数据库迁移的长期维护：升级、备份与迁移的顺序

回滚脚本平时不测，真要用的时候基本都是错的

把升级、备份、迁移这三件事流程化，才敢长期用。

先说结论

升级前先备份，备份后先演练恢复；不能回滚的升级不做。

• 固定版本，改动前记录当前版本号
• 升级前：备份数据 + 备份配置
• 升级后：验证核心功能，不只看进程
• 迁移：先迁数据，再迁流量
• 回滚方案写在纸上，别只存在脑子里

升级策略

DDL 拿不到 metadata lock 时会阻塞后续所有查询，排队几秒就能雪崩。

备份的三层

三层分别是：数据备份、配置备份、以及「能重建这台机器」的文档。缺第三层，前两层迟早用不上。

这个服务的几个维护事实

和它自身机制相关的几条：

• 给大表加索引走 online DDL，但仍占 IO，业务高峰执行会拖慢查询
• 先删列再改代码，老版本代码还在写这一列，直接报错
• 迁移脚本要幂等，重跑一次不能把数据插两遍

迁移的步骤

迁移脚本要幂等，重跑一次不能把数据插两遍。

• 新机器按文档重建环境，验证空跑
• 同步数据，做一次一致性校验（条数、校验和）
• 切换前用 hosts 指向新机器验证
• 切换 DNS 或反代，保留旧机器一周
• 观察日志与错误率，再决定是否下线旧机

维护日历

每月：看磁盘与日志；每季：升级 + 备份校验；每半年：恢复演练一次；每年：清理不再需要的服务。

还有几处容易忽略的

都是小地方，但出问题时往往就卡在这里。

• MySQL 8.0.12 之后加列支持 INSTANT，只改元数据，千万行也是秒级
• 业务高峰跑大表 DDL，metadata lock 把整库拖死
• 迁移和代码同时上线，回滚时代码回了、库没回
• 迁移脚本里写死环境相关的库名，换环境就失败

长期维护的秘诀很土：每次只改一件事，改完就验证。