大规模数据迁移如何巡检：分片校验、限流与幂等修复

大规模迁移的难点是证明源端和目标端在同一水位可比。按稳定键切片，先比行数、范围和规范化哈希，再对异常切片下钻。

先定义校验口径

在开始前确定：哪个时间点或水位表示“可比”、删除记录如何表达、时区和精度如何统一、字段转换如何处理空值。双写或 CDC 期间还要把延迟纳入判断，不能把尚未追平的数据当作差异。

哈希是筛选器，不是证明

对每个切片同时比较行数、主键范围和规范化后的聚合哈希。哈希不一致时再查具体行；哈希一致也要定期抽样验证校验 SQL 自身没有遗漏字段。表名和字段名不能由外部输入直接拼接，动态对象应先经过白名单校验。

限流与修复分开

校验任务必须能根据源端和目标端负载降速或暂停。修复任务不要与发现任务自动绑定：先记录差异、确认产生原因，再执行幂等修复，并对修复后的切片重新校验。

def should_pause(cpu_percent: float, replication_lag_s: float) -> bool: return cpu_percent > 75 or replication_lag_s > 30

阈值应从服务容量和 SLO 反推，并在配置中注明来源。巡检输出只保留切片编号、汇总结果和必要的脱敏摘要，避免把业务行数据写入日志。