expdp 报错ORA-7445 的一个问题展开

某客户说一套数据库由于非正常关机重启之后,进行数据导出发现报错，expdp无法正常工作，报错之后直接退出：

处理对象类型 SCHEMA_EXPORT/JOB
. . 导出了 "STATS"."T_REPORT_MONTH_TEMPS"              988.2 MB 1292221 行
ORA-39014: 一个或多个 worker 进程已过早地退出。
ORA-39029: worker 进程 1 (进程名为 "DW01") 过早地终止
ORA-31672: Worker 进程 DW01 意外停止。

作业 "SYS"."SYS_EXPORT_SCHEMA_04" 因致命错误于 23:58:10 停止

而检查此时的alert log可以发现有如下类似的错误：

Errors in file /u01/app/oracle/admin/orcl/bdump/orcl_dw01_28608.trc:
ORA-07445: 出现异常错误: 核心转储 [klufprd()+321] [SIGSEGV] [Address not mapped to object] [0x000000000] [] []

从上面的信息我们可以得到如下几个结论：

1、expdp的写进程报错，因为日志产生是dw进程。

2、dw进程报错的原因是遭遇了ora-07445 [klufprd()+321]错误。

3、对于[klufprd()+321] 这个函数，非常少见。但是从前面2点我们可以知道这肯定与buffer cache有关系。
所以要临时解决这个问题也很简单。通过alter system flush buffer_cache 刷新缓存之后，再次进行expdp操作.
后续客户尝试了之后，发现expdp 操作虽然仍然会报错，但是expdp 不会异常终止，会继续完成后面其他对象的导出。

进一步分析报错的信息可以看到，有如下这样的提示:

*** SESSION ID:(2760.1968) 2016-04-08 00:14:14.347
            row 01808438.0 continuation at
            file# 6 block# 33784 slot 14 not found
**************************************************
KDSTABN_GET: 0 ..... ntab: 1
curSlot: 14 ..... nrows: 14
**************************************************
*** 2016-04-08 00:14:14.348
ksedmp: internal or fatal error
ORA-00600: ÄÚ²¿´íÎó´úÂë, ²ÎÊý: [kdsgrp1], [], [], [], [], [], [], []
Current SQL statement for this session:
SELECT /*+NESTED_TABLE_GET_REFS+*/ "STATS"."T_REPORT_MONTH".* FROM "STATS"."T_REPORT_MONTH"
----- Call Stack Trace -----

很明显，这里提到这个这个表，恰好就是expdp报错所遇到的表，只不过我们刷新buffer cache之后，expdp可以跳过这个表继续完成其他对象的导出。
从上述的信息来看，这里存在错误。客户也意识到，通过dbv 对数据文件进行检查，但是发现文件并没有损坏。
这里我们要注意，dbv 同时是检查物理坏块，对于逻辑坏块通常无能为力，当然块内的逻辑错误，这类型的块dbv是可以检查出来的。
但是从这里的信息来看，Oracle发现所需要的这行记录row 01808438.0 应该在file 6 block 33784 中找到，但是却并没有发现。
注意，这里的file 6 block 33784 本身是完好的。
那么这里的row 01808438.0 表示什么含义呢？
其实这是表示的nrid；这可以理解为一直指针；其中前面一部分是表现rdba地址，后面表现行编号。
如果要进一步分析为什么会这个错误，我们怎么办呢？ 很简单，分别将block 33784以及rdba 01808438（16进制) 进行dump。 如下是转换的脚本:

SQL>  SELECT dbms_utility.data_block_address_block(25199672) "BLOCK",
  2         dbms_utility.data_block_address_file(25199672) "FILE"
  3      FROM dual;

    BLOCK       FILE
---------- ----------
     33848          6

日志报错中提到的是row 01808438.0 ，那么我们首先来分析file 6 block 33848的dump：

Block header dump:  0x01808438
 Object id on Block? Y
 seg/obj: 0xc03d01  csc: 0xb37.78b5ae28  itc: 3  flg: E  typ: 1 - DATA
     brn: 0  bdba: 0x1807d8a ver: 0x01 opc: 0
     inc: 0  exflg: 0

 Itl           Xid                  Uba         Flag  Lck        Scn/Fsc
0x01   0x000a.02d.000cdc5c  0x00809c91.6507.21  --U-    2  fsc 0x0001.78b6a4b1
0x02   0x000a.014.000cdd00  0x00806957.650d.15  --U-    2  fsc 0x0000.78b6ec5d
0x03   0x000a.025.000cdd5d  0x00801e50.650f.0a  --U-    2  fsc 0x0000.78b71584

data_block_dump,data header at 0x1fb2f87c
===============
tsiz: 0x1f80
hsiz: 0x34
pbl: 0x1fb2f87c
bdba: 0x01808438
     76543210
flag=--------
ntab=1
nrow=17
frre=-1
fsbo=0x34
fseo=0xd2
avsp=0x33b
tosp=0x33c
0xe:pti[0]  nrow=17 offs=0
0x12:pri[0] offs=0x1e34
......
0x30:pri[15]    offs=0x6e2
0x32:pri[16]    offs=0x583
block_row_dump:
tab 0, row 0, @0x1e34
tl: 332 fb: --H-F--- lb: 0x0  cc: 79
nrid:  0x018083f8.e
col  0: [ 5]  c4 04 5a 27 1b
col  1: [ 7]  47 59 30 32 30 30 31
col  2: [ 4]  c3 15 11 04
col  3: [12]  31 38 37 33 34 34 32 30 30 30 30 36
col  4: [12]  31 34 30 34 34 34 32 30 30 30 30 31
col  5: [30]
......

