今天查看数据库负载没有发现问题,但是当我使用top命令的时候,发现有一个进程占用了大量的cpu资源而且已经执行很长时间了。这一下子引起了我的注意。

PID USER      PR  NI  VIRT  RES  SHR S %CPU %MEM    TIME+  COMMAND

25807 oraccbs1  25  0  8728  732  564 R 100.0  0.0  2021:19 /bin/sh -c /opt/app/Oracle/xxxxxx/Script/DailyChk/chk_path_full.ksh PRODB 2>&1 >/opt/app/oracle/Script/DailyLog/chk_path_full.log

13578 oraccbs1  18  0 40.2g  49m  29m D 61.0  0.0  6:40.18 oraclePRODB (LOCAL=NO)

17085 oraccbs1  18  0 40.2g  48m  24m R 40.6  0.0  36:44.43 oraclePRODB (LOCAL=NO)

30894 oraccbs1  18  0 40.3g  56m  27m D 38.1  0.0  54:40.46 oraclePRODB (LOCAL=NO)

10616 oraccbs1  18  0 40.3g  54m  24m R 36.8  0.0  28:15.49 oraclePRODB (LOCAL=NO)

17089 oraccbs1  18  0 40.2g  49m  25m R 36.8  0.0  60:11.90 oraclePRODB (LOCAL=NO)

12103 oraccbs1  18  0 40.2g  31m  22m R 35.6  0.0 149:38.06 oraclePRODB (LOCAL=NO)

30898 oraccbs1  18  0 40.2g  50m  32m D 35.6  0.0  56:03.90 oraclePRODB (LOCAL=NO)

对于这个脚本我比较陌生,一般这些维护性的工作主要都是客户来做的。尝试查看了下这个脚本的内容,发现是一个检测脚本,

脚本的内容很清晰,是来监控归档目录和home目录的空间使用情况,当超过阀值的时候,就发送短信给响应的人来处理。

内容大体如下:

#Send Short Message  if %used greater than 80% : ARCHIVE

PERC_ARCH_USED=`df -P ${ARCH_PATH}|awk '{ print $5 }'|grep "%"|tr -d "%"`

export casename=`uname -n`_${database}_Percent_Archive_Used_IS_${PERC_ARCH_USED}

if [[ $PERC_ARCH_USED -gt 80 ]]; then

sqlplus -s xxxxx @$myDir/Sql/sendsms.sql $casename

fi

#Send Short Message  if %used greater than 80% : $ORACLE_HOME

PERC_HOME_USED=`df -P ${HOME_PATH}|awk '{ print $5 }'|grep "%"|tr -d "%"`

export casename=`uname -n`_${database}_Percent_HOME_Used_IS_${PERC_HOME_USED}

if [[ $PERC_HOME_USED -gt 80 ]]; then

sqlplus -s xxxxxx @$myDir/Sql/sendsms.sql $casename

fi

这样一个脚本的执行肯定执行一次就完了。它是从哪里执行的呢,首先想到的就是crontab。

crontab是在系统级作为作业自动执行的利器,可以进行各种细粒度的配置,使用也很方面。

先来查看一下crontab的情况,结果在crontab的最后发现一个配置就是正在执行的job.

>crontab -l

#------------------------------------------------

# Test Log DB for house keeping .....

#------------------------------------------------

#0,30 * * * * /opt/app/oracle/xxxxxx/Script/DailyChk/chk_path_full.ksh PRODB 2>&1 >/opt/app/oracle/Script/DailyLog/chk_path_full.log

这样来看似乎问题找到了原因,但是奇怪的是根据crontab里面的设置,这个job已经被禁用了,怎么还在运行?

毕竟这个问题还不能完全肯定是操作问题还是其他的原因导致的,就先不轻率的决定,把问题分给客户,从我的角度来说,怎么才能得到一些信息来说明这个问题才是关键。

首先是crontab的执行频率问题。如果没有接触过crontab可能会有些陌生。

crontab命令包含6个参数,命令的一些基本说明如下:

*      * *   *   * command分   时 日 月 周   命令

第1列表示分钟1~59 每分钟用*或者 */1表示

第2列表示小时1~23(0表示0点)

第3列表示日期1~31

第4列表示月份1~12

第5列标识号星期0~6(0表示星期天)

第6列要运行的命令

在这个例子中。0,30是第一个参数,就代表每个小时的0分,30分执行一次下面的脚本。

0,30 * * * * /opt/app/oracle/xxxxxx/Script/DailyChk/chk_path_full.ksh PRODB 2>&1 >/opt/app/oracle/Script/DailyLog/chk_path_full.log

如果要求脚本在指定的时间段,比如只在5分,20分,30分的时候执行,

5,20,30 * * * * /opt/app/oracle/xxxxxx/Script/DailyChk/chk_path_full.ksh PRODB 2>&1 >/opt/app/oracle/Script/DailyLog/chk_path_full.log 如果要求脚本在指定的时间段,比如只在每天晚上的11:30执行,就可以写成下面的形式。

