`
ocssd.bin` 是 Oracle Clusterware 中 **Cluster Synchronization Services (CSS)** 的核心进程，负责节点间的心跳、集群成员管理以及防止“脑裂”（Split-Brain）。当 `
ocssd.bin` 反复崩溃时，会导致整个集群不稳定，甚至节点不断
重启。
---
## ✅ `
ocssd.bin` 进程反复崩溃的常见原因
1. **Voting Disk 不可访问或损坏**
2. **Private Interconnect 网络问题（心跳中断）**
3. **时间不同步（NTP/chrony 配置错误）**
4. **操作系统资源不足（内存、CPU、句柄等）**
5. **OCR 损坏或无法访问**
6. **内核参数配置不当**
7. **文件系统权限问题（如 GRID_HOME 权限异常）**
8. **ASM 实例未
启动导致 Voting Disk 不可用**
---
## ✅ 排查与解决方案
### 步骤
1：查看 `
ocssd.bin` 崩溃日志
关键日志路径：
```bash
$GRID_HOME/log/<hostname>/cssd/
ocssd.log
```
使用以下命令实时查看：
```bash
tail -f $GRID_HOME/log/$(hostname)/cssd/
ocssd.log
```
🔍 查找关键词：
- `FATAL`
- `rebooting after fatal error`
- `Cannot open voting file`
- `Connection to network handle lost`
- `missed check-in from other node`
- `voting disk I/O error`
#### 示例错误：
```log
[ CSSD]clssnmvDiskVerify: Successful connect to voting disk: /dev/oracleasm/disks/VOTE
1
[ CSSD]clssnmvDDiskRead: Read failure on voting device /dev/oracleasm/disks/VOTE
1
```
👉 表示投票盘读取失败。
---
### 步骤 2：检查 Voting Disk 是否可访问
```bash
# 查看 voting disk 状态
crsctl query css votedisk
# 输出应类似：
# STATE File Universal Id File Name Disk group
# —— ———— ———————————————— —————— ————
# ONLINE 7a9c
1e2f3d... (ORCL:VOTE
1) /dev/oracleasm/disks/VOTE
1 [DATA]
```
✅ 所有 voting disk 应为 `ONLINE`。若为 `OFFLINE` 或报错：
```bash
# 强制重新扫描（谨慎操作）
crsctl add css votedisk <path> -force
```
> ⚠️ 注意：删除或添加 voting disk 必须在所有节点 CRS
启动状态下进行，否则风险极高。
---
### 步骤 3：验证私网通信（Private Interconnect）
```bash
# 查看私网配置
oifcfg getif
# 输出示例：
# eth
1 192.
168.
1.0 cluster_interconnect
```
测试与其他节点私网 IP 的连通性和延迟：
```bash
ping -I eth
1 192.
168.
1.2
```
📌 要求：
- 延迟 <
1ms
- 无丢包
- MTU 匹配（建议设置为 9000，启用 Jumbo Frame）
关闭防火墙（临时测试）：
```bash
systemctl stop firewalld
systemctl disable firewalld
```
---
### 步骤 4：检查时间同步（NTP / chrony）
Oracle 要求节点间时间差 < 500ms。
```bash
# 查看当前时间
date
# 查看 chrony 状态
chronyc sources -v
chronyc tracking
# 检查偏移是否过大
```
如果时间偏差超过
1 秒，CSS 会主动 crash 并
重启节点！
🔧 解决方法：
```bash
# 强制同步时间
chronyc makestep
# 或
ntpdate <ntp-server>
```
并在 `/etc/chrony.conf` 中确保所有节点指向同一个 NTP 服务器。
---
### 步骤 5：检查 OCR 状态
OCR 存储集群配置信息，若损坏会影响 CSS 初始化。
```bash
ocrcheck
```
输出必须是：
```text
Status of Oracle Cluster Registry is healthy
```
❌ 如果不健康：
- 使用自动备份恢复 OCR：
```bash
ocrconfig -restore /u0
1/app/
19.0.0/grid/cdata/<cluster-name>/backup00.ocr
```
-
重启 CRS 生效。
---
### 步骤 6：检查系统资源和内核参数
#### a. 内存是否充足？
```bash
free -h
dmesg | grep -i "out of memory\|oom"
```
OOM Killer 杀死 `
ocssd.bin` 会导致其突然退出。
#### b. 检查内核参数（/etc/sysctl.conf）
确保包含以下内容（根据官方文档调整）：
```conf
kernel.shmmax =
1352664064
kernel.shmmni = 4096
kernel.sem = 250 32000
100
128
net.core.rmem_default = 262
144
net.core.rmem_max = 4
194304
net.core.wmem_default = 262
144
net.core.wmem_max =
1048576
fs.aio-max-nr =
1048576
fs.file-max = 68
15744
```
应用：
```bash
sysctl -p
```
---
### 步骤 7：检查 GRID_HOME 文件权限
```bash
ls -ld $GRID_HOME/bin/
ocssd.bin
# 应该是 owned by grid:asmadmin，且有 s bit（SUID）
# 正确权限：-rwxr-x--x
1 grid asmadmin ...
ocssd.bin
```
修复权限（以 root 执行）：
```bash
chown grid:asmadmin $GRID_HOME/bin/
ocssd.bin
chmod 675
1 $GRID_HOME/bin/
ocssd.bin # 包含 SUID + sticky
```
然后重新
启动 CRS：
```bash
crsctl stop crs
crsctl start crs
```
---
### 步骤 8：强制清理并重建 CSS（最后手段）
⚠️ 仅适用于单节点环境或维护窗口期！
```bash
# 停止 CRS
crsctl stop crs
# 清除本地状态（root 用户）
cd /u0
1/app/
19.0.0/grid/crs/install
perl roothas.pl -delete -force
# 重新配置 HAS
perl roothas.pl -postinstall -force
```
然后
重启服务器，再运行 `root.sh`（如果是完整 GI 安装）。
---
## ✅ 预防措施
| 措施 | 说明 |
|------|------|
| 启用多个 Voting Disk | 至少 3 个，奇数个，分布在不同磁盘组 |
| 多路径私网 | 绑定双网卡（bonding），提高可靠性 |
| 定期备份 OCR | 使用 `ocrconfig -manualbackup` |
| 监控
ocssd.log | 设置日志轮转和告警 |
| 使用 ASMLib 或 udev 固定设备名 | 防止设备重命名导致 voting disk 失联 |
---
###
本文详细解析了1orarootagent_ROOT如何启动ocssd.bin进程，以及该进程如何通过与gpnpd通信来读取VF的discoverystring，扫描并发现VF，获取集群参数配置如misscount、reboottime等。此外，还介绍了ocssd.bin如何进一步获取集群私网信息，实现节点间私网连接，最终完成集群重新配置和成员列表更新的过程。
扫一扫
1047
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
