【常见错误分析】ORA-01555错误解决一例
ORA-01555错误是一种在Oracle数据库中很常见的错误。尤其在Oracle 8i及之前的版本最多。从9i开始的undo自动管理，至现在的10g、11g中的undo auto tuning，使得ORA-01555的错误越来越少。但是这个错误，仍然不可避免。
1、SQL语句执行时间太长，或者UNDO表空间过小，或者事务量过大，或者过于频繁的提交，导致执行SQL过程中进行一致性读时，SQL执行后修改的前镜像（即UNDO数据）在UNDO表空间中已经被覆盖，不能构造一致性读块。
2、SQL语句执行过程中，访问到的块，在进行延迟块清除时，不能确定该块的事务提交时间与SQL执行开始时间的先后次序。
第1种情况，是最常见的。解决的办法无非就是增加UNDO表空间大小，优化出错的SQL，或者避免频繁地提交。
而第2种情况则是比第1种情况少很多。下面简单描述一下第2种情况发生的情景：
有事务大量修改了A表的数据，或者A表的数据虽然被事务少量修改，但是一部分修改过的块已经刷出内存并写到了磁盘上。随即事务提交，提交时刻为SCN1。而提交时有数据块上的事务没有被清除。
在SCN2时刻，开始执行SELECT查询A表，对A表进行全表扫描，而且A表很大。也可能是其他情况，比如是小表，但是是一个游标方式的处理过程，而处理过程中又非常耗时。
注意，这里SCN2与SCN1之间可能相隔了很远，从时间上来说，甚至可能有数十天。不管怎么样，这在SCN1至SCN2时间之间，系统中存在大量的事务，使得UNDO表空间的块以及UNDO段头的事务表全部被重用过。
SELECT语句在读A表的一个块时，发现表上有活动事务，这是由于之前的事务没有清除所致。
ORACLE根据数据块中ITL的XID检查事务表，这时会有2种情况：
XID对应的事务表中的记录仍然存在并发现事务已经提交，可以得到事务准确的提交SCN（commit scn)，称为SCN3，等于SCN1。很显然，由于查询的时刻SCN2晚于事务提交的时刻SCN1，那么不需要构造一致性读块。
XID对应的事务表中的记录已经被重用，这个时候仍然表明表明事务已经被提交。那么这个时候，Oracle没办法准确地知道事务的提交时间，只能记录为这样一个事实，事务提交的SCN小于其UNDO段的事务表中最近一次重用的事务记录的SCN（即这个事务表最老的事务SCN）。这里称这个SCN为SCN4。
SCN4可能远小于SCN2，那是因为事务很早之前就已经提交。也可能SCN4大于SCN2，这是因为SELECT语句执行时间很长，同时又有大量的事务已经将事务表重用。对于后者，很显然，Oracle会认为该事务的提交时间可能在SELECT开始执行之后。这里为什么说可能，是因为ORACLE只能判断出事务是在SCN4之前提交的，并不是就刚好在SCN4提交。而此时，利用UNDO BLOCK进行一致性读数据的构造也很可能失败，因为UNDO BLOCK很可能已经被覆盖，特别是SCN1远小于SCN2的情况下。在这种情况下，ORA-01555错误就会出现。
对于上面最后一段，在SCN4大于SCN2的情况下，之后的描述，我提到了几个“可能”，是因为我对此也不能完全确定，Oracle是否还会有其他的方法来判断事务的提交时间早于SCN2。而我自己的模拟测试始终没有模拟出ORA-01555。
我的测试过程是这样子的：
1、修改表T1，注意T1表已经足够大，比如几十万行数据以上。
2、flush buffer_cache，使未提交的事务修改的块全部刷出内存。
3、提交事务。
4、使用大量的事务（注意这些事务不含表T1），将UNDO表空间填满并确保所有事务表已经被全部重用过。
5、写一段代码，以游标方式打开表T1，在游标的循环中使用dbms_lock.sleep故意增加时间。
6、同时多个JOB会话产生大量与表T1无关的事务，将UNDO表空间填满并确保所有事务表已经被全部重用过。
在我的期望中，上面的测试，对于游标处理部分，应该会报ORA-01555错误。但实际测试并没有出现，对于这类情形，看起来Oracle还有其他的机制来发现块上的事务提交时间早于查询开始时间。
虽然测试没有达到预期的结果，但是对于事务提交后块没有清除引起的ORA-01555错误，需要几个充分的条件：表足够大，表上的事务提交后有没有事务清除的块，对大表进行长时间的查询比如全表扫描，查询开始后有大量的事务填充和UNDO表空间和重用了事务表。
首先进行简单的环境介绍，运行在HP-UX环境下的Oracle 10.2.0.3，主机只有4颗比较老的PA-RISC CPU。这个系统的特点是大数据量的批量处理，基本上都是大数据量的插入。每个月的数据有单独的表，表一般都是在几十G以上，大的表超过100G。CPU利用率长期保持在100%。
由于空间限制，需要定期将一些N个月之前的表导出备份到磁带上，然后将表删除。这些表，在导出时是不可能会有DML操作的。由于性能原因，导出时间过长（几个小时以上），在导出时经常会遇到ORA-01555错误而失败。
从之前对ORA-01555错误的成因分析可以知道，这个ORA-01555错误，正是由于表上存在未清除的事务，同时导出时间过长，UNDO段头的事务表被全部重用，ORACLE在查询到有未清除事务的块时不能确定事务提交时间是否早于导出（查询）开始时间，这时候就报ORA-01555错误。
要解决这个错误，除了提高性能，那么从另一个角度来思考这个问题，可以想办法先清除掉表上的事务（即延迟块清除）。那么我们可以通过一个简单的SELECT语句来解决：
select /*+ full(A) */ count(*) from big_table A;
SELECT COUNT(*)，速度显然大大高于SELECT *，所需的时间也更短，出现ORA-01555错误的可能性就非常低了。
注意这里需要加上FULL HINT,以避免查询进行索引快速全扫描，而不是对表进行全表扫描。另外，需要注意的是，这里不能为了提高性能而使用PARALLEL（并行），测试表明，在表上进行并行查询，以DIRECT READ方式读取表并不会清除掉表上的事务。
如果表过大，SELECT COUNT(*)的时间过长，那么我们可以用下面的代码将表分成多个段，进行分段查询。
在上面的代码中trunks变量表示表分为的段数。
代入trunks,owner,table_name三条SQL，执行上面的代码，出来的结果类似如下：
然后对每一个ROWID段执行类似下面的SQL：
SELECT /*+ NO_INDEX(A) */ COUNT(*)
FROM BIG_TABLE A
WHERE ROWID>='AAAER9AAIAAABGJAAA'
AND ROWID< ='AAAER9AAIAAABIICcP';
对表进行分段处理，除了此处的用法，完全可以用于手工多进程处理大批量数据。更完整的功能已经在11g中实现，此处不做过多介绍。
对于本文提到的导出数据遇到ORA-01555错误的表，按上述方法处理后，问题得到解决，表顺利导出。
加入"云和恩墨大讲堂"微信群，参与讨论学习
搜索 盖国强（Eygle）微信号：eyygle，或者扫描下面二维码，备注：云和恩墨大讲堂，即可入群。每周与千人共享免费技术分享，与讲师在线讨论。