数据库分区均衡过程中频繁出现 -4013 错误，分区磁盘均衡过程卡住

问题现象

用户在 OceanBase 集群的 OCP 管理平台上断断续续收到 alloc failed reason is that single alloc size large than 4G is not allowed 的告警，错误码为 -4013。该告警出现在进行分区均衡操作时，表明单次分配内存超过了 4GB 限制。 或者分区均衡任务持续卡住不生成新的 transfer 任务，租户1号日志流 Leader 机器上 OBServer 日志中大量重复的 process_balance_partition_disk_ 日志。

关键诊断信息

触发条件

• 使用了 OceanBase 数据库 V4.2.5 BP2 至 V4.2.5 BP3 版本。

• 均衡组内分区磁盘占用偏差较大，比如存在单个分区过大（同表分区大小 1.4TB 对比 2GB）的情况，或者大量空分区的情况。

事前巡检

• 检查表的分区情况，特别是是否存在异常大的分区。

• 监控各节点的磁盘使用情况，确保没有显著的磁盘占用偏差。

事后诊断

• 查看 observer.log 日志文件，搜索关键词 malloc_allocator.*tenant: 1028，确认是否有内存分配失败的日志记录。

• 租户 1 号日志流 Leader 机器上查看 observer.log 日志文件，搜索关键字 Txxxx_TBalan（xxxx 为租户 ID）查看均衡线程，确认是否有大量重复的 process_balance_partition_disk_ 日志，确认是否有尝试进行重复的分区均衡记录。

问题原因

内核 BUG。当均衡组内各分区组磁盘占用偏差较大（例如同表分区大小 1.4TB 对比 2GB，或有空分区）时，该版本分区均衡的磁盘均衡算法无法处理这种情况，导致后台不断重复生成逻辑 transfer 任务，形成死循环，进而引发内存分配失败（错误码 -4013）。

问题的风险及影响

• 分区均衡的磁盘均衡无法完成，后台不断重复触发，间断性租户内存占用高，会有 -4013 报错。

• 如果业务租户内存较小，有一定概率影响业务正常运行。

影响租户

影响 OceanBase 数据库中的 Oracle 租户和 MySQL 租户，对于 SYS 租户无影响。

影响版本

OceanBase 数据库企业版 V4.2.5 BP2（oceanbase-4.2.5.2-102000122025011711）及之后版本。

解决方法

• 升级至问题已修复版本。目前已修复的版本包括 OceanBase 数据库企业版 V4.2.5 BP4（oceanbase-4.2.5.4-104000082025052817）及之后版本。

• 手动取消当前分区均衡任务：ALTER SYSTEM CANCEL BALANCE JOB [TENANT = '$tenant_name'];。

• 关闭磁盘均衡，绕过该问题：将租户配置项 balancer_tolerance_percentage（设置负载均衡策略）调整至 99。

• 建议客户侧拆分超大分区：对于存在超大二级分区（同表分区大小1.4TB对比2GB）的情况，需要重新设计分区策略，避免后续扩缩容的风险。

规避方式

• 在进行分区均衡之前，检查并优化表的分区策略，避免单个分区过大。

• 调整租户配置项 balancer_tolerance_percentage（设置负载均衡策略），调大该配置项以减少磁盘均衡任务的触发频率。

• 升级 OceanBase 数据库至 V4.2.5 BP4 或更高版本，以获得对该问题的修复。