1、故障描述

某月12号18：55 左右，某数据库突发异常宕机。此时业务系统正处于日常低峰时段，备库业务受短暂影响。

某月12号19：02左右，手工启动数据库，并启动mrp进程，业务正常。

某月13日00：51 左右，数据库突发异常宕机。此时业务系统正处于日常低峰时段，备库业务受短暂影响。

某月13日07：34左右，手工启动数据库，并启动mrp进程，业务正常。

某月13日 9:58，深入(alert.log、集群后台进程日志等)进行溯源分析，发现宕机时刻存在library cacha lock,此时有LGWR报错，通过将日志信息与 My Oracle Support(MOS)数据库中的 bug 库进行比对，确认此次异常由 Oracle 某特定版本数据库的已知 bug 导致，从而引发实例短暂宕机后自动恢复，与本次事件的时间节点、现象特征完全匹配。目前已记录该 bug 编号及对应修复方案，后续将在测试环境验证补丁兼容性，计划在业务低峰期实施修复，避免同类故障再次发生。

2、根因分析

从本次故障日志与已知 Bug 信息可高度匹配：触发进程为 LGWR 进程，核心错误为 ORA-04020(死锁)，结合 Bug 描述可推断 LGWR 正等待 library cache lock，调用栈预期包含 kglLockInstance，死锁发生在 Namespace=DBINSTANCE 的实例锁上，且故障发生在 Active Data Guard 物理备库环境，与 Bug 18515268 的影响范围完全一致。因此，本次故障的根本原因为 Oracle Bug 18515268：在 ADG 备库场景下，LGWR 进程尝试获取实例锁时与其他进程形成死锁，触发 ORA-04020 错误，最终导致实例崩溃。

(1)、数据库日志

(2)、 mos bug 说明

(3)、 数据库补丁应用情况

3、解决方案

(1)、测试环境与验证逻辑

测试环境需严格复刻生产关键配置，包括操作系统版本、内核参数、Oracle GI / 数据库版本、网络拓扑与存储配置等，确保补丁验证环境与生产底层环境一致。测试需遵循 MOS 文档要求：先在备库部署 29497421 PSU，再尝试应用针对 Bug 18515268 的 180717DBPSU 补丁，同时验证补丁依赖关系，避免版本冲突;测试期间持续监控集群与数据库日志，重点观察是否再次出现 ORA-04020 或实例宕机，以判断补丁兼容性与修复效果。

(2)、生产补丁应用策略

若测试验证兼容，选择业务低峰期在备库上应用补丁，完成后检查后台日志、进程状态与 ADG 同步情况，确认是否正常。若测试发现不兼容，需先在测试环境验证从 29497421 PSU 回退至 27734982 PSU 的可行性，确认回退路径支持后，在生产环境采用滚动回退方式逐节点操作，每个节点回退后执行集群健康检查与业务抽样验证，再应用目标补丁，最大限度降低回退风险。

(3)、过程管理与后续优化

测试及生产补丁应用全程需完整记录关键操作、日志输出与业务验证结果，形成可追溯文档。若出现兼容性问题，需提取具体报错信息并同步至 Oracle 支持团队，确认根因与解决方案。故障修复后，总结本次补丁验证、应用与回退经验，优化后续补丁管理流程，提升高可用环境的稳定性与运维效率。