mysql归档数据比对是数据归档流程中非常关键的环节，目的是确认归档到目标表或归档库的数据，和原库中的原始数据完全一致，没有遗漏、篡改或者字段值错误的情况。不同规模的数据、不同的归档场景适合不同的比对方式，下面会逐一介绍具体的实现方法。
方法一：基于checksum校验快速比对
checksum是mysql内置的校验机制，会对一行或者一个表的数据计算哈希值，只要数据有微小差异，校验值就会完全不同，适合大批量数据的快速初步比对。
操作步骤
首先分别对原表和归档表计算全表checksum，如果值一致说明数据大概率完全一致，如果不一致再进一步排查差异。
-- 原表计算全表checksum，假设原表名为source_table，归档表名为archive_table CHECKSUM TABLE source_table; -- 归档表计算全表checksum CHECKSUM TABLE archive_table;
如果全表checksum不一致，可以分批次计算，比如按主键范围拆分，缩小差异范围：
-- 按主键id范围计算原表部分数据checksum SELECT CHECKSUM(*) FROM source_table WHERE id BETWEEN 1 AND 10000; -- 计算对应范围归档表数据checksum SELECT CHECKSUM(*) FROM archive_table WHERE id BETWEEN 1 AND 10000;
这种方法的优点是速度快，不需要逐行比对，适合百万级以上数据量的初步校验；缺点是无法直接定位具体差异行，只能确认是否存在差异。
方法二：逐行字段比对定位差异
如果需要明确知道哪些行存在差异，差异在哪个字段，就需要使用逐行字段比对的方式，适合数据量中等或者需要精准定位差异的场景。
操作步骤
首先确认两张表有唯一标识字段，比如主键id，然后通过左连接查询原表存在但归档表不存在的行，再查询字段值不一致的行。
-- 查询原表有但归档表没有的数据，假设唯一标识为id
SELECT s.* FROM source_table s
LEFT JOIN archive_table a ON s.id = a.id
WHERE a.id IS NULL;
-- 查询两张表都存在但字段值不一致的数据，假设需要比对的字段为col1、col2、col3
SELECT s.id,
s.col1 AS source_col1, a.col1 AS archive_col1,
s.col2 AS source_col2, a.col2 AS archive_col2,
s.col3 AS source_col3, a.col3 AS archive_col3
FROM source_table s
INNER JOIN archive_table a ON s.id = a.id
WHERE s.col1 != a.col1 OR s.col2 != a.col2 OR s.col3 != a.col3;
如果表没有唯一标识字段，可以结合多个字段组合作为比对条件，比如创建时间、业务编号等组合查询。这种方法的优点是可以精准定位差异，缺点是大表查询会比较慢，可能需要优化查询条件或者分批次执行。
方法三：统计信息比对辅助验证
统计信息比对是作为前两种方法的补充，通过比对两张表的行数、关键字段的统计值，快速判断是否存在明显差异，适合归档后快速做整体验证。
操作步骤
首先比对两张表的行数，行数不一致直接说明有数据遗漏：
-- 查询原表行数 SELECT COUNT(*) AS source_count FROM source_table; -- 查询归档表行数 SELECT COUNT(*) AS archive_count FROM archive_table;
然后比对关键数值字段的总和、最大值、最小值，比如金额类字段、数量类字段：
-- 比对原表和归档表amount字段的总和 SELECT SUM(amount) AS source_sum FROM source_table; SELECT SUM(amount) AS archive_sum FROM archive_table; -- 比对原表和归档表create_time的最大值，确认归档的时间范围是否一致 SELECT MAX(create_time) AS source_max_time FROM source_table; SELECT MAX(create_time) AS archive_max_time FROM archive_table;
这种方法的优点是执行速度快，能快速发现明显的统计层面差异；缺点是无法发现行数一致但字段值被篡改的情况，需要和前两种方法配合使用。
不同方法的选择建议
可以根据实际场景选择对应的比对方式，以下是不同场景的适配建议：
| 数据量规模 | 比对需求 | 推荐方法 |
|---|---|---|
| 百万级以上 | 快速初步验证 | checksum校验 |
| 十万到百万级 | 精准定位差异 | 逐行字段比对 |
| 任意规模 | 整体快速验证 | 统计信息比对 |
另外需要注意，比对前要确保归档操作已经完成，没有正在进行的写入或者更新操作，避免比对过程中数据发生变化导致结果不准确。如果归档是跨库操作，要确认两个库的时区、字符集一致，避免字段值因为编码问题出现比对误差。