先判断:是数据问题还是逻辑问题
发现数据异常时,第一反应不应是改数据。先确认异常来源:是应用层写入逻辑缺陷、并发竞争,还是存储层损坏。前者修数据只是治标,下次仍会复现;后者才需要优先处理数据本身。判断依据包括异常是否集中在特定时间窗口、是否与某次发布或批量任务重合、是否可稳定复现。
修复前必须做的三件事
冻结写入。 在定位清楚前,对受影响表或业务线做写保护,避免修复过程中新数据混入,导致污染范围扩大。
完整备份。 对受影响数据进行全量快照,包括当前异常状态。备份不是为恢复,而是为修复失败时保留退路,也为事后复盘留下证据。
界定影响范围。 明确哪些行、哪些时间段、哪些关联表受影响。范围不清就动手,很容易修一半发现关联数据对不上,陷入反复修补。
常见修复手段及适用场景
基于备份的定点恢复
适用于影响范围明确、时间点清晰的场景。做法是从备份中提取正确数据,与当前数据比对后定向回写。关键是比对逻辑要写清楚,避免把备份中的过期数据覆盖到已正常更新的记录上。
基于业务规则的推导修复
当没有可用备份,但异常数据可由其他字段或关联表推导时使用。例如金额字段异常,可通过明细表重新汇总校验。这类修复必须写脚本并留痕,不能手工逐条改。
基于日志的回放修复
依赖 binlog、redo 或业务操作日志,将缺失或错误的数据按顺序重放。适合误删、部分写入失败等场景。前提是日志完整且可解析,回放前要在影子环境验证。
逻辑修复而非物理删除
对重复数据、脏数据,优先用标记、软删除、状态位隔离,而非直接物理删除。物理删除不可逆,一旦判断失误代价很高。
修复后的验证不能省
修复完成不等于结束。至少做三层验证:单条记录与业务规则比对、关联表之间的一致性校验、核心业务指标的前后对比。有条件时在只读副本上先跑一遍校验脚本,确认无误再对主库执行。
防复发比修复更重要
每次数据修复都应产出两样东西:一是根因说明,二是防复发措施。常见措施包括:对关键写入加唯一约束或校验规则、对批量任务增加预检与灰度、对高风险操作强制走审批与备份、建立数据质量监控指标并设置告警阈值。修复是止损,防复发才是真正的收益。