背景概述
客户的10G数据库VIP出现宕，引起VIP负载到另一个节点
事件支持细节
04:29:56.378 一号机器VIP 出现 went OFFLINE unexpectedly，当天出现这个VIP漂移的故障后为检查VIP宕掉的原因，
对VIP资源启动DEBUG 5模式：./crsctl debug log res "orahostname1.vip:5"
04:38:36.047 一号节点VIP 出现 went OFFLINE unexpectedly。
根据ora.hostname.vip.log日志显示，出现VIP宕原因基本可以确定为公网IP与缺省网管通讯不畅引起。
FAIL_WHEN_DEFAULTGW_NO_FOUND=0
但是调整完后故障依旧
04:17:37.822: [? CRSRES][11025]32ora.hostname1.vip on hostname1 went OFFLINE unexpectedly
?为明确原因，再次收集ora.hostname1.vip.log及racgvip 信息进行分析
?
?分析结果如下：
?
在racgvip程序中，有如下代码
# Check the status of the interface thro' pinging gateway
if [ -n "$DEFAULTGW" ]
then
_RET=1
# get base IP address of the interface
tmpIP=`$LSATTR -El ${_IF} -a netaddr | $AWK '{print $2}'`
# get RX packets numbers (bug8341569,9157855->bug9743421)
_O1=`$NETSTAT -n -I $_IF | $AWK "{ if (/^$_IF/) {print \\$(NF-4); exit}}"`
x=$CHECK_TIMES
while [ $x -gt 0 ]
do
if [ -n "$tmpIP" ]
then
logx "About to execute command: $PING -S $tmpIP $PING_TIMEOUT $DEFAULTGW"
$PING -S $tmpIP $PING_TIMEOUT $DEFAULTGW > /dev/null 2>&1
else
logx "About to execute command: $PING $PING_TIMEOUT $DEFAULTGW"
$PING $PING_TIMEOUT $DEFAULTGW > /dev/null 2>&1
fi
_O2=`$NETSTAT -n -I $_IF | $AWK "{ if (/^$_IF/) {print \\$(NF-4); exit}}"`
if [ "$_O1" != "$_O2" ]
then
# RX packets numbers changed
_RET=0
break
fi
$SLEEP 1
x=`$EXPR $x - 1`
done
if [ $_RET -ne 0 ]
then
logx "IsIfAlive: RX packets checked if=$_IF failed"
else
logx "IsIfAlive: RX packets checked if=$_IF OK"
fi
else
logx "IsIfAlive: Default gateway is not defined (host=$HOSTNAME)"
if [ $FAIL_WHEN_DEFAULTGW_NO_FOUND -eq 1 ]
then
_RET=1
else
_RET=0
fi
fi
?
从源码我们可以看到检查缺省网关的处理逻辑
1、如果检测到缺省网关存在执行网管检查逻辑
2、_01收集网卡网络包量
3、$PING -S $tmpIP $PING_TIMEOUT $DEFAULTGW? ping网管
4、_02再次收集网卡网络包量
5、如果_01网卡网络包量 与 _02网卡网络包量不相同，表明网卡与缺省网卡之间通讯正常 _RET 返回编码为0
6、如果_01网卡网络包量 与 _02网卡网络包量相同，_RET 返回编码没指定，缺省返回1，同时打印日志logx "IsIfAlive: RX packets checked if=$_IF failed"，即判断网卡失败。
?FAIL_WHEN_DEFAULTGW_NO_FOUND参数从1修改成0，是为了跳过网关ping检测，而从源码中我们可以看到，FAIL_WHEN_DEFAULTGW_NO_FOUND参数只有在网卡参数$DEFAULTGW为空才生效，即主机上没有配置网关并且参数FAIL_WHEN_DEFAULTGW_NO_FOUND配置为非1时返回码RET为0。
?
?由于我们的环境中DEFAULTGW能获取成功及DEFAULTGW非空，导致程序没有进入FAIL_WHEN_DEFAULTGW_NO_FOUND判断是否为1的处理流程。
?
?故障期间DEBUG错误信息如下：
?
2013-11-06 04:17:37.776: [? ? RACG][1] [18219068][1][ora.s9lp1.vip]: Wed Nov? 6 04:17:33 CST 2013 [ 6422696 ] checkIf: start for if=en5
Wed Nov? 6 04:17:33 CST 2013 [ 6422696 ] IsIfAlive: start for if=en5
Wed Nov? 6 04:17:33 CST 2013 [ 6422696 ] defaultgw:? started
?
2013-11-06 04:17:37.776: [? ? RACG][1] [18219068][1][ora.s9lp1.vip]: Wed Nov? 6 04:17:33 CST 2013 [ 6422696 ] defaultgw:? completed with 10.0.241.254? （网关获取成功，网关为10.0.241.254）
Wed Nov? 6 04:17:33 CST 2013 [ 6422696 ] About to execute command: /usr/sbin/ping -S 10.0.241.150? -c 1 -w 1 10.0.241.254
?
2013-11-06 04:17:37.777: [? ? RACG][1] [18219068][1][ora.s9lp1.vip]: Wed Nov? 6 04:17:35 CST 2013 [ 6422696 ] About to execute command: /usr/sbin/ping -S 10.0.241.150? -c 1 -w 1 10.0.241.254 （PING 网关）
Wed Nov? 6 04:17:37 CST 2013 [ 6422696 ] IsIfAlive: RX packets checked if=en5 failed（由于检查到网卡en5在2秒中内网卡流量包未方式变化，判断为en5失败）
?
?1、故障每次发生都在凌晨04左右，时间如下：
?
? ? ? ? 2013-10-28 04:29:56
? ? ? ? 2013-11-01 04:38:36
? ? ? ? 2013-11-06 04:17:37
2、从源码上分析，发生故障期间网卡en5连续1秒的网络包未变化
?
? ? 可能的原因：
? ? ping -S 10.0.241.150? -c 1 -w 1 10.0.241.254
? ? Oracle检测网管时，由于当时网络质量不好导致ping不能在1秒钟内返回结果。
? ? 引起网卡en5 ping前 ping后没有 网络包发生变化。
? 根据以上分析我们建议：
?
1、修改racgvip源码跳过网管检测
? 修改前：
# Check the status of the interface thro'