三封报警邮件的分析

今天收到3封报警邮件，从邮件内容中的报警情况来看，还是比较反常的。需要引起关注，找到原因处理。
这个库是一个历史库，库中的数据非常庞大，几十亿数据的表还是有好几个。但是访问频率很低，一般到历史库中所做的历史数据分析查询需求还是要少很多。
报警邮件如下，可以看到DB time的阀值还是很高的。
#邮件1
[DB监控系统]_testdb2_hist_p@10.12.6.18_报警
ZABBIX-监控系统:
------------------------------------
报警内容: DB time is too high
------------------------------------
报警级别: PROBLEM
------------------------------------
监控项目: DBtime：1403 %
------------------------------------
报警时间:2015.10.21-05:09:35

##邮件2
ZABBIX-监控系统:
------------------------------------
报警内容: DB time is too high
------------------------------------
报警级别: PROBLEM
------------------------------------
监控项目: DBtime：1403 %
------------------------------------
报警时间:2015.10.21-05:19:35

#邮件3
ZABBIX-监控系统:
-------------------------------
监控项目: DBtime_447 %
------------------------------------
主机名称：testdb2_hist_p@10.12.6.18
------------------------------------
恢复时间:2015.10.21-05:29:38

通过这三封邮件可以看到，问题持续了有近20分钟，然后恢复正常。
那么这种抖动通过快照级的数据情况来看，还是可以体现出明显的浮动。
Current Instance
~~~~~~~~~~~~~~~~
      DBID DB_NAME     INST_NUM INST_NAME
---------- --------- ---------- ----------------
2534640677 testdb2            1 testdb2
DB_NAME   BEGIN_SNAP   END_SNAP SNAPDATE                    LVL DURATION_MINS     DBTIME
--------- ---------- ---------- -------------------- ---------- ------------- ----------
testdb2    45336      45337 21 Oct 2015 00:00             1            30          0
               45337      45338 21 Oct 2015 00:30             1            30          0
               45338      45339 21 Oct 2015 01:00             1            30          0
               45339      45340 21 Oct 2015 01:30             1            30          4
               45340      45341 21 Oct 2015 02:00             1            30         40
               45341      45342 21 Oct 2015 02:31             1            30         30
               45342      45343 21 Oct 2015 03:00             1            29         31
               45343      45344 21 Oct 2015 03:30             1            30         31
               45344      45345 21 Oct 2015 04:00             1            30         31
               45345      45346 21 Oct 2015 04:30             1            30         31
               45346      45347 21 Oct 2015 05:00             1            30        131
               45347      45348 21 Oct 2015 05:30             1            30          0
               45348      45349 21 Oct 2015 06:00             1            30          3
这个时候自己就对自己提出一个问题，为什么平时不会报出这个问题？
下面的图是两天内的DB time情况，通过下面的图可以看到DB time前一天是到了临界阀值，但是还没有越界，所以没有报警，而昨天却又很大的抖动。




通过下面的图可以看到，在凌晨的时候，不只报警的时间点存在大量的等待时间，主要等待时间为multiblock read，而且持续时间还是几个小时。

可见还是存在着大量的读操作，相对来说还是比较高的。
鉴于此，基本可以推断可以是sql级的原因导致的，先抓取一个报告，看看在问题时间段里，哪些sql占用了大量的DB time
ksh showsnapsql.sh 45347
   SNAP_ID SQL_ID        EXECUTIONS_DELTA ELAPSED_TI PER_TOTAL
---------- ------------- ---------------- ---------- ----------
     45347 b6usrg82hwsa3                1 391s       47%
     45347 3rz14z1006jbk               18 290s       35%
     45347 53yakkh4cbmp9                3 98s        12%
     45347 4yf9vjwa2yg5j                6 9s         1%
     45347 04m0jsy80udjp                6 0s         0%
从这个图可以看出，问题还是比较明显的，sql_id为b6usrg82hwsa3的语句占用了大量的DB time.
那么来看看是怎么样的一条sql语句，抓取下来看到竟然是一个后台job.
SQL_FULLTEXT
----------------------------------------------------------------------------------------------------
call dbms_stats.gather_database_stats_job_proc (  )
对于这个问题，同样有一些疑点，首先为什么今天的负载就格外高，平时也在运行这些自动任务。还有为什么job会持续很长的时间，每天都在消耗大量的资源。
查看数据库日志内容如下：
Wed Oct 21 02:00:15 2015
DBMS_STATS: GATHER_STATS_JOB encountered errors.  Check the trace file.
Errors in file /U02/app/oracle/diag/rdbms/testdb2/testdb2/trace/testdb2_j000_3799.trc:
ORA-20011: Approximate NDV failed: ORA-29913: error in executing ODCIEXTTABLEOPEN callout
KUP-11024: This external table can only be accessed from within a Data Pump job.
