冷热数据分离是sql归档核心策略，需按时间与访问频率双维度界定边界，采用分库/分表/分区实现物理隔离，并通过校验回滚、在线迁移保障过程可控，同时构建轻量查询通道确保冷数据可查可用。
冷热数据分离是SQL数据归档优化的核心策略，关键在于把高频访问的“热数据”和低频访问的“冷数据”物理隔离，降低查询压力、节省存储成本、提升维护效率。
明确冷热边界：按时间+访问频率双维度判定
不能只看时间（比如“一年前的数据就是冷数据”），需结合业务实际。例如订单表中，近3个月的订单常被查、改、退，属热数据；但6个月前的已完成订单，仅偶尔用于审计或统计，就可归为冷数据。建议用日志分析或慢查询日志反推各时间段数据的实际访问频次，再设定归档阈值（如：最后更新时间 > 180 天且近30天无SELECT/UPDATE操作）。
物理分离方案：分库、分表、分区三选一
根据数据量和运维能力选择合适方式：
MvMmall 网店系统
下载
免费的开源程序长期以来，为中国的网上交易提供免费开源的网上商店系统一直是我们的初衷和努力奋斗的目标，希望大家一起把MvMmall网上商店系统的免费开源进行到底。2高效的执行效率由资深的开发团队设计，从系统架构,数据库优化，配以通过W3C验证的面页模板，全面提升页面显示速度和提高程序负载能力。3灵活的模板系统MvMmall网店系统程序代码与网页界面分离，灵活的模板方案，完全自定义模板，官方提供免费模
- 分库归档：新建 archive_db 库，将冷数据整体迁移过去；应用层通过数据源路由（如ShardingSphere或自定义DAO逻辑）自动分流查询，热数据走主库，冷数据走归档库；适合冷数据占比高、查询场景独立的系统。
- 分表归档：原表保留热数据（如 order_2024），冷数据迁入历史表（如 order_history_2023）；通过视图或UNION ALL对外提供统一逻辑表接口；适合中小规模、不想改数据源配置的场景。
- 分区表（Partitioning）：对大表按时间字段（如create_time）做RANGE分区，定期DROP旧分区或MOVE到归档实例；MySQL 8.0+/PostgreSQL/Oracle均支持；需注意分区键必须是主键/唯一索引的一部分，且查询条件需带上分区键才能生效。
归档过程要可控：带校验、可回滚、不锁表
避免归档导致线上服务中断或数据丢失：
- 使用逐批迁移 + MD5比对：每次迁移1万行，完成后对比源表与目标表对应批次的记录数、关键字段校验和（如SUM(LENGTH(content))）；
- 归档期间禁止对源表执行DDL（如ALTER TABLE），防止元数据不一致；
- 用pt-archiver（Percona Toolkit）或自研脚本实现在线归档：它基于主键范围扫描、低优先级写入、自动限流，基本不影响线上读写；
- 归档后保留7天原始数据快照（如备份归档前的binlog位点或创建临时快照表），确保异常时可快速恢复。
冷数据访问不掉链：轻量级查询通道要跟上
归档不是“扔进仓库不管”，而是让冷数据“查得准、查得快、查得省”：
- 在归档库中为常用查询字段（如user_id、order_no、status）建立必要索引，但避免过度索引——冷数据更新极少，索引维护开销反而成负担；
- 对BI报表类冷数据查询，可提前物化聚合结果（如按月汇总销售金额），减少即席扫描；
- 考虑接入只读从库或列存引擎（如ClickHouse）承载归档数据查询，进一步释放主库压力；
- 对外提供统一API网关，内部自动识别请求类型并路由至热库或冷库，业务代码无感。
