本文为墨天轮社区作者 张sir 原创作品，记录了日常运维Oracle数据库过程中遇到的一个慢SQL问题的解决、优化过程，文章内容全面具体、分析到位，且含有经验总结，分享给各位。
问题现象
这次出问题的数据库比较特殊，承接的系统交易要求很高，SQL基本都是短平快，响应时间基本不能超过50ms，某天凌晨的01:12-01:14在进行压力测试的时候，突然出现短暂的交易延迟变长的情况，有部分交易超时。应用定位到是数据库返回慢了，要求我们排查问题。
问题分析：
步骤一：come on v$ASH
分析这种问题，我是特别喜欢用v$active\_session\_history视图的，虽然oracle也提供了ASH报告的功能，但是总感觉报告提供的内容太多，没法抓住重点。直接查视图，想看什么信息都可以。首先先看看问题时段整体的数据库sql的执行情况，SQL执行时间最长已经到40s左右了，这个时间肯定是无法接受的，而且基本上都是两条SQL：cuw23huyg926x和84m7xzxz0181g。
既然找到了慢SQL，那就看看他们的主要的等待事件吧， 通过下面的查询可以看出84m7xzxz0181g主要等待事件是enq: US - contention和row cache lock，cuw23huyg926x的主要等待事件是enq: US - contention。
84m7xzxz0181g：
步骤二：等待事件分析
1） 先简单看下这两个等待事件哈：
row cache lock等待事件是一个共享池相关的等待事件，是由于对字典缓冲的访问造成的。每一个行缓冲队列锁都对应一个特定的数据字典对象，这被叫做队列锁类型，并可以在V$ROWCACHE视图中找到。在AWR中需要查看Dictionary Cache Stats部分用以确定问题。常见的原因有如下几点：
① 序列没有设置CACHE属性，导致序列争用。
② 表空间不足引起 表空间的扩展速度跟不上表空间的使用速度会发生该等待事件。
③ Shared Pool不足，需要增加共享池。
④ 用户密码错误或给出了空密码并且频繁登录。
enq: US - contention:这个event说明事务在队列中等待UNDO Segment，通常是由于UNDO空间不足导致的。
在对此事件说明之前，需要理解在使用AUM（atuomatic undo management）时，回滚段在何时联机或脱机。AUM与RBU（rollback segment management）不同，回滚段的管理是Oracle自动完成的。使用AUM时，回滚段的联机或脱机的时刻如下：
1）在执行alter database open的时候将回滚段联机
2）通过alter system set undo_tablespace=xxx 修改撤销表空间时，将原来的回滚段脱机后，再将新的回滚段联机。
3）通过SMON，自动脱机或者联机回滚段，如果一段时间内，事务量增加，联机状态的回滚段也会增加，一段时间内若是没有实物或事务减少，回滚段就会被smon进程脱机。
为了同步将回滚段联机或脱机的过程，执行该工作的服务器进程或后台进程应获得US锁，每个回滚段非配一个US锁，ID1=Undo segment#。若在获得US锁的过程中发生争用，则等待enq：US-contention事件。服务器进程应该在开始事务时分配到回滚段，但如果不存在可用的回滚段时，应该创建新的回滚段或将脱机状态的回滚段联机。在实现此项工作期间，服务器进程为了获得US锁而等待，等待占有可用回滚段。
2）第一个等待事件是跟共享池相关的等待事件，我们可以通过v$ash看看具体等待的字典缓冲类型
3）看一下等待事件row cahce lock等待的对象是什么，row cache lock 等待事件的P1参数为cache id，根据cache id找到dc,可以看到大部分是等待获取dc\_rollback\_segments，这个等待时间也是在等待获取undo信息。
4）第一个等待事件是字典缓冲的争用，争用的对象是rollback segments，第二个等待事件enq: US - contention也是关于undo segment的等待。根据以上情况可以看出，row cache lock和enq:U - contention是有相关性的，都是由于获取undo的时候产生的争用。但是这个系统其实是采用的分库分表的架构，有多个对等角色的数据库，每套数据库交易量基本一致，那为什么这套库有问题，而别的库没问题呢？
步骤三、继续AWR+v$ASH
以上问题也是我自己的疑问，多套配置相同的数据库，交易量一致，如果说是由于undo引发的，那为啥其他库没问题，单单这套库有问题？ 感觉问题的根源还不在这里。继续仔细查看
awr报告，发现问题库的rac节点2的等待事件中有log file sync等待，按理说这是一个正常等待，但是其等待时间超过了2ms，而其他几套库的该等待事件时间都是几百us。
再看下log file parallel write事件，平均等待时间是1.09ms，其他对等数据库的等待时间只有几百us。
去V$ASH里查看这个等待事件的时间分布情况，发现在01:12:16s的时候，log file parallel write执行超过了1s。
到这里，基本上可以把证据链梳理下了：
压力测试期间，交易量突然上升-----》online的undo segment不足-----》数据库online undo segment-----》发生US锁争用
而IO突然的堵塞，事务无法正常提交，加剧了undo的争用。针对这个问题，我们设置了\_rollback\_segment_count 参数，表示有多少rollback segment要处于online的状态；可以将该数值设置为数据库最繁忙的时候的回滚段数目。
总结：
1、 如果这个系统只有一套数据库，分析到第二步可能就结案了，有同样分库发表的兄弟库做对比，别人都没问题，就你有问题，那说明还有更深层次的原因。
2、 这种IO瞬时的延迟，基本上无解，尤其对于高并发系统，一个IO抖动就可能导致数据库堵塞。整个存储链路也不可能百分之百的一直处于高质量的状态。
3、 对于从v$ash中查到log file parallel write有1s的延迟，这个值的准确性我持怀疑态度，从底层的os、虚拟化、光纤交换机、存储都没看到这么高的延迟。有对这个有研究的老铁，可以讨论下。
阅读原文：https://www.modb.pro/db/486407
本文为【墨力原创作者计划】征文活动投稿作品，活动收录了数百篇Oracle、MySQL、PostgreSQL以及国产数据库相关的文章，包含数据库安装配置、性能调优、故障处理、高可用搭建等主题，此外也有K8s、Java、VUE等优质稿件。大家点击此处可查看有所技术文章。更多数据库故障处理文章可以点击此处查看。
【墨力原创作者计划】活动长期进行中，首次参与活动即有机会获得定制护腰靠枕；参与月更挑战，还可以获得定制U盘、罗技鼠标、华为手环、100-300元现金奖励等奖品，期待您的参与！
具体活动规则可以查看：https://www.modb.pro/db/513210
