Oracle ASM Failgroup故障组

Oracle ASM 故障组（Failure Group，简称Failgroup） 是ASM磁盘组中用于定义冗余逻辑的核心概念。它用于标识一组可能共享相同故障风险的磁盘（例如同一物理磁盘阵列、同一控制器、同一机架或同一数据中心）。通过将磁盘分配到不同的故障组，ASM可以确保数据的冗余副本分布在不同的故障组中，从而避免单点故障导致数据丢失。

1. 故障组的核心作用

1. 冗余保护
   在启用Normal Redundancy（普通冗余） 或High Redundancy（高冗余） 的磁盘组中，ASM会将数据块的副本存储在不同的故障组中。例如：
   • 普通冗余：每个数据块保存2个副本，分布在2个不同的故障组。
   • 高冗余：每个数据块保存3个副本，分布在3个不同的故障组。

2. 故障隔离
   故障组的划分基于物理或逻辑的隔离条件（如不同磁盘柜、不同电源、不同网络交换机），确保单个硬件故障不会同时影响多个故障组。

3. 存储均衡
   ASM会均匀地将数据分布在所有故障组中，从而实现负载均衡和性能优化。

2. 故障组的配置规则

1. 默认行为
   • 如果没有显式定义故障组，每个磁盘会被视为一个独立的故障组。
   • 在普通冗余模式下，必须至少配置2个故障组；在高冗余模式下，必须至少配置3个故障组。

2. 显式定义
   可以通过FAILGROUP关键字在创建磁盘组时手动指定故障组。例如：

   CREATE DISKGROUP data NORMAL REDUNDANCY
     FAILGROUP fg1 DISK '/dev/sda1', '/dev/sda2'  -- 故障组1（例如同一机架的磁盘）
     FAILGROUP fg2 DISK '/dev/sdb1', '/dev/sdb2'; -- 故障组2（例如另一机架的磁盘）
   

3. 动态扩展
   可以向现有故障组添加磁盘，或创建新的故障组来扩展磁盘组容量。

3. 故障组的设计最佳实践

1. 物理隔离原则
   • 每个故障组应代表一个独立的故障域（Failure Domain），例如：
   ◦ 同一磁盘控制器下的磁盘 → 一个故障组。
   ◦ 同一机架的磁盘 → 一个故障组。
   ◦ 同一数据中心的存储 → 一个故障组（适用于跨数据中心的高可用架构）。

2. 数量匹配冗余策略
   • 普通冗余：至少2个故障组。
   • 高冗余：至少3个故障组。
   • 外部冗余：无需故障组（依赖底层硬件冗余）。

3. 均衡容量与性能
   • 每个故障组的磁盘数量和容量应尽量均衡，避免数据分布倾斜。

4. 故障组的实际示例

场景1：普通冗余（2个故障组）

CREATE DISKGROUP ocr NORMAL REDUNDANCY
  FAILGROUP fg1 DISK '/dev/asm-disk1', '/dev/asm-disk2'  -- 故障组1（机架A）
  FAILGROUP fg2 DISK '/dev/asm-disk3', '/dev/asm-disk4'; -- 故障组2（机架B）

• 数据分布：每个数据块在fg1和fg2中各存一个副本。
• 容错能力：单个机架故障或单个磁盘故障不影响数据可用性。

场景2：高冗余（3个故障组，跨数据中心）

CREATE DISKGROUP prod_data HIGH REDUNDANCY
  FAILGROUP fg1 DISK '/dev/asm-disk1', '/dev/asm-disk2'  -- 数据中心1
  FAILGROUP fg2 DISK '/dev/asm-disk3', '/dev/asm-disk4'  -- 数据中心2
  FAILGROUP fg3 DISK '/dev/asm-disk5', '/dev/asm-disk6'; -- 数据中心3

• 数据分布：每个数据块在3个数据中心的故障组中各存一个副本。
• 容错能力：可容忍两个数据中心同时宕机。

关键注意事项

1. 故障组与冗余策略绑定
   故障组仅在普通冗余或高冗余的磁盘组中有意义。外部冗余的磁盘组无需配置故障组。

2. 不可修改现有故障组结构
   无法直接修改磁盘组的故障组定义，需通过ALTER DISKGROUP ... ADD/DROP DISK动态调整。

3. 监控与均衡
   使用V$ASM_DISK和V$ASM_DISKGROUP视图监控故障组的容量和性能均衡状态：

   SELECT GROUP_NUMBER, FAILGROUP, TOTAL_MB, FREE_MB FROM V$ASM_DISK;
   

总结

故障组是Oracle ASM实现数据高可用的基石。通过合理划分故障组（基于物理隔离原则），可以最大限度地降低因硬件故障导致的数据丢失风险。在设计ASM存储架构时，务必根据业务连续性需求（如RTO/RPO）选择冗余策略，并严格遵循故障组的最佳实践。