千万级的大表如何新增字段？

作者：电子尖叫食人鱼

2025-07-29
福建
本文字数：3239 字
阅读完需：约 11 分钟

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。

本文将深入剖析大表加字段的核心难点，并给出可落地的解决方案。

希望对你会有所帮助。

1.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

复制代码

锁表时间计算公式：

锁表时间 ≈ 表数据量 / 磁盘IO速度

复制代码

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？

2.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;

复制代码

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）

3.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

4.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

复制代码

5.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;

复制代码

2. 双写逻辑实现（Java 示例）

// 数据写入服务public class 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;    }}

复制代码

3. 数据迁移（分批处理）

-- 分批迁移脚本SET @start_id = 0;WHILE EXISTS(SELECT 1 FROM user WHERE id > @start_id) DO    INSERT INTO user_new (id, name, age)    SELECT id, name,         COALESCE(age_cache, 0) -- 从缓存获取默认值    FROM user    WHERE id > @start_id    ORDER BY id    LIMIT 10000;        SET @start_id = (SELECT MAX(id) FROM user_new);    COMMIT;    -- 暂停100ms避免IO过载    SELECT SLEEP(0.1); END WHILE;

复制代码

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。

6.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。

与传统方案对比

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
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 INTOUPDATE → 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

复制代码

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

复制代码

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

7.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CREATE TABLE logs (    id BIGINT,    log_time DATETIME,    content TEXT) PARTITION BY RANGE (TO_DAYS(log_time)) (    PARTITION p202301 VALUES LESS THAN (TO_DAYS('2023-02-01')),    PARTITION p202302 VALUES LESS THAN (TO_DAYS('2023-03-01')));
-- 添加新字段（仅影响新分区）ALTER TABLE logs ADD COLUMN log_level VARCHAR(10) DEFAULT 'INFO';

复制代码

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')));

复制代码

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);

复制代码

8.千万级表操作注意事项

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

复制代码

4.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

5.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

9.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。

总结

1、常规场景（<1 亿行）：

首选 Online DDL（ALGORITHM=INSTANT，MySQL 8.0 秒级加字段）

备选 PT-OSC（兼容低版本 MySQL）

2、高并发大表（>1 亿行）：

必选 gh-ost（无触发器设计，对写入影响<5%）

3、金融核心表：

双写方案 是唯一选择（需 2-4 周开发周期）

4、日志型表：

分区滑动窗口 最优（仅影响新分区）

5、紧急故障处理：

超百亿级表异常时，考虑 停机维护 + 回滚预案

给大家一些建议：
加字段前优先使用 JSON 字段预扩展（ALTER TABLE user ADD COLUMN metadata JSON）
万亿级表建议 分库分表 而非直接 DDL
所有方案执行前必须 全量备份（mysqldump + binlog）
流量监测（Prometheus+Granfa 实时监控 QPS）

在千万级系统的战场上，一次草率的 ALTER 操作可能就是压垮骆驼的最后一根稻草。

文章转载自：苏三说技术
原文链接：https://www.cnblogs.com/12lisu/p/19008591
体验地址：http://www.jnpfsoft.com/?from=001YH

发布于: 刚刚阅读数: 2

电子尖叫食人鱼

关注

还未添加个人签名 2025-04-01 加入

还未添加个人简介

发布

暂无评论

创作场景

千万级的大表如何新增字段？

前言

1.为什么大表加字段如此危险？

2.原生 Online DDL 方案

3.停机维护方案

4.使用 PT-OSC 工具方案

5.逻辑迁移 + 双写方案

1. 创建新表结构

2. 双写逻辑实现（Java 示例）

3. 数据迁移（分批处理）

4. 灰度切换流程

6.使用 gh-ost 方案

与传统方案对比

关键流程：

典型命令示例：

2. 监控与优化建议

7.分区表滑动窗口方案

8.千万级表操作注意事项

9.各方案对比

总结

电子尖叫食人鱼

评论