上述类似表示的是rdba 地址01808438的第0行，也就是我们大家所理解的第一行。我们可以发现这行记录中，行头存在一个nrid地址。
说到nrid地址，这通常是针对行链接，行迁移才会遇到的一种情况。那么这里为什么会出现呢？
行迁移几种，最常见的一种其实是block内的。一个block中单条记录的最大列数是255列，当一行记录的列超过255时，其他的列数据库会被oracle 分成另外一个row piece存在同一个block中（当然也有可能存到其他block）。
也就是说超过255列的行数据，会被分成多个row piece；而当我们读取这个行数据时，怎么知道是一个完整的整体呢？
答案就是nrid，oracle 通过nrid来将这多个row piece 串在一起，组成一个完整的行数据。

想到这一点，那么我们再回头去看下前面的错误。row 01808438.0 表示这个block的第0行，而该block的第0行所存在的nrid地址是：0x018083f8.e
那么我们进一步到block 0x018083f8中去寻找第e行记录，发现结果是这样的：

Object id on Block? Y
 seg/obj: 0xc03d01  csc: 0xb37.78bb5e9f  itc: 3  flg: E  typ: 1 - DATA
     brn: 0  bdba: 0x1807d8a ver: 0x01 opc: 0
     inc: 0  exflg: 0

 Itl           Xid                  Uba         Flag  Lck        Scn/Fsc
0x01   0x000a.013.000cdc01  0x01c02834.6573.33  --U-    2  fsc 0x0000.78cbf31d
0x02   0x000a.001.000cda7a  0x0080150a.64d3.21  C---    0  scn 0x0b37.78b584df
0x03   0x000a.01e.000cdade  0x00801510.64d3.13  C-U-    0  scn 0x0b37.78b99f21

data_block_dump,data header at 0x2b4fc709007c
===============
tsiz: 0x1f80
hsiz: 0x2e
pbl: 0x2b4fc709007c
bdba: 0x018083f80x018083f8
     76543210
flag=--------
ntab=1
nrow=14
frre=-1
fsbo=0x2e
fseo=0x568
avsp=0x53a
tosp=0x53a
0xe:pti[0]  nrow=14 offs=0
0x12:pri[0] offs=0x1d78
0x14:pri[1] offs=0x1c37
......
0x2a:pri[12]    offs=0x6c2
0x2c:pri[13]    offs=0x568
block_row_dump:
tab 0, row 0, @0x1d78
tl: 520 fb: -----L-- lb: 0x0  cc: 255
......
tab 0, row 13, @0x568
tl: 346 fb: --H-F--- lb: 0x1  cc: 79
nrid:  0x018083f8.c
col  0: [ 5]  c4 04 5a 3a 0a
col  1: [ 7]  47 59 30 32 30 30 31
col  2: [ 4]  c3 15 11 04
......
col 76: [ 1]  80
col 77: [ 1]  80
col 78: [ 1]  80
end_of_block_dump
End dump data blocks tsn: 6 file#: 6 minblk 33784 maxblk 33784

我们可以看到这里对应的记录根本就没有。因为该block最后一条记录是row 13，也就是第14行，也是一个row piece，而且存在一个nrid。
该nrid是0x018083f8.c，这表示该block 33784第12行记录。跟row 13是组合成一条完整行记录的。
换句话说，我们前面报错的那条记录，应该有2个row piece，其中一个row piece 是存在的，其中一个row piece 本应该存在在33784 block中。
但是由于找不到该row piece，因此oracle报了上述的错误。
实际上该错误遇到之后，我们通常以为是index的问题，通过drop 重建可以解决，然而这里的问题比较特殊，据说是表的数据有问题。
所以这就是为什么客户重建index会报错的原因：

SQL> CREATE INDEX "STATS"."MONTHINDEX_STATUS2" ON "STATS"."T_REPORT_MONTH" ("TARGET_298", "UNIT_LEVEL", "TARGET_VAL", "MONTH_FLG")
  2    TABLESPACE "STATDATA" ;
CREATE INDEX "STATS"."MONTHINDEX_STATUS2" ON "STATS"."T_REPORT_MONTH" ("TARGET_298", "UNIT_LEVEL", "TARGET_VAL", "MONTH_FLG")
                                                     *
第 1 行出现错误:
ORA-00600: 内部错误代码, 参数: [kdsgrp1], [], [], [], [], [], [], 最后，我们清楚了所有原因，那么要解决该问题很简单。通过rowid的方式跳过这行有问题的记录，将其他数据取出，重建表即可。

备注：关于块内的行迁移问题，可以参考之前的文章  http://www.killdb.com/2013/06/19/intra-blcok-chain.html