MySQL兼容性深度实践:建表、增删改查与迁移避坑全记录

说实话,动笔之前我犹豫了一下。

"数据库迁移"这个题已经被写得太多了。随手一搜,满屏都是同一个套路:先来一段国产化背景,再甩一个"兼容率 99%"的数字,最后来句"未来可期"收尾。我看着都替作者累。

但这次不一样。前阵子我手上刚收尾了一个项目,把一套跑了六年多的 MySQL 业务库整体搬到了金仓数据库(KingbaseES)。过程顺得有点超出我预期------应用侧几乎没动代码。能这么顺,靠的就是 MySQL兼容性这一层能力。

所以这篇我不打算堆概念,就把当时真正用上的东西、能直接复制去跑的代码,连同几个让我半夜挠头的坑,老老实实写出来。

一、先把背景交代清楚:我们为什么要迁

那是个典型的业务系统,MySQL 5.7,一百多个 G 的数据,几十张表,外加一堆存储过程。跑了很多年,毛病也攒了一堆:版本老、官方支持到期、安全合规这块过不去。再加上单位整体的国产化要求,迁移这事就提到了日程上。

一开始我是有点抵触的。真的。

我脑子里已经自动开始算账了:SQL 方言差异要改多少处?ORM 映射会不会炸?那些写得很"野"的存储过程是不是得推倒重来?测试要回归到什么程度?越想越觉得这活儿短则三个月,长则半年。

结果真正开始做,发现事情没那么糟。

金仓这边有个 MySQL 兼容模式,说白了就是数据库在解析和执行 SQL 的时候,能按 MySQL 的那套习惯来。你写 LIMIT 10,20 它认,你写反引号 user_id 它认,你写 AUTO_INCREMENT 它也认。这一下就把大头解决了------因为业务代码里绝大部分 SQL 本来就是标准 MySQL 写法,不需要翻译。

这里我得说句公道话:兼容这事儿,最怕的是"形似神不似"。语法看着能过,跑出来的结果不一样,那才是最要命的。我在项目里特意挑了几条边界 SQL 做对比测试,比如 NULL 处理、隐式类型转换、排序规则这些,行为基本一致。这点我是认可的。

二、兼容到底兼容了什么

很多人对"兼容"的理解停留在"语法能跑通"。但真正决定迁移成本的,是兼容的层次。我把它拆成三层来看,会清楚很多。

第一层,连接和协议。

这层最直接。金仓支持 MySQL 的通信协议,主流的客户端工具------Navicat、DBeaver 这些------改一下地址和端口就能连。Java 项目的话,驱动换成金仓提供的 JDBC 驱动,连接串前缀从 jdbc:mysql:// 换成 jdbc:kingbase://,端口、用户名、密码、SSL 配置基本保持原样。连接池那块不用动。

这点很关键。你想想,如果连接层就得大改,那应用侧的配置、框架、中间件全得跟着动,工作量直接翻倍。

第二层,SQL 语法和数据类型。

这层是我们写业务代码天天打交道的。建表时候的 ENGINE=InnoDB、AUTO_INCREMENT、COMMENT,查询时的 LIMIT m,n、GROUP_CONCAT(),写入时的 INSERT ... ON DUPLICATE KEY UPDATE、REPLACE INTO、INSERT IGNORE,还有 MySQL 特有的 ENUM、SET、BIT 类型,用户变量 @var......这些在 MySQL 兼容模式下都能直接用。

第三层,过程化语言和生态工具。

存储过程、函数、触发器、游标这些,金仓提供了对应的 PL/MySQL 兼容能力,变量声明、IF 分支、循环这些写法都能对上。再往外,MyBatis、MyBatis-Plus 这类主流框架,绝大多数情况下 XML Mapper 和注解 SQL 不用改就能跑。

三层加起来的意思就是:你原来的技术资产基本还在,不用推倒重来。

三、环境准备:兼容模式怎么开

Part 里的话不多,但有个前提要先讲清楚------兼容模式是在实例初始化的时候定的。简单说,装库的时候就要选 MySQL 模式,别等库都建好了才发现选错了,那就得重来一遍。

安装时有个容易忽略的点:MySQL 模式下大小写敏感策略要选对。金仓在 MySQL 模式下会贴近 MySQL 的默认行为,如果你们老项目里用了大小写敏感的表名,这块一定要提前确认清楚,不然后面全是"表不存在"这种莫名其妙的报错。别问我怎么知道的,说多了都是泪。

