update 关联两张表_update语句引起大量gc等待和业务停顿怎么解决？

业务卡顿异常，有几个 insert into 语句的gc等待比较严重，发生业务超时，本文分析了超时原因并详述整个处理过程，希望对大家有帮助。

1. 故障现象

客户报2020年7月9号，8点30分左右业务卡顿异常，有几个 insert into 语句的gc等待比较严重，发生业务超时，需要紧急分析一下超时原因，并给出处理建议。

2. AWR分析

由于是业务卡顿分析，可以让客户配合出各节点实例的awr报告辅助分析，另一方面同时进行分析ASH信息：

可以看到gc等待排第一位，等待次数异常高。

可以看到gc等待主要是由3个insert into语句产生的。

3.诊断分析及建议

首先先备份ASH表，避免数据被刷出内存：

from gv$active_session_history where sample_time >=       to_date('2020-07-09 08:00:00', 'yyyy-mm-dd hh24:mi:ss')   and sample_time <       to_date('2020-07-09 10:00:00', 'yyyy-mm-dd hh24:mi:ss')

其次查询各实例按分为统计单位的等待次数趋势情况：

可以发现实例1并没有等待暴增的情况，而实例2在8：30时等待暴示，进一步查询实例2等待次数变化情况：

from gv$active_session_history where sample_time >=       to_date('2020-07-09 08:00:00', 'yyyy-mm-dd hh24:mi:ss')   and sample_time <       to_date('2020-07-09 10:00:00', 'yyyy-mm-dd hh24:mi:ss')   and event is not null   and inst_id=1 group by event order by 2 desc; 

可以看到这三个gc等待严重的SQL语句都是insert into语句，且是插入同一个表。这里和AWR的分析相吻合，进一步查询gc使用块类型占比，考虑如果被用于撤销块比例过多，则应用实例划分可以大大降低GC传输。

       trunc(data_requests / decode(tot_req,0,1), 2) * 100 data_per,  --data blocks       trunc(undo_requests / decode(tot_req,0,1), 2) * 100 undo_per,  --undo blocks       trunc(tx_requests / decode(tot_req,0,1), 2) * 100 tx_per,      --undo header blocks       trunc(other_requests / decode(tot_req,0,1), 2) * 100 other_per --other blocks  from (select inst_id,               cr_requests + current_requests tot_req,               data_requests,               undo_requests,               tx_requests,               other_requests          from gv$cr_block_server) order by inst_id;

这里除了看到数据块的CR块GC传输比较多，也可以看到undo header的cr块传输占比也很大。进一步查询gc buffer busy acquire等待按块类型分类情况：

(select *    from (select /*+ materialize */           inst_id,           event,           current_obj#,           current_file#,           current_block#,           count(*) cnt            from gv$active_session_history           where event = 'gc buffer busy acquire'           group by inst_id,                    event,                    current_obj#,                    current_file#,                    current_block#          having count(*) > 5)   where rownum < 101)select *  from (select inst_id,               owner,               object_name,               object_type,               current_file#,               current_block#,               cnt          from ash_gc a, dba_objects o         where (a.current_obj# = o.object_id(+))           and a.current_obj# >= 1        union        select inst_id,               '',               '',               'Undo Header/Undo block',               current_file#,               current_block#,               cnt          from ash_gc a         where a.current_obj# = 0        union        select inst_id,               '',               '',               'Undo Block',               current_file#,               current_block#,               cnt          from ash_gc a         where a.current_obj# = -1) order by 7 desc

可以看到Undo Header/Undo block的统计次数最大，最严重的GC等待来自undo上的数据块，验证了前面cr块的gc传输很大的情况。由于都是同一个表的gc传输，这时客户开发反馈，昨晚有业务处理：

 set a.subpayway ='05'  where exists (select 1 from t1_20200708 b where a.bizfeedetid = a.bizfeedetid);

但中间杀了没提交，写入表慢是否跟这个有关？

根据这个信息，怀疑是这个UPDATE语句的表数据量很大，执行非常慢才去杀掉的，客户回复可能是没有写好条件，这个SQL等于是更新了整张表，确实是中止了，进行异常回滚而没有正常提交。从SQL写法上(a.bizfeedetid = a.bizfeedetid)也可以看到恒等的错误，查看这个表数据量：

这个表不是分区表，数据量达到6亿多条，update全表根本无法完成。

分析gc buffer busy acquire等待事件：

这里可以知道gc buffer busy acquire等待需等待lgwr刷新未提交的变更到日志中，也就需要undo的回滚和一致性要求，根据以往的经验，如果如果lgwr写入慢，则会进一步加重在gc的等待，进一步查看lgwr 的 trace，发现写抖动严重：

节点1、节点2，也就是实例1、实例2的lgwr写入都存在写入延迟的问题，lgwr写入抖动很严重，2KB都要写516ms，lgwr写入慢，如果碰上大量的gc块获取，就会产生大量的gc等待，这里lgwr刷新需求和lgwr写入慢相应验证插入业务卡顿的故障现象。

继续查log file parallel write直方图：

同样验证log写入有比较严重的抖动现象。

可通过v$faststarttransactions视图查看正在回滚的事务：

根据XID事务ID已经找不到对应事务了，只有之前完成的回滚。

查询到这条update只在节点1执行，且最后一次执行时间是在09：59分，此时已经11点了，没有查到回滚事务信息，说明已经完成了事务回滚，故障已自动恢复。这里客户反馈库这时latch: cache buffers chains等待严重，查询此时的等待链信息：

with ash as (select /*+ materialize*/   *    from gv$active_session_history t   where sample_time >=         to_date('2020-07-09 11:00:00', 'yyyy-mm-dd hh24:mi:ss')     and sample_time <         to_date('2020-07-09 12:00:00', 'yyyy-mm-dd hh24:mi:ss')),chains as (select inst_id,         blocking_session blocking_sid,         blocking_session_serial#  blocking_serial,         session_id,         session_serial# session_serial,         level lvl,         sys_connect_by_path(inst_id||' '||session_id || ',' || session_serial# || ' ' ||                             sql_id || ' ' || event,                             ' 

依然是之前一个那个没有分区的6亿条记录表的一条insert语句，只是等待事件由gc变成cbc等待，根据以往处理经验，CBC的等待需要考虑BUFFER不够和访问热点的问题，需要从表结构、表参数、索引设计、索引参数等考虑优化。

客户反馈这个表是一些中间数据，分区标识不明显，所以一直没有进行分区，且对查询要求比较高，还会和三个同等大小的表关联。

针对这种情况，我们给出建议是创建成全局HASH分区表可能较合适的，索引也相应创建成分区索引，需要根据业务再讨论设计。可以先设置pctfree参数缓解CBC。

综合以上的分析，可以确认本次故障是由于开发一条update语句条件错误导致大量的undo事务回滚，使在另一实例上的相同表的几个业务上insert into语句产生大量的gc buffer busy acquire等待，加上lgwr写入抖动加剧了等待时长，最终引起了前台业务卡顿。

4.故障总结

接下来内容请查看原文(https://www.modb.pro/db/24795?YYF)进行观看~

更多数据库相关内容，可访问墨天轮(https://www.modb.pro?YYF)进行浏览。