SQL自动化上线之alter语句（二）

这是学习笔记的第 1844篇文章

对于DDL的自动化上线，其实是一件可行的事情，尤其是对于create语句来说。 

在完成了第一波的自动化上线工作之后，我们采用了异步任务的方式来对接多条SQL的执行，把执行结果持久化在表里，可以后续进行结果稽核和分析。整体来说，效率提升比较明显，最近的一个需求处理，从任务发起到任务结束，整个过程持续时间13秒。

 所以对于alter的自动化上线排上了日程 ，其实alter语句的自动化上线步骤远比create语句要复杂几个数量级。所以在这方面的思考需要根据业务现状进行梳理。

所以在制定变更策略之前，我们需要考虑几个维度，SQL维度，数据维度和变更维度，通过这几个维度能够梳理出变更的策略。

首先是SQL维度，我们常见的alter操作的一个基本梳理如下：

    alter-add-col

    alter-modify-col

    alter-change-col

    alter-drop-col

    alter-add-index

    alter-drop-index

    alter-modify-index

    alter-rename-table

    alter-rename-col

这些是我们的工作中比较常见的变更SQL,对于alter的复杂之处就在于它还包含有一些列的变更（增加，修改，删除）

首先第一个就是SQL审核，alter的审核参考点比较少，这一块已有的工具的支持都比较薄弱，需要持续改进和优化。

对于数据维度，目前暂定了三个维度：

小表

小于10万数据

中型表

数据量在10-100万

大型表

数据量在100万以上

对于变更维度，目前暂定了以下的几类操作方式：

备份表结构：需要考虑备份表结构，这种可以考虑做成在线或者离线文件的形式。

备份表数据：对于数据的备份是应该考虑的，尤其是对于drop类的操作。 

人工介入变更：有些操作我们还是需要人工来介入，需要协调时间和影响范围。

自动变更：自动变更是通用的需求，可以满足大部分的业务场景。

工具介入变更：有些变更涉及的表比较大的时候，可以考虑使用pt工具来完成自动变更。

    从结构化思维来梳理，会梳理出一些针对性的变更方案。

以上可以作为大家在实际工作中的参考。

相关链接：