如何修复Oracle 11g RAC中由于网络双网卡绑定失效引发的故障？

bond接口未生效需先确保Linux网络栈识别：检查bonding模块是否加载、配置文件是否正确、slave网卡是否纳入bond、物理链路是否稳定，否则RAC私网将单路径运行并引发心跳丢失。

bond 接口没起来，或者 ifconfig 显示 bond0 有 IP 但 ethtool bond0 报 “No such device”，基本就是绑定没生效——这不是 Oracle 层面的问题，得先让 Linux 网络栈认出这个聚合接口。

确认 bond 设备是否被内核识别

很多故障源于 modprobe bonding 没执行，或 /etc/modprobe.d/bonding.conf 缺失/错误。rhel/centos 5/6 下必须显式加载模块：

• lsmod | grep bonding —— 若无输出，说明模块未加载
• modprobe bonding mode=1 miimon=100（主备模式）临时启用，再查 cat /proc/net/bonding/bond0
• 若报错 “Operation not supported”，说明网卡驱动不支持该 mode，换用 mode=0 或 mode=4（LACP 需交换机配合）
• /etc/sysconfig/network-scripts/ifcfg-bond0 中必须含 BONDING_OPTS="mode=1 miimon=100"，且 DEVICE=bond0、BOOTPROTO=none、ONBOOT=yes

检查 slave 网卡是否被正确纳入 bond

常见现象：bond0 up，但 cat /proc/net/bonding/bond0 显示 “No slaves”，或只列了一个网卡。这会导致 RAC 私网流量实际只走单路径，一旦该物理口抖动就丢心跳。

• 确保每个 slave 接口（如 eth0、eth1）的配置文件中含 SLAVE=yes 和 MASTER=bond0
• ifdown eth0 && ifup eth0 后仍不入 bond？检查 dmesg | tail -20 是否有 “bond0: Adding slave eth0 failed” 类提示——通常是 speed/duplex 不一致
• 强制统一双工：在 slave 接口配置里加 ETHTOOL_OPTS="speed 1000 duplex full autoneg off"，避免协商失败导致 bond 初始化失败

验证私网链路是否真正冗余可用

RAC 对私网延迟和稳定性极度敏感，仅看 ping 通是不够的。必须验证心跳包实际走的是 bond 路径，且无丢包、无抖动。

• 用 tcpdump -i bond0 -c 100 'host and port 12560'（CSS 心跳默认端口）确认流量确实经 bond0 出入
• ethtool -S bond0 查 rx_packets 和 tx_packets 是否持续增长；若某 slave 的 rx_missed_errors 非零，说明接收队列溢出，需调大 net.core.netdev_max_backlog
• 运行 ping -c 1000 -i 0.05 ，重点关注 mdev（标准差），超过 0.5ms 就需警惕；RAC 要求 95% 包延迟 ≤ 2ms

OCR/Voting Disk 访问异常时优先排查 bond 状态

当 crsctl check cluster -all 报 CRS-4535，但节点本身能 ssh 登录，大概率是 OCR 所在存储路径依赖的私网 bond 不稳定，导致 CSSD 进程无法完成集群成员资格仲裁。

• 不要直接重启 CRS：先 tail -f /oracle/11.2.0/grid/log/<hostname>/cssd/ocssd.log</hostname>，搜索 “IPC timeout” 或 “missed heartbeat”
• 若日志反复出现 “clssnmSendingThread: sent 5 status msgs”，紧接着 “clssgmHandleMasterMemberExit”，说明私网通信已断续，此时强行 crsctl start crs 可能触发误驱逐
• 临时恢复手段：在故障节点上 ifconfig bond0 down && ifconfig bond0 up，观察 ocssd.log 是否停止报错；若恢复，说明 bond 驱动状态异常，需重载 bonding 模块

真实环境里，bond 配置写对了只是第一步。RAC 私网的稳定性最终取决于物理链路层——交换机端口双工是否强制全双工、网线是否接触不良、甚至网卡固件版本是否过旧。这些细节不暴露在 Oracle 日志里，却会直接导致 ocwd.log 中密集出现 CRS-1611，而你翻遍 srvctl 命令都找不到原因。