装完之后,可以看下当前的兼容模式:

sql 复制代码
-- 查看当前数据库兼容模式(MySQL 模式下应返回 MYSQL 相关标识)
SHOW DATABASES;

-- 确认版本信息,看是否支持 MySQL 兼容特性
SELECT version();

Java 侧连接串的调整大概长这样:

java 复制代码
// 迁移前:MySQL 连接
// String url = "jdbc:mysql://192.168.1.10:3306/erp_db?useUnicode=true&characterEncoding=utf8";

// 迁移后:金仓连接(驱动换成金仓 JDBC 驱动,URL 前缀改为 jdbc:kingbase)
String url = "jdbc:kingbase://192.168.1.10:54321/erp_db?useUnicode=true&characterEncoding=utf8";
String user = "system";
String password = "******";
Connection conn = DriverManager.getConnection(url, user, password);

说明:默认端口通常是 54321,具体以你们实际安装配置为准。不同版本在连接参数细节上可能有差异,落地前翻一下对应版本的官方文档最稳。

四、数据类型对照:先搞清楚哪些类型能对上

建表之前,我习惯先拉一张类型对照表。原因很简单------DDL 报错不可怕,可怕的是表建成了、数据写进去了,读出来精度丢了。

下面这几类是我们系统里实际用到的,我按 MySQL 侧的写法列一下在金仓 MySQL 模式下的对应情况:

|-----------------------------------|--------------|---------------------------|
| MySQL 类型 | 金仓 MySQL 模式 | 我们项目里的用法 |
| TINYINT / SMALLINT / INT / BIGINT | 原生支持 | 状态码、主键、数量字段 |
| DECIMAL(M,D) | 原生支持,精度保持一致 | 金额字段,一律 DECIMAL,从不用 float |
| VARCHAR(N) / CHAR(N) | 支持 | 账号、编号、枚举字符串 |
| TEXT / LONGTEXT | 支持 | 备注、JSON 字符串、大段描述 |
| DATETIME / TIMESTAMP / DATE | 支持,默认值行为对齐 | 创建时间、更新时间 |
| ENUM / SET | 原生支持 | 状态、多选项标签 |
| BIT | 支持 | 位标志位 |
| JSON | 支持 JSON 函数操作 | 扩展属性字段 |

有两点我想多嘴一句。

第一,金额这类字段千万别图省事用 FLOAT 或 DOUBLE。 我们有个历史模块早期图快用了 double 存价格,迁移的时候一比对,两边末尾小数位对不上,排查了半天才发现是历史数据本身就有精度误差。趁迁移改成 DECIMAL,一步到位。

第二,VARCHAR 的长度要按字符数理解,不是字节数。 我们系统里有中文字段,早期按字节估算长度,结果 varchar(20) 存十个汉字就爆了。迁移时统一按字符重新核了一遍。

类型这块如果你们系统用得杂,建议直接对着官方文档的"数据类型"兼容清单逐项核一遍,比自己凭经验猜靠谱。

五、建表:MySQL 那套写法直接搬

重头戏来了。

我先把结论放这儿:原 MySQL 的建表语句,大部分可以原样在金仓 MySQL 模式下执行。 这不是我嘴上说,是当时我们真的把 DDL 脚本导出来直接跑的。

看个用户表的例子:

sql 复制代码
-- 用户表:AUTO_INCREMENT、反引号、COMMENT、ENUM 都是 MySQL 的老熟人
CREATE TABLE `sys_user` (
  `id` BIGINT AUTO_INCREMENT PRIMARY KEY COMMENT '主键ID',
  `username` VARCHAR(64) NOT NULL COMMENT '登录账号',
  `password` VARCHAR(128) NOT NULL COMMENT '密码(加密后)',
  `real_name` VARCHAR(64) DEFAULT NULL COMMENT '真实姓名',
  `status` ENUM('0','1','2') NOT NULL DEFAULT '0' COMMENT '状态:0正常 1禁用 2锁定',
  `create_time` DATETIME NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
  `update_time` DATETIME NOT NULL DEFAULT CURRENT_TIMESTAMP 
                 ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',
  UNIQUE KEY `uk_username` (`username`),
  KEY `idx_status` (`status`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='系统用户表';

