ORA-01555问题分析及解决

今天开发的同事发给我一个问题，在运行某一个Job的时候抛出了ORA-01555错误，希望我们看看从数据库层面能不能发现什么。 错误日志

今天开发的同事发给我一个问题，在运行某一个Job的时候抛出了ORA-01555错误，希望我们看看从数据库层面能不能发现什么。

错误日志如下：

Function: EntitySQLCursor::query

Line number: 113

Time: Thu Jul  2 22:52:46 2015

Message text: (PE1-000143) Internal IO Framework Database Error, message ORA-01555: snapshot too old: rollback segment number 22 with name "_SYSSMU22_234950861$" too small, code 1555.

看这个错误，似乎是Oracle分配的回滚段太小导致的。对于这个问题，因为已经过去了一段时间，所以能够合理分析的一种途径就是使用ash.

根据错误信息中的时间戳，基本定位在了22:52~22:53这一分钟之内，抓取了一个ash报告。

因为信息针对性更强，可以很清晰的看到在那一分钟之内数据库层面有一些查询和dml的语句在运行，有些走了全表扫描，有些走了索引扫描。

Top SQL with Top Events

SQL IDPlanhashSampled # of Executions% ActivityEvent% EventTop Row Source% RwSrcSQL Text

fzn01wc5pg2dg 1199754052 2 15.67 CPU + Wait for CPU 11.75 TABLE ACCESS - FULL 11.75 SELECT /*+ ALL_ROWS USE_NL ("A...

        db file sequential read 2.61 TABLE ACCESS - FULL 2.61  

        direct path read 1.31 TABLE ACCESS - FULL 1.31  

5q2mguqdcrq4a 421773076 1 12.01 db file sequential read 12.01 INDEX - RANGE SCAN 7.05 SELECT RE.L3_NET_START_TIME, R...

a793wrq0q27c5 201265388 1 10.70 db file sequential read 8.09 DELETE 8.09 delete from RATED_EVENT WHERE ...

        CPU + Wait for CPU 1.57 DELETE 1.57  

        direct path read temp 1.04 DELETE 1.04  

496x3fkydc1xj 84305990 1 9.92 db file sequential read 8.62 INDEX - RANGE SCAN 8.62 ** SQL Text Not Available **

        CPU + Wait for CPU 1.31 INDEX - RANGE SCAN 1.31  

dm1d93bw2jdzc 2843169790 27 8.09 db file sequential read 4.70 INDEX - RANGE SCAN 2.09 select sk.rowid , sk.subscribe...

        CPU + Wait for CPU 3.39 SELECT STATEMENT 2.35

需要重点关注的是全表扫描的语句和DML语句。

先来看看全表扫描的语句。

SELECT /*+ ALL_ROWS USE_NL ("AC1_CONTROL_HIST") FULL ("AC1_CONTROL_HIST") */ ....  from  "AC1_CONTROL_HIST" WHERE "CUR_PGM_NAME"='RGD' AND "IDENTIFIER"=:1

语句输出字段较多，但是相关的表只有一个，这个表从表名可以看出是一个历史表，数据量相比也是相当大的，一查看统计信息，数据量都在亿级以上。

这么大的表，使用了hint，指定全表扫描，相比是某些地方需要吧，带着疑问查看了索引的信息，而其中的主键索引就是IDENTIFIER字段开始的。

所以从这个角度来看，这个问题是一个很明显的问题，因为使用Hint不当导致了，本该走索引扫描的查询结果走了极为消耗资源的全表扫描。

当然了，哲学中有句话是 存在即合理，可能在早期的时候数据量不大，处于某种需要，，可能需要全表扫描，或者这部分逻辑是直接从某个地方参考而来，而其中的hint都忘了变更，导致了这样的问题。

出了问题，找问题的理由也是多种多样。当然最终这个问题还是发生了，能够及时发现修复才是更重要的。

对于这个问题的分析暂时告一段落，但是还有dml对于undo的影响也不容小视，可供参考的就是前面表格中的delete语句了。

对于这个语句，delete涉及的表也是很大的一个分区表，数据量亿级以上。在基于索引扫描的前提下，做了根据时间戳进行数据清理的操作。对于这种操作，我们可以反过来考虑一下，目前delete的逻辑是对的，在排除了ac1_control_hist全表扫描影响的前提下，delete操作还是会消耗大量的undo资源。这个时候也需要同时考虑目前的undo大小是否完全满足系统的要求。目前的库里undo的大小在17G左右，几个大分区表都在百G以上，如果删除所限定的时间戳大一些，undo的消耗就会更大，所以也需要考量undo的大小，根据目前的情况，可以考虑适当增大undo空间。

所以这个问题的分析结果就是两个建议，第一个就是对于本该索引扫描的语句走了全表扫描进行改进，规范hint的使用。另外一方面是建议适当调大undo的大小，以满足系统的需求，使得系统的负载更有张力。