30 23 * * * /opt/app/oracle/xxxxxx/Script/DailyChk/chk_path_full.ksh PRODB 2>&1 >/opt/app/oracle/Script/DailyLog/chk_path_full.log

从配置来看,job是每隔半个小时执行一次,而且所做的检查工作也不复杂,执行时间应该会很短。配置中这个job已经被禁用,如果我们能够证明这个job是通过crontab执行的就能够说明是操作问题。因为crontab里面已经禁用,但是实际上job还在运行。

通过进程的信息,我们知道这个进程已经执行了近2021分钟,我们来推算一下执行的时间。2021/60=33个小时,从下午3点往前推33个小时,就是在29号早晨的7点左右开始执行的。

PID USER      PR  NI  VIRT  RES  SHR S %CPU %MEM    TIME+  COMMAND                                                                                                                                                                     

25807 oraccbs1  25  0  8728  732  564 R 100.0  0.0  2021:19 /bin/sh -c /opt/app/oracle/xxxxxx/Script/DailyChk/chk_path_full.ksh PRODB 2>&1 >/opt/app/oracle/Script/DailyLog/chk_path_full.log

这个时候日志就是最好的证明工具,可以在/var/spool/mail/oraccbs1下面找到相应的日志。

日志中最近的一次执行时间是在昨天的早晨7:30,之后就没有任何相关的日志了。

Mon Dec 29 07:30:01 2014

Return-Path: <oraccbs1@localhost.localdomain>

Received: from localhost.localdomain (xxxxx[127.0.0.1])

by localhost.localdomain (8.13.8/8.13.8) with ESMTP id sBT0U1mr013412

for <oraccbs1@localhost.localdomain>; Mon, 29 Dec 2014 07:30:01 +0700

Received: (from oraccbs1@localhost)

by localhost.localdomain (8.13.8/8.13.8/Submit) id sBT0U1Jh013347;

Mon, 29 Dec 2014 07:30:01 +0700

Date: Mon, 29 Dec 2014 07:30:01 +0700

Message-Id: <201412290030.sBT0U1Jh013347@localhost.localdomain>

From: root@localhost.localdomain (Cron Daemon)

To: oraccbs1@localhost.localdomain

Subject: Cron <oraccbs1@xxxxxx>  /opt/app/oracle/xxxxxx/Script/DailyChk/chk_path_full.ksh PRODB 2>&1 >/opt/app/oracle/Script/DailyLog/chk_path_full.log

Content-Type: text/plain; charset=UTF-8

Auto-Submitted: auto-generated

/bin/sh: fork: Resource temporarily unavailable

From oraccbs1@localhost.localdomain  Mon Dec 29 07:30:05 2014

。。。。

得到了这些基本信息,就能够基本确定问题了。

至于crontab的修改,可以使用crontab -e来完成。感觉就跟vi操作一样。客户做了确认之后,手工kill掉了那个job,那个问题就解决了。

有很多朋友反馈说为什么会导致CPU异常,因为问题已经修复了,我就从支离破碎的日志中做了简单的分析。

可以通过上面的日志看到fork: Resource temporarily unavailable这个问题,说明在执行crontab job的时候发生了问题,这个问题可能是数据库中其它的资源消耗导致的,也可能是发送消息的环节导致的,因为发送消息的细节是客户来维护,他们不愿意透露 更多的细节,我们只能做主观上的猜测了。

不过通过下面的日志能够得到一些信息。就是crontab的job很可能是个僵尸进程。存在两个相同的进程。

>ps -ef|grep DailyChk

oraccbs1 14187  7786  0 14:59 pts/10  00:00:00 grep DailyChk

oraccbs1 25793    1  0 Dec29 ?        00:00:00 /bin/sh -c /opt/app/oracle/xxxxxx/Script/DailyChk/chk_path_full.ksh PRODB 2>&1 >/opt/app/oracle/Script/DailyLog/chk_path_full.log

oraccbs1 25807 25793 99 Dec29 ?        1-09:58:51 /bin/sh -c /opt/app/oracle/xxxxxx/Script/DailyChk/chk_path_full.ksh PRODB 2>&1 >/opt/app/oracle/Script/DailyLog/chk_path_full.log

最后从昨天的top截图中发现了如下的内容,可以基本断定问题是crontab 的那个job成为了僵尸进程导致的。

Tasks: 7196 total,  26 running, 7165 sleeping,  0 stopped,  5 zombie

Cpu(s):  7.8%us,  1.5%sy,  0.0%ni, 90.1%id,  0.1%wa,  0.1%hi,  0.4%si,  0.0%st

Mem:  363033360k total, 116349772k used, 246683588k free,  2176616k buffers