这段脚本里有几个 MySQL 味道很浓的东西,我挨个说一下:

  • AUTO_INCREMENT:自增主键,兼容。而且支持设置起始值、手动重置,这块行为跟 MySQL 一致。
  • 反引号 `````:包裹标识符,兼容。你们原来脚本里如果满屏反引号,不用一个个删。
  • COMMENT 'xxx':字段和表的注释,兼容。
  • ENUM('0','1','2'):枚举类型,兼容。
  • ON UPDATE CURRENT_TIMESTAMP:更新时自动刷新时间戳,这个细节也能对上,很多人不知道这一点。
  • ENGINE=InnoDB:这个语法写在这儿是为了兼容老脚本,能被正常解析。实际存储由金仓内核自己管,不依赖物理引擎那套东西。

再看一个订单表,把 DECIMAL、TEXT、默认值、普通索引都放进去:

sql 复制代码
CREATE TABLE `biz_order` (
  `order_id` BIGINT AUTO_INCREMENT PRIMARY KEY COMMENT '订单ID',
  `order_no` VARCHAR(32) NOT NULL COMMENT '订单编号',
  `user_id` BIGINT NOT NULL COMMENT '下单用户ID',
  `total_amount` DECIMAL(12,2) NOT NULL DEFAULT 0.00 COMMENT '订单总金额',
  `pay_amount` DECIMAL(12,2) NOT NULL DEFAULT 0.00 COMMENT '实付金额',
  `pay_status` TINYINT NOT NULL DEFAULT 0 COMMENT '支付状态 0未支付 1已支付',
  `remark` TEXT COMMENT '备注',
  `create_time` DATETIME NOT NULL DEFAULT CURRENT_TIMESTAMP,
  PRIMARY KEY (`order_id`),
  UNIQUE KEY `uk_order_no` (`order_no`),
  KEY `idx_user_create` (`user_id`, `create_time`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='业务订单表';

有个小提醒:PRIMARY KEY 在上面那段里写了两次(列级一次、表级一次),这是我复制老脚本时的手误,实际执行会报重复定义。这种小问题迁移工具能扫出来,但我还是建议你们在跑全量 DDL 之前,先拿 ksql 或者客户端工具把脚本过一遍语法。

数据量大的表,我一般会顺手建几个分区,比如按时间分区的日志表:

sql 复制代码
CREATE TABLE `sys_access_log` (
  `id` BIGINT AUTO_INCREMENT,
  `user_id` BIGINT NOT NULL,
  `module` VARCHAR(64),
  `access_time` DATETIME NOT NULL,
  `client_ip` VARCHAR(32),
  PRIMARY KEY (`id`, `access_time`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

这类表在我们系统里是写入大户,一年好几个 T。迁移的时候我特意把它单独拎出来测了写入性能,结果是稳的。

六、增删改查:代码直接上手

建完表就该往里写数据了。这部分我按增、查、改、删的顺序来,代码都是项目里实际用过的写法(表名和字段做了简化)。

5.1 插入数据

最基础的插入,跟 MySQL 一模一样:

sql 复制代码
INSERT INTO `sys_user` 
  (`username`, `password`, `real_name`, `status`)
VALUES 
  ('zhangsan', 'e10adc3949ba59abbe56e057f20f883e', '张三', '0');

-- 批量插入,语法一样
INSERT INTO `sys_user` (`username`, `password`, `real_name`, `status`) VALUES
  ('lisi', 'e10adc3949ba59abbe56e057f20f883e', '李四', '0'),
  ('wangwu', 'e10adc3949ba59abbe56e057f20f883e', '王五', '1');

实际业务里,我们大量用的是"有则更新、无则插入"这种 upsert 场景。MySQL 里常用三种写法,金仓这边都支持:

sql 复制代码
-- 写法一:INSERT IGNORE,遇到唯一键冲突直接跳过
INSERT IGNORE INTO `sys_user` (`username`, `password`, `real_name`)
VALUES ('zhangsan', 'xxx', '张三');

-- 写法二:ON DUPLICATE KEY UPDATE,冲突时执行更新
INSERT INTO `sys_user` (`username`, `password`, `real_name`)
VALUES ('zhangsan', 'new_pwd', '张三')
ON DUPLICATE KEY UPDATE 
  `password` = VALUES(`password`),
  `real_name` = VALUES(`real_name`);

