一条sql语句“导致”的数据库宕机问题及分析

最近测试环境需要做一些变更，把测试环境切分成两套环境，存储空间也需要压缩压缩和整理。
unix组的人已经开始做空间划分了，然后我们需要在此基础上重建一套环境。
有些数据文件使用空间不大，所以准备压缩一下。
用了下面的sql语句，结果跑了十几秒中就抛了下面的错误。

SQL> set linesize 200
SQL> col name for a40
SQL> col resizecmd for a80
SQL> select a.file#,a.name,a.bytes/1024/1024 CurrentMB,
  2         ceil(HWM * a.block_size)/1024/1024 ResizeTo,
  3         (a.bytes - HWM * a.block_size)/1024/1024 ReleaseMB,
  4         'alter database datafile '''||a.name||''' resize '||
  5         ceil(HWM * a.block_size/1024/1024) || 'M;' ResizeCMD
  6  from v$datafile a,
  7       (select file_id,max(block_id+blocks-1) HWM
  8         from dba_extents
  9         group by file_id) b
 1 0  where a.file# = b.file_id(+)
 11  and (a.bytes - HWM *block_size)>0
order by 5     12  ;
order by 5
             *
ERROR at line 12:
ORA-01116: error in opening database file 4
ORA-01110: data file 4: '/testPT1/oracle/TEST01/oratmp01/temp/ggs_data01.dbf'
ORA-27041: unable to open file
Linux-x86_64 Error: 2: No such file or directory
Additional information: 3

再一查看数据库进程，都没有了，看来数据库是宕了。
我还想这条sql语句真是厉害，看看日志里面怎么说。


Tue Mar 25 22:04:19 2014
End automatic SQL Tuning Advisor run for special tuning task  "SYS_AUTO_SQL_TUNING_TASK"
Wed Mar 26 02:00:00 2014
Closing scheduler window
Closing Resource Manager plan via scheduler window
Clearing Resource Manager plan via parameter
Mon Mar 31 10:14:55 2014
USER (ospid: 21846): terminating the instance due to error 472
Instance terminated by USER, pid = 21846

先把库重启了，看有没有什么问题。
SQL> startup nomount
ORA-32004: obsolete or deprecated parameter(s) specified for RDBMS instance
ORACLE instance started.

Total System Global Area 1.2827E+10 bytes
Fixed Size                  2253880 bytes
Variable Size            4211084232 bytes
Database Buffers         8589934592 bytes
Redo Buffers               24096768 bytes
SQL> alter database mount;
Database altered.

当准备Open的时候，报了下面的错误。说有个数据文件丢失了。
SQL> alter database open;
alter database open
*
ERROR at line 1:
ORA-01157: cannot identify/lock data file 4 - see DBWR trace file
ORA-01110: data file 4:
'/testPT1/oracle/TEST01/oratmp01/temp/ggs_data01.dbf'

查看备份情况，是否有热备份之类的操作遗留。可以看到这个文件确实是损坏了或者被认为删除了。
SQL> select *from v$backup;

     FILE# STATUS                CHANGE# TIME
---------- ------------------ ---------- ---------
         1 NOT ACTIVE         1.0583E+13 22-JAN-13
         2 NOT ACTIVE         1.0583E+13 22-JAN-13
         3 NOT ACTIVE         1.0583E+13 22-JAN-13
         4 FILE NOT FOUND              0
         ...
        40 NOT ACTIVE         1.0583E+13 22-JAN-13

查看文件的路径。
  1* select file#,name from v$datafile
         4
/testPT1/oracle/TEST01/oratmp01/temp/ggs_data01.dbf


确认了下这个数据文件goldengate用，现在测试环境上还没有goldengate，可以删除，于是头脑一发热，就准备马上删了，结果报了错。
SQL> drop tablespace GGS_DATA including contents and datafiles cascade constraint;
drop tablespace GGS_DATA including contents and datafiles cascade constraint
*
ERROR at line 1:
ORA-01109: database not open

才反应过来数据库还在mount状态

先把数据文件offline了
SQL> alter database datafile '/testPT1/oracle/TEST01/oratmp01/temp/ggs_data01.dbf' offline;
Database altered.

这时候再查看v$backup,那条记录就不复存在了。
     FILE# STATUS                CHANGE# TIME
---------- ------------------ ---------- ---------
         1 NOT ACTIVE         1.0583E+13 22-JAN-13
         2 NOT ACTIVE         1.0583E+13 22-JAN-13
         3 NOT ACTIVE         1.0583E+13 22-JAN-13
         5 NOT ACTIVE         1.0583E+13 22-JAN-13
         6 NOT ACTIVE         1.0583E+13 22-JAN-13
         7 NOT ACTIVE         1.0583E+13 22-JAN-13
         8 NOT ACTIVE         1.0583E+13 22-JAN-13
         9 NOT ACTIVE         1.0583E+13 22-JAN-13
        10 NOT ACTIVE         1.0583E+13 22-JAN-13
        11 NOT ACTIVE         1.0583E+13 22-JAN-13
        12 NOT ACTIVE         1.0583E+13 22-JAN-13
....
39 rows selected.

把数据库open起来。
SQL> alter database open;
Database altered.

然后再删除，其实这个阶段也只是释放了句柄和更新了数据字典。
SQL> drop tablespace ggs_data including contents and datafiles cascade constraint;
Tablespace dropped.

再次查看数据库进程是否正常。可以看到数据库已经正常了。
test01@ccbdbpt4:/opt/app/oracle/TEST01> ps -ef|grep smon
test018420  5954  0 10:39 pts/2    00:00:00 grep smon
test0110295     1  0 10:18 ?        00:00:01 ora_smon_TEST01
test01@ccbdbpt4:/opt/app/oracle/TEST01> sqlplus / as sysdba
SQL*Plus: Release 11.2.0.2.0 Production on Mon Mar 31 10:40:08 2014
Copyright (c) 1982, 2010, Oracle.  All rights reserved.
Connected to:
Oracle Database 11g Enterprise Edition Release 11.2.0.2.0 - 64bit Production
With the Partitioning, OLAP, Data Mining and Real Application Testing options

SQL> show user
USER is "SYS"
SQL> select status from v$instance;
STATUS
------------
OPEN


我在另一个环境上碰到了类似的问题。
test01@ccbdbpt4:/opt/app/oracle/TEST01/test> sqlplus / as sysdba
SQL*Plus: Release 11.2.0.2.0 Production on Thu Apr 3 17:26:43 2014
Copyright (c) 1982, 2010, Oracle.  All rights reserved.
Connected to:
Oracle Database 11g Enterprise Edition Release 11.2.0.2.0 - 64bit Production
With the Partitioning, OLAP, Data Mining and Real Application Testing options
SQL>
SQL> select dbms_metadata.get_ddl('USER',u.username) from dba_users u WHERE USER     NAME in('TEST');

ERROR:
ORA-03113: end-of-file on communication channel
Process ID: 4056
Session ID: 4159 Serial number: 15

no rows selected

查看日志，错误还是类似。
Mon Mar 31 11:47:47 2014
USER (ospid: 26945): terminating the instance due to error 472
Instance terminated by USER, pid = 26945


这个问题的总结如下

导致数据库宕机的原因不是因为sql语句，而是因为unix组做文件的操作中，导致数据库进程问题，数据库其实已经停了，但是我们仍然可以进行简单的操作。因为操作系统中句柄还在。
那个数据文件的丢失和unix组的人确认是认为的失误，他们在做空间切分的时候，没有停库。