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。
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：
复制
-- 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1.2.3.4.5.
锁表时间计算公式：
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？
图片
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：
复制
ALTER TABLE user
ADD COLUMN age INT,
ALGORITHM=INPLACE,
LOCK=NONE;1.2.3.4.
实现原理：
图片
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
图片
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：
图片
操作步骤：
复制
# 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 \
--execute1.2.3.4.5.6.7.8.
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：
创建新表结构
复制
-- 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;1.2.3.4.5.6.7.8.9.
双写逻辑实现（Java示例）
复制
// 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;
}
}1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.
数据迁移（分批处理）
复制
-- 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;1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.
灰度切换流程
图片
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（GitHubs 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：
图片
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）：
1)短暂锁源表（毫秒级）
2)执行原子RENAME：RENAME TABLE source TO _source_del, _source_gho TO source
3)清理旧表（_source_del）
典型命令示例：
复制
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-secnotallow=5 \ # 超时重试
--execute \ # 实际执行
--allow-on-master # 直连主库模式1.2.3.4.5.6.7.8.9.10.
监控与优化建议进度跟踪：
复制
echo status | nc -U /tmp/gh-ost.sock # 查看实时进度1.
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：
复制
-- 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) DEFAULTINFO;1.2.3.4.5.6.7.8.9.10.11.12.
创建新分区（自动应用新结构）：
复制
-- 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))
);1.2.3.4.5.
历史数据处理：
复制
-- 仅对最近分区做数据初始化
UPDATE logs PARTITION (p202302)
SET log_level = parse_log_level(content);1.2.3.
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
复制
SHOW SLAVE STATUS;
-- 确保Seconds_Behind_Master < 101.2.
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
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。
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
总结
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）
高并发大表（>1亿行）：必选 gh-ost（无触发器设计，对写入影响<5%）金融核心表：
双写方案 是唯一选择（需2-4周开发周期）
日志型表：
分区滑动窗口 最优（仅影响新分区）
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。
