诊断节点驱逐/节点意外重启的原因

命令

# 1) When, which node, evicted by whom: CRS alert log (on every node)
grep -E "CRS-1601|CRS-1607|CRS-1608|CRS-1609|CRS-1610|CRS-1611|CRS-1612|CRS-8011" \
  $ORACLE_BASE/diag/crs/$(hostname -s)/crs/trace/alert.log
# 2) CSS details: was the network heartbeat or the disk heartbeat lost
grep -iE "evict|misscount|heartbeat|disk HB|network HB" \
  $ORACLE_BASE/diag/crs/$(hostname -s)/crs/trace/ocssd.trc | tail -100
# 3) Who triggered the reboot (cssdagent/cssdmonitor):
ls -lt $ORACLE_BASE/diag/crs/$(hostname -s)/crs/trace/ohasd_cssd*.trc
# 4) OS resources at the time of the event (Cluster Health Monitor):
oclumon dumpnodeview -allnodes -s "2026-01-15 03:10:00" -e "2026-01-15 03:20:00"
# 5) Diagnostic collection from all nodes (AHF/TFA):
tfactl diagcollect -crs -os -last 4h
# 6) OS side: /var/log/messages, journalctl -k (OOM, NIC, multipath, I/O errors)

作用

按顺序追踪节点驱逐链：CRS alert log 中的 CRS-16xx 消息、ocssd.trc 中的心跳丢失、CHM 的操作系统指标，以及用 TFA 收集的所有节点日志。

适用场景

节点意外重启或被驱逐出集群时，用于根因分析（RCA）和提交 Oracle Support SR。

注意

从每个节点收集覆盖事件时间的日志；trace 文件会轮转，证据可能丢失。确认各节点时区一致（CTSS/NTP）。在收集证据之前，不要应用诸如调大 misscount 之类的"修复"。