DataGuard - 利用Cascaded Redo Log Destinations避免WAN稳定性问题

最近一直头疼于DataGuard环境中万一网络失败将导致的Primary库短时间内无法正常工作的问题。

这个问题的现象基本上是这样：
当Primary和Standby之间的网络出现问题，比如说在测试环境中我们拔掉Standby的网线，此时当Primary发生日志切换（Log Switch）的时候，Primary将试图通知Standby同样作归档，但是由于网络不通，就会默认有30秒的TimeOut，而在这30秒的时间内，Primary上的任何DML操作都将被悬停。
至今为止我还没有找到很好的办法可以有效地缩短这个TimeOut时间，虽然按照文档上说应该可以缩短到最小15秒。即使是15秒，也是无法忍受的，特别是如果DataGuard环境搭建在WAN上，比如说通过2M的DDN专线，那么出现网络故障的几率是比较高的。
如果说将有可能由于DataGuard的网络原因而导致主业务库的操作悬停，无论对于客户还是对于我个人而言都是不太容易接受的。

WAN上的网络故障几率较大，那么如果我们换到LAN上，就可以降低这种故障的发生率。由此想到可以利用DataGuard中的Cascaded Redo Log Destinations功能。今天作了此项测试，效果还是很理想的。
所谓Cascaded Redo Log Destinations功能，是指A机器（Primary）将redo数据传递给B机器（Standby），然后B机器再将接收到的redo传递给C机器（Standby），这种中转方式在Physical Standby和Logical Standby中都可以实现。如果A，B处于同一个LAN中，而B，C则通过WAN通信，那么即使WAN出现网络问题，也不会影响A将redo传递到B，也就不会影响A的业务进行。

大概配置如下：
1。A (Primary)的init参数：
*.log_archive_dest_1=@#LOCATION=/oradata/ctsdb/archive@#
*.log_archive_dest_2=@#SERVICE=CTSDB.JUMPER LGWR ASYNC=20480 NET_TIMEOUT=15 MAX_FAILURE=2 REOPEN=10@#

2。B (Standby1)的init参数：
*.log_archive_dest_1=@#LOCATION=/oradata/ctsdb/archive@#
*.log_archive_dest_2=@#SERVICE=CTSDB.STANDBY@#
*.standby_archive_dest=@#/oradata/ctsdb/archive@#

3。C (Standby2)的init参数：
*.log_archive_dest_1=@#LOCATION=/oradata/ctsdb/archive@#
*.standby_archive_dest=@#/oradata/ctsdb/archive@#
*.fal_client=@#ctsdb.standby@#
*.fal_server=@#ctsdb.jumper@#

其它的配置文件，比如listener.ora和tnsnames.ora，不再赘述。

在B机器上的alertlog中一些比较有趣的地方：
Thu Jan 13 12:05:27 2005
RFS: Suclearcase/" target="_blank" >ccessfully opened standby logfile 4: @#/oradata/ctsdb/redo04.log@#
Thu Jan 13 12:05:33 2005
RFS: Successfully opened standby logfile 5: @#/oradata/ctsdb/redo05.log@#
Thu Jan 13 12:05:38 2005
RFS: Successfully opened standby logfile 6: @#/oradata/ctsdb/redo06.log@#
RFS: Successfully opened standby logfile 7: @#/oradata/ctsdb/redo07.log@#
RFS: No standby redo logfiles of size 6144 blocks available

以前的测试和Freelists中的一些邮件列表的讨论都表明在DataGuard环境中我们最多只能使用到2组Standby Redolog（一般情况我们只会只用到1组），这是因为Oracle对于SRL的启用机制就是从首个SRL开始找第一个可以使用的，正常情况下只有在接受下一次redo信息时，redo04.log还没有被归档成功，这时候才会使用redo05.log，而redo05被写满以后，redo04还没有被归档结束的情况我们几乎不可能碰到，所以下一次的redo信息又被写到redo04中。
而这次测试，由于B和C之间的网络中断，导致redo04－redo07这四组SRL都被启用了，并且再接下去RFS报了No standby redo logfiles的错误，这个同样很明显地表示了如果网络中断，在TimeOut时间内，redo是无法被正常归档的。
那么大家可能要问，如果B的4组SRL都无法使用了，A继续传过来的redo数据是不是也会被阻塞，从而也间接导致了A同样无法正常继续业务？
在测试之前，我也同样担心这个问题，但是测试表明这种情况没有出现。原因在于DataGuard的机制是，即使A指定了使用LGWR传递redo（如本例所示），如果出现B上的SRL无法使用的情况，B的RFS进程将把接受到的redo直接写入本机的Archivelog中，当A开始归档的时候，B同时归档刚才写入了数据的Archivelog（此归档的Sequence比A上归档的Sequence大1）。从下面的alertlog中可以确认这点：
ARC1: Evaluating archive   log 6 thread 1 sequence 600
ARC1: Beginning to archive log 6 thread 1 sequence 600
Creating archive destination LOG_ARCHIVE_DEST_2: @#CTSDB.STANDBY@#
Creating archive destination LOG_ARCHIVE_DEST_1: @#/oradata/ctsdb/archive/1_600.dbf@#
ARC1: Completed archiving  log 6 thread 1 sequence 600

从以上的测试中我们得出一个结论，只要是Primary可以跟Standby的RFS进程正常通信，那么就不会产生操作被悬停的问题，不管Standby到底是使用了SRL还是使用了Archivelog。

最后，由于这样的环境添加了额外的机器（机器B），而由于DataGuard环境必须要求同构，所以如果整个环境是UNIX的，那么也许大家要问，这样岂不是需要再购买一台小型机，这在budget方面是不是就有些问题了。
确实，需要额外的投入，但是由于B机器只是作中转redo的作用，所以我们甚至可以不将B置于managed recover模式下，也就是B只负责接受A的redo，再把redo传送到C，这样对于B机器的性能要求就可以下降很多，也许一台普通的SunRay工作站就可以满足要求了。至于是不是确实可以满足性能需求，我还会有后续的测试。
呵呵，敬请期待。

原文转自：http://www.ltesting.net