半夜两点,运维老张盯着监控屏上跳动的告警,心跳跟着一起飙到一百二。数据库迁移,这个听起来像例行公事的技术活,实际上是一场没有硝烟的战争。我在大厂干了七年,见过太多团队栽在“迁移”两个字上——不是数据丢了,就是服务断了,最惨的是迁移到一半发现主从不同步,业务直接瘫痪两小时。今天把那些踩过的坑、趟过的雷,一条条掰开揉碎了讲给你听,保证你看完心里有底。

很多人以为数据库迁移就是“导出-导入”那么简单,真这么想就大错特错了。我见过一个初创团队,用mysqldump把整个库导出来,再往新库一灌,完事。结果呢?业务量一上来,新库的索引结构跟老库对不上,查询慢得像蜗牛爬,用户投诉电话打爆了客服。更麻烦的是,他们没校验数据一致性,导完之后才发现有几张表少了十几万条记录——那些是用户下单的日志,丢一条都够喝一壶的。你要是想平滑切换不停机,第一步就得把“迁移”当成一个系统工程来对待,不是拷贝文件那么简单。
先说说最常见的方案:主从复制。这个思路特别适合MySQL或者PostgreSQL这种支持binlog或者WAL日志的数据库。你先把新库配成老库的从库,让数据实时同步过去,然后观察一段时间确认没有报错。但这里有个坑——很多团队图省事,直接改应用配置切到新库,结果发现新库的CPU和内存配置跟老库不一样,压力测试没做,流量一进来直接卡死。我建议你在切换之前,至少跑一周的读写流量监控,把慢查询、连接数、锁等待这些指标都记录下来,跟老库做个对比,确认新库能扛住业务高峰期的压力。
要是业务不能接受长时间只读,那就要上双写方案了。所谓双写,就是老库和新库同时写入,读的时候优先读新库,老库作为兜底。听起来简单,实际操作起来全是细节。比如,你得处理自增主键冲突——两个库的自增ID各跳各的,一旦合并就会撞车。办法也简单,给老库和新库分别设置不同的autoincrementoffset和auto_increment,让ID错开。还有删除操作,你得保证两边都删干净,万一有一边删失败了,数据就永久不一致了,后面查起来头大。
双写方案里最让人头疼的是事务一致性。你想想,应用层写老库成功了,写新库失败,这时候怎么办?回滚老库?还是忽略新库的失败?我见过最稳妥的做法是引入一个消息队列,把写操作变成异步任务,先写到MQ,再由消费者分别写入两个库。这样哪怕某一个库暂时不可用,消息也会积压着,等恢复了再补写。不过这个方案对开发团队要求高,你得有完善的监控和告警,一旦MQ积压超过阈值,马上报警,否则延迟越来越大,用户看到的数据就不对了。
切换那一步,才是真正考验胆量的时候。很多团队选在凌晨三点操作,以为流量低就安全,结果手忙脚乱出了岔子,大半夜连个能帮忙的人都没有。我的习惯是选在工作日下午两点,流量不算最高,但团队全员都在线,出了问题能立刻拉群讨论。切换前必须写好回滚方案,把老库的只读权限打开,新库的写入权限关掉,先让读流量切过去试试水。观察十分钟,确认没有告警,再把写流量切过去。要是发现异常,二话不说,直接回滚到老库,前后不超过五分钟,用户几乎感知不到。
别忘了数据校验这一步,很多人迁移完就以为大功告成,结果过了一个月才发现某张表的数据对不上,那时候再查就费劲了。我一般会在切换后连续跑一周的校验任务,每天凌晨对比老库和新库的记录数、checksum值,还有关键业务表的唯一键。别嫌麻烦,数据这玩意儿,错一个字符都是大事。而且校验的时候要特别注意那些没有唯一键的表,这种表最容易出问题,你得靠全字段拼接比对,虽然慢,但踏实。
监控和告警是迁移的“安全带”,没系好就上路,迟早出事。迁移期间,你要盯的指标比平时多一倍:主从延迟、复制线程状态、磁盘IO、网络带宽、连接数、慢查询数,每一项都不能少。我习惯写一个自动化巡检脚本,每五分钟跑一次,把异常指标直接推到钉钉群。特别是主从延迟,一旦超过十秒,就得警惕了,说明新库跟不上老库的写入速度,这时候要查是不是磁盘性能不行,或者网络带宽有瓶颈。
说点掏心窝子的话。数据库迁移不是技术问题,是管理问题。你得让团队每个人都清楚:什么时候切换、怎么判断成功、失败了怎么办。我见过太多团队,迁移之前没做演练,真到切换的时候手忙脚乱,指挥的人自己都慌了。提前做三次演练,一次比一次熟练,真到上线那天,就跟吃饭喝水一样自然。
所以说,SQL数据库迁移这事儿,看着是技术活,实际上拼的是细心和耐心。主从复制也好,双写方案也罢,没有银弹,只有根据你的业务场景选对方案,然后踏踏实实把每一步做到位。平滑切换不停机,不是不可能,但前提是你把每个细节都想到前面,把每条退路都铺好。下次你再遇到迁移任务,别慌,按这些步骤来,稳扎稳打,业务那边该干嘛干嘛,用户该下单下单,根本感觉不到背后换了个数据库。


