冷热分离与归档：让主表保持轻盈

第二章的承诺，这里兑现

第 2 篇把「归档冷数据」列为拆表前的第一招，还留了一句「归档任务的纪律第 17 篇展开」。上一篇在线 DDL 已经讲完，本篇兑现承诺，把冷热分离从策略讲到落地。先复习那个铁律：互联网业务的查询高度集中在近期数据——订单查询九成落在近三个月，两年前的历史数据一年也翻不了几次。它们留在主表里，唯一的作用是压低每一层 B+ 树、稀释 Buffer Pool、拖慢每一次 DDL。

分片环境下的归档分工

先划清两件事的边界：归档不能替代分库分表，但两者是黄金搭档。归档解决「历史行数堆积」，水平拆分解决「热数据规模与写瓶颈」——正确顺序是先归档瘦身、再评估拆分，拆分之后归档继续作为日常代谢机制（第 18 篇的容量治理里它是常备手段）。分片环境里归档还有个额外红利：每张物理表都是按分片键切开的，归档任务按分片逐表执行，天然分片并行、天然限速单元，不会出现单库大表归档那种一边倒的 IO 压力。

冷库放哪儿：三种归宿

归档不是删除，冷数据要有归宿，按查询需求选：归宿一：归档库——独立的 MySQL 实例（通常大容量低配机器），表结构与主库相同或按时间分表。适合偶尔还要查、还要做后台报表的场景，SQL 兼容性最好；归宿二：对象存储加列式引擎——导出成 Parquet 放对象存储，挂在 ClickHouse 或数据仓库里查。适合基本不查、查就是批量分析的场景，成本最低、分析能力反而更强；归宿三：合规封存——金融、医疗类数据有法定保存年限，加密归档、限制访问、留审计日志。多数系统的组合拳是：近期冷数据进归档库，更老的进数据仓库，超期的合规封存。

归档任务的三条纪律

归档程序本身是个生产级组件，三条纪律缺一不可：限速——每批次只搬一小批（比如一千行）、批间休眠、总速率压在源库安全水位以下，归档任务打挂主库是真实高发事故（事故集锦里它有一席）；幂等可重跑——按 ID 区间记账水位，中断续传，「先写冷库成功、再删主库」的顺序加事务边界保证不丢不重：

loop:
  batch = 主库.select(主键 > 水位, limit 1000)   // 小批
  冷库.insertIgnore(batch)                        // 幂等写入
  assert 冷库.count(batch.id) == batch.size       // 确认落库
  主库.delete(batch.id)                           // 再删主库
  水位 = batch.maxId; sleep(50ms)                 // 限速推进

可回捞——偶尔要查三年前的订单（客服纠纷、审计取证），查询入口要设计好：应用层按时间判断路由到冷库，或者干脆引导到后台离线查询。别让「用户查不到两年前的订单」变成事故——归档前和产品对齐查询预期，是流程的一部分。

归档的收益账

算一笔账收尾：两亿行主表归档掉八成，主表剩四千万——索引层级普遍降一层（多数查询少一到两次 IO）、热数据完整装进 Buffer Pool（命中率肉眼可见地上扬）、DDL 从八小时缩到一小时内。这一刀的成本是几条归档脚本加一台归档库，性价比碾压拆库拆表——再次呼应第 2 篇的告诫：便宜的手段先用尽，再动贵的刀。

数据瘦身讲完，系列进入治理收尾：分片系统上线之后的长期健康怎么维护——水位监控、数据倾斜、容量规划，下一篇盘点治理清单。