Redo Log Group 全 ACTIVE 故障診斷實錄：從 Checkpoint Incomplete 到磁碟故障

故障現象

• 平台：SunOS 5.8, Oracle 8.1.5
• 症狀：資料庫回應極慢，應用請求卡死，業務停擺。
• 發現：V$LOG 顯示除 Current 外，所有 8 個 Log Group 均為 ACTIVE 狀態。

原理分析：為何 Log Group 會卡在 ACTIVE？

Log Switch 觸發 Checkpoint，CKPT 通知 DBWR 將髒緩衝寫入磁碟。若 DBWR 寫入緩慢，Checkpoint 無法完成，Oracle 便無法覆寫該 Redo Log，導致後續 Log Switch 阻塞，整個資料庫停擺。

Alert Log 典型錯誤：

Thread 1 cannot allocate new log, sequence 5871
Checkpoint not complete
Current log# 2 seq# 5870 ...

V$SESSION_WAIT 大量 Session 等待 log file switch (checkpoint incomplete)。

排查步驟實錄

1. 檢查 DBWR 是否繁忙

ps -ef | grep ora_dbw
# 找到 DBWR PID (例: 2266)

top -p 2266
# CPU 僅 0.18%，處於 sleep 狀態 → DBWR 不忙

結論：瓶頸不在 CPU，極大機率在 **I/O 子系統**。

2. 使用 iostat 定位 I/O 熱點

iostat -xn 3

關鍵輸出解讀：

%b 接近 100% 且吞吐極低，特徵為 **RAID 5 陣列單顆硬碟損壞，導致寫入懸罰 (write penalty) 暴增**。

根因確認與解決

• 硬體巡檢確認：RAID 5 群組中一顆實體硬碟故障。
• 更換硬碟，RAID 重建完成後，I/O 回歸正常，資料庫自動恢復服務。

核心教訓

1. 全 ACTIVE ≠ DBWR 忙：DBWR 閒置時更應懷疑 I/O 底層故障。
2. iostat -x 的 %b (裝置忙碌率) 與 kw/s (寫入吞吐) 是判斷磁碟健康的黃金指標。
3. RAID 5 寫入效能極度依賴所有成員硬碟健康，單顆故障即拖垮整體。
4. 生產環境務必配置硬體級監控 (SMART、RAID 控制器告警) 實時感知磁碟劣化。

延伸閱讀

Bonnie++ 磁碟效能基準測試方法：www.eygle.com/unix/Use.Bonnie.To.Test.IO.speed.htm