千万级的大表如何新增字段？太容易翻车了……

苏三 2025-11-18 14:15:14

前言

线上千万级的大表在新增字段的时候，一定要小心，我见过太多团队在千万级大表上执行DDL时翻车的案例。

很容易影响到正常用户的使用。

这篇文章跟大家一起聊聊线上千万级的大表新增字段的6种方案，希望对你会有所帮助。

一、为什么大表加字段如此危险？

核心问题：MySQL的DDL操作会锁表。

当执行ALTER TABLE ADD COLUMN时：

MySQL 5.6之前：全程锁表（阻塞所有读写）
MySQL 5.6+：仅支持部分操作的Online DDL

通过实验验证锁表现象：

-- 会话1：执行DDL操作
ALTER TABLE user ADD COLUMN age INT;


-- 会话2：尝试查询（被阻塞）
SELECT * FROM user WHERE id=1; -- 等待DDL完成

锁表时间计算公式：

锁表时间 ≈ 表数据量 / 磁盘IO速度

对于1000万行、单行1KB的表，机械磁盘（100MB/s）需要100秒的不可用时间！

如果在一个高并发的系统中，这个问题简直无法忍受。

那么，我们要如何解决问题呢？

二、原生Online DDL方案

在MySQL 5.6+版本中可以使用原生Online DDL的语法。

例如：

ALTER TABLE user 
ADD COLUMN age INT,
ALGORITHM=INPLACE, 
LOCK=NONE;

实现原理：

致命缺陷：

仍可能触发表锁（如添加全文索引）
磁盘空间需双倍（实测500GB表需要1TB空闲空间）
主从延迟风险（从库单线程回放）

三、停机维护方案

适用场景：

允许停服时间（如凌晨3点）
数据量小于100GB（减少导入时间）
有完整回滚预案

四、使用PT-OSC工具方案

Percona Toolkit的pt-online-schema-change这个是我比较推荐的工具。

工作原理：

操作步骤：

# 安装工具
sudo yum install percona-toolkit


# 执行迁移（添加age字段）
pt-online-schema-change \
--alter "ADD COLUMN age INT" \
D=test,t=user \
--execute

五、逻辑迁移 + 双写方案

还有一个金融级安全的方案是：逻辑迁移 + 双写方案。

适用场景：

字段变更伴随业务逻辑修改（如字段类型变更）
要求零数据丢失的金融场景
超10亿行数据的表

实施步骤：

1、创建新表结构

-- 创建包含新字段的副本表
CREATE TABLE user_new (
    id BIGINT PRIMARY KEY,
    name VARCHAR(50),
    -- 新增字段
    age INT DEFAULT 0,
    -- 增加原表索引
    KEY idx_name(name)
) ENGINE=InnoDB;

2、双写逻辑实现（Java示例）

// 数据写入服务
publicclass UserService {
    @Transactional
    public void addUser(User user) {
        // 写入原表
        userOldDAO.insert(user);
        // 写入新表（包含age字段）
        userNewDAO.insert(convertToNew(user));
    }
    
    private UserNew convertToNew(User old) {
        UserNew userNew = new UserNew();
        userNew.setId(old.getId());
        userNew.setName(old.getName());
        // 新字段处理（从其他系统获取或默认值）
        userNew.setAge(getAgeFromCache(old.getId()));
        return userNew;
    }
}

3、数据迁移（分批处理）

-- 分批迁移脚本
SET @start_id = 0;
WHILE EXISTS(SELECT1FROMuserWHEREid > @start_id) DO
    INSERTINTO user_new (id, name, age)
    SELECTid, name, 
        COALESCE(age_cache, 0) -- 从缓存获取默认值
    FROMuser
    WHEREid > @start_id
    ORDERBYid
    LIMIT10000;
    
    SET @start_id = (SELECTMAX(id) FROM user_new);
    COMMIT;
    -- 暂停100ms避免IO过载
    SELECTSLEEP(0.1); 
ENDWHILE;