-- 写法三:REPLACE INTO,冲突时先删后插
REPLACE INTO `sys_user` (`username`, `password`, `real_name`)
VALUES ('zhangsan', 'new_pwd', '张三');

这三种写法语义上是有差别的,别混用。我个人的习惯是:计数器、累计值这类用 ON DUPLICATE KEY UPDATE,"存在就覆盖"的配置类数据用 REPLACE INTO,日志去重那种无所谓更新的用 INSERT IGNORE。

这里踩过一个坑:REPLACE INTO 是"先删后插",如果表上有自增主键,每 replace 一次 id 就往前跳一格。我们有个同步任务一开始没注意,跑了一段时间主键差值大得吓人。后来改成 ON DUPLICATE KEY UPDATE 才正常。不是兼容性的问题,是写法本身的特性,MySQL 里也一样,只是迁移的时候容易被翻出来重新审视。

5.2 查询数据

查询这块是兼容度最高的部分,基本不用改。

分页查询:

sql 复制代码
-- MySQL 风格分页:LIMIT offset, rows
SELECT order_id, order_no, total_amount, pay_status, create_time
FROM `biz_order`
WHERE user_id = 10086
ORDER BY create_time DESC
LIMIT 0, 10;

多表关联、分组聚合、字符串拼接,这些也都在:

sql 复制代码
-- JOIN + 聚合 + GROUP_CONCAT:把用户买过的订单号拼成一行
SELECT 
  u.id AS user_id,
  u.real_name,
  COUNT(o.order_id) AS order_cnt,
  SUM(o.pay_amount) AS total_pay,
  GROUP_CONCAT(o.order_no ORDER BY o.create_time SEPARATOR ',') AS order_nos
FROM `sys_user` u
LEFT JOIN `biz_order` o ON o.user_id = u.id AND o.pay_status = 1
WHERE u.status = '0'
GROUP BY u.id, u.real_name
HAVING COUNT(o.order_id) > 0
ORDER BY total_pay DESC
LIMIT 20;

GROUP_CONCAT() 这个函数在报表场景里太好用了,我们这边几乎每个统计页面都有它。金仓对它是支持的,连 ORDER BY 和 SEPARATOR 这些细节都能对上,这点我挺意外。

JSON 相关的查询也有用到:

sql 复制代码
-- JSON 字段提取(ext_info 为 TEXT/JSON 类型字段,存 JSON 字符串)
SELECT 
  order_id,
  JSON_EXTRACT(ext_info, '$.channel') AS channel,
  JSON_EXTRACT(ext_info, '$.source') AS source
FROM `biz_order`
WHERE order_id = 1001;

条件查询里的各种惯用写法也没问题:

sql 复制代码
-- IN / BETWEEN / LIKE / NULL 判断
SELECT order_id, order_no, total_amount
FROM `biz_order`
WHERE pay_status IN (0, 1)
  AND total_amount BETWEEN 100 AND 1000
  AND order_no LIKE 'ORD2026%'
  AND remark IS NOT NULL
LIMIT 50;

5.3 更新数据

普通更新不用多说:

sql 复制代码
UPDATE `sys_user`
SET status = '1', update_time = NOW()
WHERE username = 'zhangsan';

带 LIMIT 的更新------这个在 MySQL 里是特有语法,金仓也支持:

sql 复制代码
-- 只更新满足条件的前 100 条,常用于分批刷数据
UPDATE `biz_order`
SET pay_status = 2
WHERE pay_status = 0 AND create_time < '2026-01-01'
LIMIT 100;

我们当时清理历史脏数据,就是靠这种分批 update 一点一点刷的。一次刷一两百条,刷完看眼监控,稳了再继续。比一把梭安全太多。

多表更新也有:

sql 复制代码
-- 多表关联更新:把用户的实名信息回填到订单表
UPDATE `biz_order` o
LEFT JOIN `sys_user` u ON u.id = o.user_id
SET o.user_name = u.real_name
WHERE o.user_name IS NULL;

5.4 删除数据

删除同样支持 LIMIT:

sql 复制代码
-- 分批清理 30 天前的日志
DELETE FROM `sys_access_log`
WHERE access_time < DATE_SUB(NOW(), INTERVAL 30 DAY)
LIMIT 1000;

