数据库迁移这件事,干过的都懂——它不像改个bug那样收放自如,也不像加个功能那样可以灰度上线。迁移一旦启动,往往牵一发动全身,稍有不慎就是数据丢失、服务中断、回滚困难三连击。但偏偏业务发展到一定阶段,迁移又躲不掉:老数据库扛不住并发、成本高得离谱、或者要上云、要分库分表,都得走这一步。所以问题不是“要不要迁”,而是“怎么迁得稳”。这篇就按实际落地的顺序,把从规划到收尾的完整流程拆开讲清楚。

第一件事不是急着选工具,而是先把“为什么迁”和“迁什么”想明白。很多团队一上来就研究DTS、DataX、Canal这些工具怎么配,结果做到一半发现目标库的字段类型对不上,或者业务方根本没确认停机窗口。规划阶段至少要输出三样东西:迁移范围清单(哪些库、哪些表、哪些字段)、迁移目标(性能提升多少、成本降多少、还是单纯为了上云)、以及约束条件(能停多久、数据一致性要求多高、预算多少)。这三样定了,后面选型才有依据。比如要求零停机的,基本就得走双写+增量同步的路子;能接受两小时停机的,逻辑导出导入反而更简单可靠。
范围清楚了,接下来是环境评估和方案设计。这一步最容易被低估。老库跑了好几年,里面往往藏着没人敢动的存储过程、触发器、定时事件,还有字段类型是enum但实际存了脏数据的情况。得拿真实数据跑一遍兼容性检查,MySQL到PostgreSQL、Oracle到MySQL,类型映射、字符集、排序规则、自增主键策略,每一项都可能埋雷。方案设计要落到具体动作:全量怎么迁、增量怎么追、新旧库怎么映射、异常怎么处理。建议画一张迁移流程图,把每一步的输入输出、责任人、验证方式都标上。这张图后面就是作战地图,谁看谁明白。
方案定了,先别碰生产库。搭一套和线上尽可能一致的测试环境,把全量迁移和增量同步各跑一遍。测试数据量最好别太小,几十万行和几千万行的表现完全是两回事。重点关注几个指标:全量耗时、增量延迟、CPU和IO波动、目标库写入瓶颈。这时候一定会暴露问题——可能是某个大表导出时把源库IO打满了,可能是目标库的索引在批量写入时拖慢十倍。这些问题在测试环境解决,成本是生产环境的十分之一。测试通过的标准不是“能跑通”,而是“跑完之后数据一致、性能可接受、回滚方案验证过”。
真正上生产,最怕的是“一刀切”。比较稳妥的做法是分阶段切流:先迁历史冷数据,再迁热数据,最后切写入。全量迁移通常选业务低峰期,用工具把存量数据搬过去,同时开启增量同步追平。追平之后,用校验工具对比新旧库的行数、关键字段的checksum,确认一致。然后进入双写阶段——应用同时写新旧两库,读还是走老库,观察一段时间。双写期间要监控写入差异、延迟、报错率。确认没问题了,再把读流量切到新库,老库降级为备份。整个过程快则几天,慢则几周,取决于数据量和业务容忍度。
切流完成不代表迁移结束,收尾阶段同样关键。老库别急着下线,至少保留一个完整的业务周期(比如电商要留够一个月,覆盖大促和月末结算)。这期间新库是主库,但老库要能随时回滚。同时把迁移过程中攒下的临时脚本、同步任务、监控告警整理成文档,该关的关,该留的留。还有一件事容易被忽略:清理老库的权限和连接串,防止有遗漏的应用还在连老库。开一次复盘会,把实际耗时、遇到的问题、回滚次数、数据差异都过一遍,这些经验下次迁移直接复用。
说到底,数据库迁移流程的核心不是技术多高深,而是“把不确定变成确定”。规划阶段确定范围和目标,设计阶段确定路径和方案,测试阶段确定问题和边界,执行阶段确定节奏和回滚,收尾阶段确定稳定和闭环。每一步都在减少未知,每一步都在为下一步铺路。那些迁移出事的案例,十有八九不是工具不行,而是跳过了某一步——要么没做兼容性测试,要么没验证回滚方案,要么切流太急。所以别嫌流程繁琐,它保的是数据,也是你的觉。