Wed Oct 21 02:01:44 2015
End automatic SQL Tuning Advisor run for special tuning task  "SYS_AUTO_SQL_TUNING_TASK"
Wed Oct 21 06:01:28 2015
DBMS_STATS: GATHER_STATS_JOB encountered errors.  Check the trace file.
Errors in file /U02/app/oracle/diag/rdbms/testdb2/testdb2/trace/testdb2_j000_16901.trc:
ORA-20011: Approximate NDV failed: ORA-29913: error in executing ODCIEXTTABLEOPEN callout
KUP-11024: This external table can only be accessed from within a Data Pump job.
Wed Oct 21 06:20:33 2015
Thread 1 advanced to log sequence 99940 (LGWR switch)
  Current log# 22 seq# 99940 mem# 0: +DATA/testdb2/onlinelog/group_22.863.811354265
Wed Oct 21 06:20:38 2015
Archived Log entry 215736 added for thread 1 sequence 99939 ID 0x9bd5d836 dest 1:
Wed Oct 21 08:00:00 2015
Closing scheduler window
Closing Resource Manager plan via scheduler window
Clearing Resource Manager plan via parameter     
create tablespace DETAIL_DATA_20160110 datafile '+data' size 50m autoextend on next 10m maxsize 34359721984
Completed: create tablespace TLDETAIL_DATA_20160110 datafile '+data' size 50m autoextend on next 10m maxsize 34359721984
create tablespace DETAIL_INDEX_20160110 datafile '+data' size 50m autoextend on next 10m maxsize 34359721984
Completed: create tablespace TLDETAIL_INDEX_20160110 datafile '+data' size 50m autoextend on next 10m maxsize 34359721984
create tablespace SERLOG_DATA_20160110 datafile '+data' size 50m autoextend on next 10m maxsize 34359721984
Completed: create tablespace TLSERLOG_DATA_20160110 datafile '+data' size 50m autoextend on next 10m maxsize 34359721984
通过这个日志可以看出还是存在两个问题，一个是因为尝试去收集统计信息的job失败了。还有一个是表在昨天创建了大量的表空间。
问题可以初步分解。报错的trace文件内容如下，发现是一个datapump的临时表导致的。
$ less /U02/app/oracle/diag/rdbms/testdb2/testdb2/trace/testdb2_j000_3799.trc
*** 2015-10-21 02:00:15.184
*** SESSION ID:(5090.5085) 2015-10-21 02:00:15.184
*** CLIENT ID:() 2015-10-21 02:00:15.184
*** SERVICE NAME:(SYS$USERS) 2015-10-21 02:00:15.184
*** MODULE NAME:(DBMS_SCHEDULER) 2015-10-21 02:00:15.184
*** ACTION NAME:(ORA$AT_OS_OPT_SY_5869) 2015-10-21 02:00:15.184
 
ORA-20011: Approximate NDV failed: ORA-29913: error in executing ODCIEXTTABLEOPEN callout
KUP-11024: This external table can only be accessed from within a Data Pump job.

*** 2015-10-21 02:00:15.184
DBMS_STATS: GATHER_STATS_JOB: GATHER_TABLE_STATS('"SYS"','"ET$136C02550001"','""', ...)
DBMS_STATS: ORA-20011: Approximate NDV failed: ORA-29913: error in executing ODCIEXTTABLEOPEN callout
KUP-11024: This external table can only be accessed from within a Data Pump job.

至于这个临时表为什么没有清除，还是历史原因，早已经存在很久了。所以还是可以验证后直接drop.
当然为了彻底解决问题还是抓取问题的本质，所以先删除这个有问题的临时表。
SQL> select owner,table_name from dba_tables where table_name like 'ET%';
OWNER                          TABLE_NAME
------------------------------ ------------------------------
SYS                            ET$136C02550001
SQL> DROP TABLE ET$136C02550001;
Table dropped.                          
这个时候还是先保留后台job enable,然后对比一下在同样的情况下，今天的负载情况。但是单纯来分析alert日志，发现每天的几个时段都都会存在ORA的问题。
$ grep -B5 "ORA-20011" alert*.log|grep 2015

Thu Oct 15 02:00:13 2015
Thu Oct 15 06:03:14 2015
Fri Oct 16 02:00:13 2015
Fri Oct 16 02:00:24 2015
Fri Oct 16 06:04:35 2015
Sat Oct 17 06:00:12 2015
Sat Oct 17 10:06:10 2015
Sat Oct 17 14:06:27 2015
Sat Oct 17 18:06:37 2015
Sat Oct 17 22:06:51 2015
Sun Oct 18 06:00:01 2015
Sun Oct 18 06:00:12 2015
Sun Oct 18 06:16:25 2015
Sun Oct 18 10:07:31 2015
Sun Oct 18 14:07:45 2015
Sun Oct 18 18:08:02 2015
Sun Oct 18 22:08:13 2015
Mon Oct 19 02:00:10 2015
Mon Oct 19 06:08:44 2015
Tue Oct 20 02:00:16 2015
Wed Oct 21 02:00:02 2015
Wed Oct 21 02:00:15 2015
Wed Oct 21 02:01:44 2015
Wed Oct 21 06:01:28 2015
所以这个问题看来还是影响很大，也算遗留历史问题。
至于为什么负载突然升高那么多，一般来说后台的自动任务的消耗还是相对较高，但是也高不了多少。为什么统计信息，统计信息收集的阀值，可以参考mos的文章。
Automatic Optimizer Statistics Collection on Partitioned Table (Doc ID 1592404.1)