Oracle RAC如何处理ASM磁盘故障？替换并重新同步数据

ASM磁盘离线处理机制详解：MISSING状态、自动修复与重平衡流程

ASM磁盘掉线后，RAC节点是否会自动移除故障磁盘？

答案是不会自动踢出。当ASM检测到磁盘不可访问时，会立即将其状态标记为 MISSING，并触发快速镜像同步功能——前提是该磁盘组已启用此特性，且故障属于临时性中断，例如网络闪断或HBA卡瞬时故障。如果磁盘在修复时间窗口内（默认3.6秒，由隐藏参数 _asm_disk_repair_time 控制）未能恢复，ASM将自动将其从磁盘组中永久删除，随后启动完全重平衡操作，依据镜像副本重建数据。

关键判断方法：通过查询 SELECT name, state, repair_timer FROM v$asm_disk WHERE group_number = X; 视图，若 repair_timer > 0，表示磁盘仍处于修复等待期；若该值归零且状态变为 OFFLINE 或 MISSING，则说明已进入数据重建阶段。

更换物理磁盘前，是否必须在ASM中先删除旧磁盘？

答案是必须执行删除操作。切勿直接物理替换磁盘，因为ASM无法自动识别底层硬件变更。必须通过 ALTER DISKGROUP ... DROP DISK 命令（或使用 DROP DISK ... REBALANCE POWER n 语法）明确告知ASM释放该磁盘上的所有区段（Extent），并触发数据重分布。否则，添加新磁盘时ASM会因路径重复而报错，常见错误包括 ORA-15032: not all alterations performed 或 ORA-15075: disk is already a member of diskgroup。

实际操作中，请遵循以下关键建议：

• 确认磁盘组冗余级别：若为 EXTERNAL 冗余（无镜像），磁盘故障将直接导致数据丢失，必须先通过备份恢复数据，再进行后续操作。
• 检查重平衡负载：执行 SELECT * FROM v$asm_operation; 确保当前无其他rebalance任务运行，避免DROP操作被阻塞。
• 谨慎使用 FORCE 选项：仅当磁盘已物理损毁且无法恢复ONLINE状态时使用，语法为：ALTER DISKGROUP dg1 DROP DISK 'ORCL:OLDISK' FORCE;。

添加新磁盘后，rebalance操作停滞或速度极慢应如何解决？

此问题极为常见。根本原因通常是默认的 POWER 参数值设置过低（默认为1），尤其是在大型磁盘组（如容量超过10TB）上，重平衡可能耗时长达数小时，甚至导致I/O性能显著下降。在RAC环境中风险更高：当一个节点发起rebalance时，所有节点ASM实例均会参与。若某个节点出现心跳异常或CSSD进程不稳定，可能导致 v$asm_operation 视图状态持续显示为 EXECUTING，但实际进度停滞。

遇到此类情况，可尝试以下优化方案：

• 手动调高 POWER 参数值（范围1至11）：ALTER DISKGROUP dg1 REBALANCE POWER 5;。需注意，POWER值越高，对I/O及CPU资源的消耗越大，建议避开业务高峰时段操作。
• 检查 v$asm_client 与 v$css_history 视图，确认所有RAC节点ASM实例状态正常，无 INTERMEDIATE 或 FAILED 等异常记录。
• 避免在rebalance过程中对同一磁盘组执行其他结构变更操作（如增删磁盘、调整AU大小），以免触发二次重平衡并中断当前流程。

如何验证磁盘替换后的数据完整性与一致性？

切勿仅依据 v$asm_operation 完成状态或磁盘变为 ONLINE 就判定操作成功。ASM仅保证区段（Extent）分布的正确性，并不校验数据块内容的逻辑一致性。潜在风险在于：原磁盘故障时可能已发生静默损坏，若其镜像副本同时损坏（概率低但存在），则rebalance过程会将已损坏的数据复制至新盘。

因此，磁盘替换完成后，必须执行以下完整性验证步骤：

• 运行 ASMCMD md_backup 命令，备份当前磁盘组元数据，便于后续比对与恢复。
• 对关键数据库文件执行逻辑校验：使用 RMAN> VALIDATE DATABASE CHECK LOGICAL;（需确保数据库参数 DB_BLOCK_CHECKING=TRUE 已启用）。针对ASM文件，亦可使用 amdu 工具抽样导出块头信息，校验checksum值。
• 监控 v$asm_disk_iostat 视图中新磁盘的 read_errs 与 write_errs 字段是否为零。若非零，则表明底层存储硬件可能仍存在问题。

最后，在RAC环境中需特别注意：存放OCR/Voting Disk的磁盘组（通常为 +OCR）必须单独进行完整性验证。该部分一旦损坏将导致整个集群无法启动，且无法通过常规RMAN命令校验。正确方法是使用集群专用命令，如 ocrcheck -local 与 crsctl query css votedisk，检查其健康状态。