4、灰度切换流程

这套方案适合10亿上的表新增字段，不过操作起来比较麻烦，改动有点大。

六、使用gh-ost方案

gh-ost（GitHub's Online Schema Transmogrifier）是GitHub开源的一种无触发器的MySQL在线表结构变更方案。

专为解决大表DDL（如新增字段、索引变更、表引擎转换）时锁表阻塞、主库负载高等问题而设计。

其核心是通过异步解析binlog，替代触发器同步增量数据，显著降低对线上业务的影响。

1、与传统方案对比

1）触发器方案（如pt-osc）

在源表上创建INSERT/UPDATE/DELETE触发器，在同一事务内将变更同步到影子表。

痛点：

触发器加重主库CPU和锁竞争，高并发时性能下降30%以上
无法暂停，失败需重头开始
外键约束支持复杂

2）gh-ost方案

伪装为从库：直连主库或从库，拉取ROW格式的binlog，解析DML事件（INSERT/UPDATE/DELETE）
异步应用：将增量数据通过独立连接应用到影子表（如REPLACE INTO处理INSERT事件），与主库事务解耦
优先级控制：binlog应用优先级 > 全量数据拷贝，确保数据强一致

关键流程：

全量拷贝：按主键分块（chunk-size控制）执行INSERT IGNORE INTO _table_gho SELECT ...，避免重复插入

增量同步：

INSERT → REPLACE INTO
UPDATE → 全行覆盖更新
DELETE → DELETE

原子切换（Cut-over）：

短暂锁源表（毫秒级）
执行原子RENAME：RENAME TABLE source TO _source_del, _source_gho TO source
清理旧表（_source_del）

典型命令示例：

gh-ost \
--alter="ADD COLUMN age INT NOT NULL DEFAULT 0 COMMENT '用户年龄'" \
--host=主库IP --port=3306 --user=gh_user --password=xxx \
--database=test --table=user \
--chunk-size=2000 \       # 增大批次减少事务数
--max-load=Threads_running=80 \ 
--critical-load=Threads_running=200 \
--cut-over-lock-timeout-seconds=5 \  # 超时重试
--execute \               # 实际执行
--allow-on-master         # 直连主库模式

2、监控与优化建议

进度跟踪：

echo status | nc -U /tmp/gh-ost.sock  # 查看实时进度

延迟控制：

设置--max-lag-millis=1500，超阈值自动暂停
从库延迟过高时切换为直连主库模式

切换安全：

使用--postpone-cut-over-flag-file人工控制切换时机

七、分区表滑动窗口方案

适用场景：

按时间分区的日志型大表
需要频繁变更结构的监控表

核心原理：通过分区表特性，仅修改最新分区结构。

操作步骤：

修改分区定义：

-- 原分区表定义
CREATETABLElogs (
    idBIGINT,
    log_time DATETIME,
    contentTEXT
) PARTITIONBYRANGE (TO_DAYS(log_time)) (
    PARTITION p202301 VALUESLESSTHAN (TO_DAYS('2023-02-01')),
    PARTITION p202302 VALUESLESSTHAN (TO_DAYS('2023-03-01'))
);


-- 添加新字段（仅影响新分区）
ALTERTABLElogsADDCOLUMN log_level VARCHAR(10) DEFAULT'INFO';

创建新分区（自动应用新结构）：

-- 创建包含新字段的分区
ALTER TABLE logs REORGANIZE PARTITION p202302 INTO (
    PARTITION p202302 VALUES LESS THAN (TO_DAYS('2023-03-01')),
    PARTITION p202303 VALUES LESS THAN (TO_DAYS('2023-04-01'))
);

历史数据处理：

-- 仅对最近分区做数据初始化
UPDATE logs PARTITION (p202302) 
SET log_level = parse_log_level(content);

八、千万级表操作注意事项

主键必须存在（无主键将全表扫描）
磁盘空间监控（至少预留1.5倍表空间）
复制延迟控制

SHOW SLAVE STATUS; 
-- 确保Seconds_Behind_Master < 10

灰度验证步骤：

先在从库执行
检查数据一致性
低峰期切主库

字段属性选择：

避免NOT NULL（导致全表更新）
优先使用ENUM代替VARCHAR
默认值用NULL而非空字符串

九、各方案对比

以下是针对千万级MySQL表新增字段的6种方案的对比。

方案	锁表时间	业务影响	数据一致性	适用场景	复杂度
原生Online DDL	秒级~分钟级	中（并发DML受限）	强一致	<1亿的小表变更	低
停机维护	小时级	高（服务中断）	强一致	允许停服+数据量<100GB	中
PT-OSC	毫秒级（仅cut-over）	中（触发器开销）	最终一致	无外键/触发器的常规表	中
逻辑迁移+双写	0	低（需改代码）	强一致	金融级核心表（10亿+）	高
gh-ost	毫秒级（仅cut-over）	低（无触发器）	最终一致	高并发大表（TB级）	中高
分区滑动窗口	仅影响新分区	低	分区级一致	按时间分区的日志表	中