Oracle RAC如何清理无效的数据库连接？调整SQLNET超时

ORA-03113/ORA-03137幽灵会话因SQL*Net未探测断连而残留ACTIVE状态，需配置SQLNET.EXPIRE_TIME、TCP.CONNECT_TIMEOUT等参数并统一RAC各节点，必要时kill -9 SPID强制清理。

ORA-03113/ORA-03137：连接断开后会话仍卡在ACTIVE状态

在Oracle RAC环境中，一个颇为恼人的现象是：客户端因为网络闪断、应用崩溃或者防火墙策略清理空闲连接而异常断开后，数据库的v$session视图里，却常常残留着一大批状态显示为‘ACTIVE’的会话。这些“幽灵会话”早已名存实亡，与客户端失去了联系，但它们既不响应常规的alter system kill session命令，也不受idle_time参数的限制。结果就是，它们持续占用着PGA内存、锁以及全局队列资源，在RAC这种共享架构下，极易引发全局缓存（GC）等待的连锁反应，拖累整个集群的性能。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

问题的根源，往往不在于数据库层面没有检测能力，而在于SQL*Net网络层默认没有开启主动探测或超时清理机制。要知道，在默认配置下，TCP连接的保活（keepalive）是由操作系统控制的，比如Linux系统默认的2小时超时，这远远超出了绝大多数业务场景的容忍范围。

• 如何检查当前无效会话？ 可以运行以下查询，找出那些状态为ACTIVE但最后一次调用已超过5分钟的会话：

  SELECT sid, serial#, username, status, server, program, sql_id, last_call_et FROM v$session WHERE status = 'ACTIVE' AND last_call_et > 300 AND username IS NOT NULL;

• 如何确认会话是否真的无响应？ 对于可疑的会话ID，查询v$session_wait视图。如果发现其等待事件（event）是‘SQL*Net message from client’，并且状态（state）为‘WAITING’，但等待时间（seconds_in_wait）却在持续累加，这基本就能断定客户端已经失联了。
• RAC环境下的特有风险： 这类幽灵会话在集群实例间进行状态同步或争用全局资源时，可能会被其他节点反复尝试处理，无形中放大了集群的内部通信开销，让问题雪上加霜。

sqlnet.ora里必须配的3个超时参数

单纯依赖数据库的resource_limit和idle_time参数，对这类连接是无能为力的。必须在$ORACLE_HOME/network/admin/sqlnet.ora文件中显式启用SQL*Net层的探测机制。这里有三个关键参数，可以说是缺一不可，而且需要注意它们的生效范围：

• SQLNET.EXPIRE_TIME = 10：这是核心。它指示服务器每隔10分钟向空闲的客户端连接发送一个探测包（一个空的数据包）。需要明确的是，这并非“10分钟后断开连接”，而只是发起一次探测。只有当客户端对这次探测毫无响应时，连接才会在后续被真正关闭。
• TCP.CONNECT_TIMEOUT = 60：这个参数主要影响新连接的建立阶段，比如TNS ping或首次登录尝试。对于已经建立的连接，它不起作用。但将其设置为一个合理的值（如60秒），可以有效避免因网络问题导致的大量连接请求堆积，阻塞监听器进程。
• TCP.VALIDNODE_CHECKING = YES 配合 TCP.INVITED_NODES = (your_app_subnet)：这组参数虽然不直接控制超时，但通过限制允许连接的主机，可以从源头上防止恶意扫描建立虚假连接，间接减少了无效连接产生的可能性。

⚠️ 一个关键的大坑： 在RAC环境中，SQLNET.EXPIRE_TIME这个参数必须在所有节点上保持配置一致。否则，可能出现一个节点因探测失败断开了连接，而客户端重连时被分配到另一个节点，却可能错误地复用了旧的连接句柄，导致会话状态陷入混乱。修改完sqlnet.ora后，数据库实例无需重启，但必须重启监听器（lsnrctl）以使新配置生效。

ALTER SYSTEM KILL SESSION不生效？直接查SPID杀OS进程

有时候，你会发现v$session中的会话状态已经变成了‘KILLED’，但它占用的资源却迟迟没有释放。这在RAC环境中尤其常见，可能因为会话涉及跨实例的锁等待。此时，干等着PMON进程来清理可不是好主意，更主动的做法是定位到对应的操作系统进程并强制终止。

• 第一步，查找操作系统进程ID（SPID）：

  SELECT s.sid, s.serial#, s.status, p.spid, s.program FROM v$session s, v$process p WHERE s.paddr = p.addr AND s.sid = ;

• 第二步，在会话所在的RAC节点上执行强制终止： 在Linux系统上使用 kill -9 ；在Windows系统上则使用 orakill 。
• 第三步，验证清理结果： 执行 SELECT count(*) FROM v$process WHERE spid = '';，如果返回结果为0，就说明进程已被成功清除。

需要理解的是，ALTER SYSTEM KILL SESSION命令本身只是给会话打上一个“待清除”的标记，真正的清理工作是由后台进程PMON周期性地扫描来完成的（默认每3秒一次）。如果这个会话恰好持有未提交的DML锁，或者正卡在两阶段提交的中间状态，PMON的清理动作可能会被延迟数分钟甚至更久。在这种情况下，强制杀掉操作系统进程往往是唯一立竿见影的方法。当然，操作前最好通过v$transaction视图确认一下该会话是否还有未提交的事务，以评估强制终止的风险。

监听器日志里看真实断连时间点

数据库内部的视图只能告诉我们会话“何时被标记为失效”，如果想追踪网络层实际断开连接的确切时刻，就必须去查阅$ORACLE_HOME/network/log/listener.log这个监听器日志文件。

• 搜索关键错误码： 重点关注TNS-12535（操作超时）、TNS-12608（发送超时）以及Failed to accept a connection这类信息。
• 典型的日志记录如下：

  TNS-12535: TNS:operation timed out  TNS-12608: TNS:send timeout  ns secondary err code: 12535  nt main err code: 0

• 结合时间戳和客户端IP地址进行分析， 可以反向推断出问题的源头：到底是应用程序侧的心跳机制缺失，还是中间的负载均衡设备（如F5、云负载均衡器）主动切断了连接。如果同一个IP地址频繁出现TNS-12535错误，那么很大概率是应用程序没有正确关闭连接，或者连接池的超时配置设置得过长。

真正棘手的是那些“隐形”的连接——它们既没有在监听器日志中留下错误记录，也没有被SQLNET.EXPIRE_TIME机制捕获。这类连接往往卡在操作系统的TCP FIN_WAIT2状态。排查它们需要从操作系统层面入手，例如使用netstat -an | grep :1521 | grep FIN_WAIT2这样的命令。遇到这种情况，调整的焦点通常就不再是数据库参数了，而是操作系统的内核网络参数，比如net.ipv4.tcp_fin_timeout。