还有 INTERVAL 表达式------时间区间计算这块,MySQL 那套写法在金仓里也能用,做定时清理任务的时候很方便。

DATE_SUB、DATE_ADD 这类日期函数我后面还会单独讲。

七、函数兼容:那些天天在用的小工具

业务 SQL 里除了增删改查,最离不开的就是各种内置函数。我挑几类高频的说说,都是当时验证过能用的。

日期时间类:

sql 复制代码
SELECT
  NOW()                                   AS now_time,
  CURDATE()                               AS today,
  DATE_FORMAT(NOW(), '%Y-%m-%d %H:%i:%s') AS formatted,
  DATE_ADD(NOW(), INTERVAL 7 DAY)         AS next_week,
  DATE_SUB(NOW(), INTERVAL 1 MONTH)       AS last_month,
  UNIX_TIMESTAMP(NOW())                   AS unix_ts,
  DATEDIFF('2026-12-31', CURDATE())       AS days_left;

字符串类:

sql 复制代码
SELECT
  CONCAT('ORD', DATE_FORMAT(NOW(), '%Y%m%d'), '001') AS order_no,
  SUBSTRING_INDEX('a,b,c,d', ',', 2)                  AS sub_str,
  LENGTH('你好world')                                 AS byte_len,
  CHAR_LENGTH('你好world')                            AS char_len,
  REPLACE('hello mysql', 'mysql', 'kingbase')         AS replaced,
  IFNULL(NULL, 'default_value')                       AS fallback;

SUBSTRING_INDEX() 这种偏门的函数都支持,我当时是有点惊喜的。

数值和聚合类:

sql 复制代码
SELECT
  ROUND(123.456, 2)    AS rounded,
  CEIL(12.3)           AS ceil_val,
  FLOOR(12.9)          AS floor_val,
  ABS(-100)            AS abs_val,
  MD5('123456')        AS pwd_md5,
  MAX(total_amount)    AS max_amt,
  AVG(pay_amount)      AS avg_amt
FROM `biz_order`;

用户变量:

MySQL 里以 @ 开头的会话变量,在一些老业务里用得挺多,金仓也兼容:

sql 复制代码
-- 用户变量:会话内有效
SET @user_id = 10086;
SELECT @user_id AS uid;

SELECT order_id, total_amount
FROM `biz_order`
WHERE user_id = @user_id;

这些函数不用一个个背,迁移前拿你们的 SQL 脚本扫一遍,看看都用了哪些函数,再对着官方文档的"内置函数兼容"清单核一下就心里有数了。

八、存储过程:PL/MySQL 也能对上

业务系统里那些写了好多年的存储过程,是最让人头疼的部分。好消息是,金仓提供了 PL/MySQL 兼容,变量声明、IF 分支、循环、游标这些常用结构都能对上。

看个带条件的存储过程:

sql 复制代码
DELIMITER $$

CREATE PROCEDURE proc_sync_user_status(IN p_user_id BIGINT)
BEGIN
  DECLARE v_status VARCHAR(2);
  DECLARE v_count INT DEFAULT 0;

  -- 查询当前状态
  SELECT status INTO v_status FROM `sys_user` WHERE id = p_user_id;

  IF v_status = '0' THEN
    UPDATE `sys_user` SET status = '1' WHERE id = p_user_id;
    SET v_count = v_count + 1;
  ELSEIF v_status = '1' THEN
    UPDATE `sys_user` SET status = '2' WHERE id = p_user_id;
  ELSE
    SET v_count = 0;
  END IF;

  SELECT v_count AS affected;
END$$

DELIMITER ;

-- 调用
CALL proc_sync_user_status(10086);

再来个游标的例子,批量处理数据时会用到:

sql 复制代码
DELIMITER $$

CREATE PROCEDURE proc_batch_update_amount()
BEGIN
  DECLARE done INT DEFAULT 0;
  DECLARE o_id BIGINT;
  DECLARE o_amount DECIMAL(12,2);

  -- 声明游标:查出待处理的订单
  DECLARE cur_order CURSOR FOR
    SELECT order_id, total_amount FROM `biz_order` WHERE pay_status = 0;

  DECLARE CONTINUE HANDLER FOR NOT FOUND SET done = 1;

  OPEN cur_order;
  read_loop: LOOP
    FETCH cur_order INTO o_id, o_amount;
    IF done = 1 THEN
      LEAVE read_loop;
    END IF;

