1. 问题现象

出现以下情况时，Oracle Clusterware 会驱逐群集中的节点

1. 节点未通过网络心跳进行 ping 操作

2. 节点未 ping 表决磁盘

3. 节点被挂起/忙碌，因此无法执行任何一个之前的任务

---

在大多数情况下，当节点被驱逐时，会有信息写入日志，用于分析节点驱逐的原因。但是，在某些情况下可能缺少这一步，本文介绍的步骤适合以下这些情况：在11gR2 (11.2.0.1) 之前的 Clusterware 版本中，没有足够的信息或没有信息可用于分析节点驱逐的原因。
从 11.2.0.1 开始，客户无需设置 diagwait，因为Oracle已经更改了体系结构。

2. 产生原因

节点被驱逐以及节点因 CPU（或 CPU 不足）而变得异常繁忙时，可能会造成操作系统没有时间将日志/跟踪信息刷新到文件系统中。

一种有用的方法是设置 diagwait 属性，以延迟节点重新启动，给操作系统足够的时间写入跟踪信息。设置 diagwait后，Clusterware 将在重新启动之前再等待 10 秒 (Diagwait - reboottime)，以便在不增加数据损坏的可能前提下，安全的搜集诊断数据。

在修正操作系统调度问题后，可以按照下面的步骤取消 diagwait的设置。

可在 Windows 上设置 Diagwait，但它不会如同在 Unix-Linux 平台上那样改变行为。

Diagwait 属性在 10.2.0.3 被推出，已经包含 10.2.0.4 & 11.1.0.6 以及更高的版本中。 大多数平台的 10.1.0.5 版本也已经包含。 这意味着可以在 10.1.0.5 (及更高), 10.2.0.3 (及更高) 和 11.1.0.6 (及更高) 版本中设置 diagwait。

如果 crsctl set/get css diagwait 命令返回 “unrecognized parameter diagwait specified” ，这说明Clusterware 版本不能实施 diagwait。需要在设置diagwait前打上对应的 patchset。

3. 解决方法

更改 diagwait 时关闭所有节点上的 clusterware 软件。

3.1 以root用户的身份执行

#crsctl stop crs
#<CRS_HOME>/bin/oprocd stop

3.2 执行以下命令，确保关闭所有节点上的集群软件

#ps -ef |egrep "crsd.bin|ocssd.bin|evmd.bin|oprocd"

这步应该不会返回任何进程。如果在集群运行时继续执行下一步骤，可能会损坏 OCR。在关闭群集所有节点上的clusterware 软件前，不要继续操作。

3.3 将“diagwait”参数的值改为 13 秒（其中一个节点）

#crsctl set css diagwait 13 -force

3.4 检查是否已成功设置 diagwait

parameter diagwait is not defined”。
#crsctl get css diagwait

说明：该命令应返回 13。如果未设置 diagwait，将返回消息 Configuration

3.5 重新启动CRS

#crsctl start crs

3.6 验证Clusterware 是否正常运行

#crsctl check crs

3.7 取消设置/删除 diagwait

在修正操作系统调度问题前，不应取消diagwait设置，因为这样可能会导致出现节点驱逐的情况。
Diagwait 会将节点驱逐（和重新配置）延迟 diagwait (13) 秒。如果需要移除 diagwait，则应按照上述步骤操作，其中步骤 3.3
需用以下命令替代

#crsctl unset css diagwait -force

（注意：在取消设置 diagwait 时，必须使用 -force 选项，因为执行取消设置操作时crs已经关闭）

参考文档：

NOTE:726833.1 - Linux: Hangcheck-Timer Module Requirements for Oracle 9i, 10g, and 11gR1 RAC
使用 Diagwait 作为诊断工具，获取用于诊断 Oracle Clusterware 节点驱逐的更多信息 (Doc ID 1525761.1)