ORACLE RAC 之I/O分离－－hangcheck-timer模块配置
ORACLE RAC 之I/O分离－－hangcheck-timer模块配置
此文档摘自METALINK:726833.1，所适用的ORACLE版本为:Oracle Server - Enterprise Edition - Version: 9.2.0.8 to 11.1.0.7
从9.2.0.2版本开始，ORACLE RAC环境需要使用一个新的I/O fencing模块，叫做hangcheck-timer模块。
这个模块用来代替Watchdog模块，提供类似的fencing功能。Hangcheck-timer模块是标准的linux2.4以上的内核中的一个子功能被发布。
1. hangcheck-timer简介
Hangcheck-timer应该在系统启动的时候被加载, 并对于能够影响RAC节点稳定性的长时间的系统操作HANG进行内核监控。
它运行在内核级别并使用Time Stamp Counter(TSC)来捕捉调度的延迟和节点HANG。这是通过设置一个timer，然后检查这个timer的fires情况来判断是否延迟是否超过了误差的幅度。如果这个周期超过了允许的时间（也就是hangcheck_tick+hangcheck_margin秒），机器将会被重启，如果是CPU资源不足的时候，Hangcheck-timer将不会导致重启。
Hangcheck-timer有三个配置参数:
hangcheck_tick： 定义了hangcheck-timer检查节点是否hang的频率，单位是秒，缺省是60秒
hangcheck_margin： 定义期望的和真正的scheduling之间允许的误差，单位是秒，缺省值是180秒
hangcheck_reboot： 定义了如果内核在hangcheck-tick和hangcheck-margin相加的时间内响应失败的话，hangcheck-timer是否重启节点。
如果hangcheck_reboot的值大于等于1,hangcheck-timer模块将会重启系统；如果设置为0，则即使系统hang的时候hangcheck-timer也不会重启系统。
在linux 2.4的内核中，这个缺省值是1；在2.6的内核中，缺省值是0。
当hangcheck_reboot=1并且满足下面的公式时，hangcheck-timer将reboot系统system hang time > (hangcheck_tick + hangcheck_margin)，所有的hangcheck-timer的参数的缺省值必须在加载内核模块的时候被显式的覆盖，不同的oracle版本可以按照下面来设置：
9i: 假如"oracle misscount"的缺省设置是220秒，则hangcheck_tick=30 hangcheck_margin=180 hangcheck_reboot=1
10g/11g: 假如"CSS misscount"的设置是30或者60秒，则hangcheck_tick=1 hangcheck_margin=10 hangcheck_reboot=1
不过对于目前大多数的环境，我问了几个朋友的rac这几个参数的设置一般为
misscount=220
hangcheck_tick=30
hangcheck_margin=180
注意：你必须设置集群的misscount值大于hangcheck_tick + hangcheck_margin之和
CSS 服务有2种心跳机制： 一种是通过私有网络的Network Heartbeat，另一种是通过Voting Disk的Disk Heartbeat.
这2种心跳都有最大延时，对于Disk Heartbeat， 这个延时叫作IOT (I/O Timeout);对于Network Heartbeat, 这个延时叫MC(Misscount)。 这2个参数都以秒为单位，缺省时IOT大于MC，在默认情况下，这2个参数是Oracle 自动判定的，并且不建议调整。可以通过如下命令来查看参数值：
2. hangcheck-timer.ko模块安装：
hangcheck-timer被默认安装在linux版本 2.4.9-e.12 及之上版本中，可以用如下命令核查hangcheck-timer是否安装。
[root@rac2 ~]# find /lib -name "hangcheck-timer.ko"
/lib/modules/2.6.18-164.el5/kernel/drivers/char/hangcheck-timer.ko
有以上输出，代表已经安装了
modprobe命令将在模块路径/lib/modules/'uname -r'/中搜寻所有的模块和文件。
3. 配置hangcheck-timer:
修改配置文件/etc/modprobe.conf ，我的这个文件的内容如下：
[root@rac2 oracle]# more /etc/modprobe.conf
alias eth0 pcnet32
alias eth1 pcnet32
alias scsi_hostadapter mptbase
alias scsi_hostadapter1 mptscsi
alias scsi_hostadapter2 mptspi
alias scsi_hostadapter3 mptsas
alias scsi_hostadapter4 mptscsih
alias scsi_hostadapter5 ata_piix
options hangcheck-timer hangcheck_tick=30 hangcheck_margin=180
4. 加载hangcheck-timer模块:
这个模块是在oracle需要时自动调用的，可以不需要用modprobe或insmod命令来放在启动文件加载。但是一般的条件下，我们还是把这个命令放在系统引导文件中。
为了使得在系统启动的时候就自动加载，可以把上面的命令添加到/etc/rc.d/rc.local或者/etc/init.d/boot.local或者/etc/rc.local中，这个根据不同的发行版来决定。
例如：
# echo "/sbin/modprobe hangcheck-timer" >> /etc/rc.local
说明：
在oracle linux、红帽linux4/5或者SUSE linux9/10中，hangcheck-timer模块使用modprobe命令替换insmod命令（因为modprobe更灵巧些）来进行加载：
# modprobe hangcheck-timer hangcheck_tick=1 hangcheck_margin=10 hangcheck_reboot=1
5. 查证hangcheck-timer的参数是否正确的方法:
[root@rac2 ~]# /sbin/lsmod |grep hangcheck
hangcheck_timer 7897 0
hangcheck-timer的启动信息都会记录在系统日志里“ /var/log/messages”
重启时会记录"Hangcheck: hangcheck is restarting the machine"信息到/var/log/messages
如果你看到/var/log/messages中有"Hangcheck: hangcheck value past margin!"消息，表示系
统需要重启但是没有重启，因为hangcheck-reboot参数没有设置为1。
[root@rac2 ~]# grep hangcheck /var/log/messages |tail -2
Sep 21 11:03:20 rac2 kernel: Hangcheck: starting hangcheck timer 0.9.0 (tick is 30 seconds, margin is 180 seconds).
Sep 21 11:03:20 rac2 kernel: Hangcheck: Using get_cycles().
文档参考：
http://zhang41082.itpub.net/post/7167/467614
http://www.rampant-books.com/art_hunter_rac_oracle%20linux_hangcheck_kernel_module.htm
后记：
ORACLE10g RAC 10.2.0.1.0版本，OS内核版本为：2.6.18-164.el5 时，设置hangcheck-timer的三个参数为如下值比较合适：
modprobe hangcheck-timer hangcheck_tick=10 hangcheck_margin=40 hangcheck_reboot=1
因为，CRS默认的misscount值为60s，一定要保证misscount>(hangcheck_tick+hangcheck_margin),且hangcheck_tick， hangcheck_margin的值不能过大。否则，两节点便会不断地重启。
$crsctl get css disktimeout
$crsctl get css misscount