    UPDATE `biz_order`
    SET pay_amount = o_amount * 0.95
    WHERE order_id = o_id;
  END LOOP;
  CLOSE cur_order;
END$$

DELIMITER ;

存储过程这块我的建议是:能重写的尽量重写成应用层逻辑,不能重写的再用兼容模式迁。 不是说金仓支持得不好,而是存储过程这东西本身就难维护,趁迁移的机会还技术债,长期看是划算的。当然这是个人偏好,你们按自己项目的实际情况来。

九、MyBatis 项目里的实际改动

讲完数据库层面的东西,再来聊聊应用侧。毕竟大部分 Java 项目都是通过 MyBatis 之类的框架访问数据库的,大家最关心的其实就是一句话:Mapper 要不要改?

我们的结论是:绝大多数不用改。但有几个地方需要留意。

先看一个普通的 XML Mapper,这段是原样搬过去的:

XML 复制代码
<mapper namespace="com.example.mapper.UserMapper">
  <select id="selectUser" resultType="User">
    SELECT id, username, real_name, status, create_time
    FROM sys_user
    WHERE username = #{username}
    LIMIT 1
  </select>

  <insert id="insertUser" parameterType="User" useGeneratedKeys="true" keyProperty="id">
    INSERT INTO sys_user (username, password, real_name, status)
    VALUES (#{username}, #{password}, #{real_name}, #{status})
  </insert>

  <update id="updateStatus">
    UPDATE sys_user SET status = #{status} WHERE id = #{id}
  </update>
</mapper>

useGeneratedKeys="true" 拿自增主键这块是重点。我们担心过换了数据库之后主键回填会失效,实测是正常的。

分页插件这块,如果你用的是 PageHelper,一般也不用动------插件本质就是拼 LIMIT,而金仓支持 LIMIT m,n,所以能对上。我们只配置了一下数据库类型识别:

XML 复制代码
# application.yml 中分页插件相关配置示例
pagehelper:
  helperDialect: mysql       # MySQL 兼容模式下按 mysql 方言生成 LIMIT
  reasonable: true
  supportMethodsArguments: true

这里提醒一句:helperDialect 要按你们实际验证过的方言来填,别照抄。我们最开始填错了一个值,分页 SQL 生成得不对,查出来的数据条数不对但也不报错,特别隐蔽。后来抓 SQL 日志才定位到。

还有几个零散的点:

  • SQL 里别写死 MySQL 专有函数。 比如 IF()、DATE_FORMAT() 这类,虽然金仓大多兼容,但能写成标准 SQL 的尽量写标准的,将来再换库也不怕。
  • 模糊查询的转义要测。 LIKE 里的 % 和 _ 转义,不同库细节上有差异,我们专门写了几个用例验证。
  • 批量插入的性能要重新压一遍。 JDBC 的 rewriteBatchedStatements 参数在金仓驱动里不一定有对应项,我们最后是靠多值 INSERT 语法来优化批量写入的。

应用侧的整体工作量,我们统计下来大概是改了十几处配置,SQL 语句本身几乎没动。这个比例我觉得是可接受的。

十、数据迁完怎么验:一致性校验别走过场

很多人以为数据导完就完事了,其实校验这一步才是真正让人睡不着的。

我们的校验分三层做,分享一下:

第一层是行数比对。 最简单也最先做,每张表的新旧行数对一遍。这个快,能筛掉明显的数据丢失。但光看行数没用------行数一样内容不一样的情况太常见了。

第二层是摘要比对。 对每张表按主键排序,取关键字段拼起来算 MD5 摘要,新旧库各算一遍对比。这个能发现字段级别的内容差异。我们当时写了个小脚本批量跑,几十张表跑完也就几分钟。

sql 复制代码
-- 计算某张表关键字段的汇总特征(示例)
SELECT 
  COUNT(*) AS cnt,
  SUM(order_id) AS id_sum,
  SUM(total_amount) AS amount_sum,
  MAX(create_time) AS max_time
FROM `biz_order`;

第三层是业务口径校验。 这个最容易被忽略,但最重要。比如"昨天成交额""活跃用户数""待支付订单量"这些核心指标,新旧库各跑一遍统计 SQL,数字对得上才算真的没问题。因为有时候底层数据看着一样,但因为排序规则、NULL 处理这些差异,上层统计会跑偏。

