j4t.bak

20130719_full_DB_109180_1_jsof3j1b.bak

20130719_full_DB_109186_1_k2of3j4d.bak

20130720_archivelog_DB_109258_1_maof64d1.bak

20130720_archivelog_DB_109259_1_mbof64d2.bak

20130720_full_PDB_109255_1_m7of64cn.bak

（篇幅原因，有省略）

20140307_full_DB_115107_1_d3p2ho2g.bak

20140307_full_DB_115108_1_d4p2ho2g.bak

20140307_full_DB_115109_1_d5p2ho47.bak

201401171422.dmp

full_20130720.tar.gz

rm

注意：备份片中的时间日期是在其中的，从2013年7月开始，一直备份集合就存在。数据总量是300G。

[root@DB bak]# du -h

301G .

这个显然是有问题，在rman备份脚本中，有明确的delete obsolete语句，将不需要的备份集合删除。确定obsolete的规则是可以从show all中看到。

RMAN> show all;

RMAN configuration parameters for database with db_unique_name DB are:

CONFIGURE RETENTION POLICY TO RECOVERY WINDOW OF 7 DAYS;

CONFIGURE BACKUP OPTIMIZATION OFF; # default

CONFIGURE DEFAULT DEVICE TYPE TO DISK; # default

CONFIGURE CONTROLFILE AUTOBACKUP ON;