关于dblink锁定带来的问题

简介: 可能在一些分布式环境中,有一些数据访问都需要用到db link。从某种程度上来说dblink是很方便,但是从性能上来说还是有一些的隐患。如果两个环境之间的网络情况不好,也会无形中给系统带来更多的等待。
可能在一些分布式环境中,有一些数据访问都需要用到db link。从某种程度上来说dblink是很方便,但是从性能上来说还是有一些的隐患。如果两个环境之间的网络情况不好,也会无形中给系统带来更多的等待。
昨天在系统升级前,另外一套系统出现了一个紧急任务,赶过去救火,他们反馈说有一个job处理很慢,已经很长的时间了还是没有任何反应。想让我看看是什么地方出问题了。
我检查了系统的负载,数据库的top process,都没有发现什么问题。我都有点纳闷他们的job到底跑了没,系统的空间资源很多,反应却很慢。
查看锁的情况时,只有一条记录,这条记录引起了我的注意。
  Current Locks
-------------
SID_SERIAL   ORACLE_USE OBJECT_NAME     LOGON_TIM SEC_WAIT OSUSER     MACHINE    PROGRAM               STATE      STATUS     LOCK_ MODE_HELD
------------ ---------- --------------- --------- -------- ---------- ---------- -------------------- ---------- ---------- ----- ----------
191,5379     XXXXXX     AUDIT_BALANCE    07-OCT-14        2 cpt01     machine02   PRManager@testwl(TNS V1-V3) WAITING    INACTIVE   DML   Row-X (SX)
猛一看这条记录没有什么问题,等待的时间也很短。
我的印象中这个表是使用db link创建同义词的方式访问的。
和他们确认了下,这个job会涉及5个库,我们就叫做sourcedb1,userdb1,userdb2,userdb3,userdb4
其中真正的表是在sourcedb1里面,然后在userdb1,userdb2,userdb3,userdb4里面创建了db link,然后通过同义词的方式来访问。
刚才查看的是sourcedb1,我又查看了一下其他的几个库,负载都很低,但是一个共同点就是都有这么一个锁。
  Current Locks
-------------
SID_SERIAL   ORACLE_USE OBJECT_NAME     LOGON_TIM SEC_WAIT OSUSER     MACHINE    PROGRAM               STATE      STATUS     LOCK_ MODE_HELD
------------ ---------- --------------- --------- -------- ---------- ---------- -------------------- ---------- ---------- ----- ----------
380,11     XXXXXX2    AUDIT_BALANCE    07-OCT-14        2 cpt01     machine02   PRManager@testwl(TNS V1-V3) WAITING    INACTIVE   DML   Row-X (SX)

唯一的不同之处就在于session不同。
这个问题就是由于db link锁导致的,在和开发确认后,可以清理这个session,他们重新跑一个这个Job.
我本以为在sourcedb1里面清理了锁之后,其余的库的lock也就会自动清除,但是清理了之后sourcedb1的lock之后,userdb1,userdb2,userdb3,userdb4的lock还在那儿。
最后还是一个一个单独做的清理。但是问题处理的紧急,其他的也就没有再做总结。

最后想来还是做一个简单的实验来说明一下db link的这个问题。
我们需要使用两个库,通过db link的方式来修改数据,看看锁的情况。
我创建了一个表,然后在另外一个库中创建了db link,然后创建了同义词来访问。
> sqlplus n1/n1@db1
SQL> create table  test_link as select *from cat; --创建了基表
Table created.
SQL> conn n1/n1@db2
Connected.
SQL> create database link link_db1 connect to n1 identified by n1 using 'db1';  --创建了db link
Database link created.
SQL> create synonym test_link for test_link@link_db1;    --创建了同义词
Synonym created.
SQL> update  test_link set table_name='a' ;   --这个时候通过db link来修改数据。
20 rows updated.
SQL>  select sid from v$mystat where rownum        SID
----------
       179
SQL> select sid,serial# from v$session where sid=179;  --通过db link访问的库session
       SID    SERIAL#
---------- ----------
       179        959

这个时候查看锁的情况,发现在源库上出现了一个锁,对应着一个session做dml操作。

 SID     SER# STA       User         Os user         Os Proc              Locked Object
------ ------ --- --------------- ---------- -------------------- -------------------------
   269  24847 INA N1                oracle     9021                 TEST_LINK

可以看到在源库上有一个lock,还存在着一个对应的session来做映射。
所以个人建议还是在使用db link的时候有所保留。用起来方便但是还是有一些潜在的隐患。
目录
相关文章
|
存储 运维 安全
51Aspx利用无影云电脑打造分分钟上手的开发机
51Aspx通过利用无影的快照和权限管理功能,与本站的项目源代码资源相结合,让开发者轻松在线开发和调试源码包。 目前51Aspx有106万注册会员,1万3千多套完整源码,以及建立紧密合作关系的开发者800余人。自从使用了无影云电脑之后,平台服务完成了一次规模性的升级,用户和作者都得到了良好的服务体验,下面是51Aspx平台无影云的一些应用场景。
632 1
|
Web App开发 Linux 数据安全/隐私保护
|
4天前
|
弹性计算 关系型数据库 微服务
基于 Docker 与 Kubernetes(K3s)的微服务:阿里云生产环境扩容实践
在微服务架构中,如何实现“稳定扩容”与“成本可控”是企业面临的核心挑战。本文结合 Python FastAPI 微服务实战,详解如何基于阿里云基础设施,利用 Docker 封装服务、K3s 实现容器编排,构建生产级微服务架构。内容涵盖容器构建、集群部署、自动扩缩容、可观测性等关键环节,适配阿里云资源特性与服务生态,助力企业打造低成本、高可靠、易扩展的微服务解决方案。
1106 0
|
3天前
|
机器学习/深度学习 人工智能 前端开发
通义DeepResearch全面开源!同步分享可落地的高阶Agent构建方法论
通义研究团队开源发布通义 DeepResearch —— 首个在性能上可与 OpenAI DeepResearch 相媲美、并在多项权威基准测试中取得领先表现的全开源 Web Agent。
527 10
|
13天前
|
人工智能 运维 安全
|
12天前
|
人工智能 测试技术 API
智能体(AI Agent)搭建全攻略:从概念到实践的终极指南
在人工智能浪潮中,智能体(AI Agent)正成为变革性技术。它们具备自主决策、环境感知、任务执行等能力,广泛应用于日常任务与商业流程。本文详解智能体概念、架构及七步搭建指南,助你打造专属智能体,迎接智能自动化新时代。
|
4天前
|
弹性计算 Kubernetes jenkins
如何在 ECS/EKS 集群中有效使用 Jenkins
本文探讨了如何将 Jenkins 与 AWS ECS 和 EKS 集群集成,以构建高效、灵活且具备自动扩缩容能力的 CI/CD 流水线,提升软件交付效率并优化资源成本。
301 0
|
11天前
|
人工智能 异构计算
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
|
12天前
|
机器学习/深度学习 人工智能 自然语言处理
B站开源IndexTTS2,用极致表现力颠覆听觉体验
在语音合成技术不断演进的背景下,早期版本的IndexTTS虽然在多场景应用中展现出良好的表现,但在情感表达的细腻度与时长控制的精准性方面仍存在提升空间。为了解决这些问题,并进一步推动零样本语音合成在实际场景中的落地能力,B站语音团队对模型架构与训练策略进行了深度优化,推出了全新一代语音合成模型——IndexTTS2 。
807 23