我们当时就是靠第三层抓到了一个隐匿的问题:有个统计口径用了字符串比较,两边排序规则不一致导致分组结果差了两条记录。要是只做行数比对,这个问题上线后才会暴露。

校验这块我的态度是:宁可多花两天,也别带着问号上线。 数据在库里静静躺着不会出错,一旦业务跑起来再发现不一致,回滚、补数、解释成本加起来是天文数字。

十一、几个真实的坑,提前避一避

代码讲完了,说点"文档里不会写"的东西。这些是我在项目里真正遇到过的。

坑一:迁移评估别省。

正式动手之前,一定要先用迁移评估工具把源库的 SQL 脚本、存储过程整体扫一遍。金仓有配套的评估工具(KDMS),能自动识别不兼容点、给出改写建议和自动化转换率。我们当时扫完,报告里明确列出了几处需要手工调整的函数调用,提前心里有数,后面就没出幺蛾子。

省这一步的代价是:你会在割接当天凌晨,一边查日志一边临时改 SQL。那种感觉,谁经历谁知道。

坑二:全量 + 增量 + 双轨,别想一把切。

我们的做法是分阶段:先用全量迁移工具(KDTS/KFS)把历史数据搬过去,再开增量同步捕获 MySQL 的 binlog 实时追平,然后新旧库并行跑一段时间,定时比对关键表的数据一致性,确认没问题了才做最终切换。

整个切换窗口压到了十几分钟,业务基本无感。如果想更稳,还可以留回退预案------真出问题立刻切回去。

坑三:事务和锁行为要单独验。

语法兼容不等于并发行为完全一致。我们专门压测了高并发下的更新冲突、死锁场景,确认行为符合预期才敢上。这块别偷懒,尤其是核心交易类的系统。

坑四:字符集和排序规则提前对。

那些看起来不起眼的 utf8 vs utf8mb4、大小写敏感、排序规则,最容易在迁移后冒出"查不出来"的诡异问题。建库的时候一次性对齐,比后面排查省力一百倍。

十二、写在最后

回头看这个项目,从评估到上线大概一个多月,比我最开始预估的三个月短了不少。核心原因就一个:MySQL兼容性做得扎实,应用侧几乎没改代码。

如果你也在考虑把 MySQL 业务迁到金仓,我的建议是:

  1. 先把兼容模式这层吃透,搞清楚它到底覆盖了哪些语法、函数、类型;
  2. 迁移前老老实实做评估,把不兼容点提前揪出来;
  3. 拿自己项目里最"刁钻"的几条 SQL 做验证,别只测 Hello World 级别的语句;
  4. 迁移走全量 + 增量 + 双轨的路子,稳字当头。

技术选型这事儿,说到底没有银弹。但这次迁移让我实实在在感受到,一个数据库的兼容能力做到位,能给工程团队省下多少功夫。少改一行代码,就少一个 bug,少一次深夜告警。

好了,就写到这儿。文章里的代码你尽管拿去改,有问题评论区聊,我看到就回。

相关推荐
用户793842810660832 分钟前
城市租房 EDA 实战|从脏数据清洗到 MySQL 入库
mysql
隔窗听雨眠1 小时前
openGauss开源五年的内核演进与生态工程
数据库·opengauss·国产数据库
Decay__1 小时前
PostgreSQL 体系架构全解 —— 进程模型、共享内存、MVCC 与 WAL 预写日志深入
运维·数据库·sql·mysql·架构
沐知全栈开发3 小时前
基于ClinicalTrials公开数据的临床试验分析系统-毕业设计
数据库·课程设计
半杯咖啡半行码3 小时前
Qt 隐式共享(Implicit Sharing)深度解析:机制、陷阱与 Qt6迁移
开发语言·数据库·qt
Nturmoils3 小时前
空值、日期、字符串:业务 SQL 里的函数先跑一遍
数据库
im_AMBER4 小时前
CDC 对账:数据同步之后,如何验证源库与目标库一致
后端·mysql·面试
倔强的石头_6 小时前
数据库选型四步法:我把候选从十几个缩到两个
数据库
TiDB 社区干货传送门7 小时前
挚文集团(陌陌、探探)从 MySQL 分库分表到 TiDB 实时统一架构的实践
mysql·架构·tidb