"迁移很简单,rsync 同步过去改个 DNS 就行"——这是很多迁移事故的开场白。真实的迁移远比同步文件复杂:数据库在同步期间还在写入、应用里写死了内网 IP、老系统的 glibc 版本和新镜像不兼容、DNS 缓存让部分用户还指向老机房。等到切换完成后发现订单数据少了两小时,回滚又没有预案,只能硬着头皮修数据。本文按迁移的真实顺序,把风险拆成数据完整性、应用兼容性、切换与回滚四个部分,并给出可直接执行的校验命令和回滚步骤。
一、迁移前的风险清单:先列出会出什么事
迁移失败的原因高度集中,提前识别能避开绝大多数坑。
| 风险类别 | 典型表现 | 影响 | 前置防范措施 |
|---|---|---|---|
| 数据不完整 | 同步期间新增数据未同步、部分文件权限/属主丢失 | 业务数据缺失、服务启动失败 | 多次增量同步 + md5sum 全量校验 |
| 数据库不一致 | 主从未对齐、binlog 位点错乱、字符集差异 | 读到旧数据、写入冲突 | 用主从复制追平,切换前校验 GTID/位点 |
| 应用不兼容 | glibc/openssl 版本差异、缺失依赖库、路径写死 | 进程起不来或运行异常 | 同版本镜像 + 预发布环境全量验证 |
| 配置遗漏 | crontab、systemd 单元、hosts、内核参数、防火墙 | 定时任务丢失、端口不通 | 逐项比对配置清单 |
| 网络与安全 | 安全组未放通、源 IP 白名单未更新、证书路径错误 | 外部访问失败、支付回调异常 | 提前梳理出入向依赖与白名单 |
| 切换不可控 | DNS TTL 过长、客户端缓存、灰度比例失控 | 流量回滚不干净 | 提前降 TTL + 分批灰度 |
| 无回滚能力 | 老环境已释放、数据双向写入不可回退 | 故障后无法止损 | 保留老环境 + 明确回滚触发条件 |
二、数据完整性:rsync 同步与 md5sum 校验
2.1 文件同步的正确姿势
rsync 是文件迁移的主力工具,关键在于参数选择和"多轮同步"策略:先做一次全量(业务不停),再在切换窗口做最后一次增量,把停机时间压到最短。
# 常用参数说明:
# -a 归档模式,保留权限、属主、时间戳、软链接
# -v 显示过程 -z 传输压缩 -P 显示进度并支持断点续传
# -H 保留硬链接 -X 保留扩展属性 -A 保留 ACL
# --numeric-ids 用数字 UID/GID,避免两端用户名不一致导致属主错乱
# --delete 删除目标端多余文件(谨慎!建议先 --dry-run)
# 1) 首次全量同步(业务不停机)
rsync -avzP -H -X -A --numeric-ids \
/data/ root@新云主机IP:/data/
# 2) 正式切换前的最后一次增量(建议先停写或只读)
rsync -avzP -H -X -A --numeric-ids --delete \
--dry-run /data/ root@新云主机IP:/data/ # 先演练看会删什么
rsync -avzP -H -X -A --numeric-ids --delete \
/data/ root@新云主机IP:/data/
# 3) 排除不需要迁移的目录(缓存、临时文件)
rsync -avzP --exclude='*/cache/*' --exclude='*.tmp' --exclude='/data/logs/' \
--numeric-ids /data/ root@新云主机IP:/data/
# 4) 大量小文件时用 --whole-file 或 limiting 带宽避免影响生产
rsync -avzP --bwlimit=20480 --numeric-ids /data/ root@新云主机IP:/data/
2.2 迁移后必须做的一致性校验
同步完成不等于数据一致。必须做校验,且要同时校验"内容"和"属性"。
# 1) 生成源端全量校验清单(文件路径 + 大小 + mtime + md5)
cd /data && find . -type f -printf '%p\t%s\t%T@\n' | sort > /tmp/src_list.txt
cd /data && find . -type f -exec md5sum {} \; | sort -k2 > /tmp/src_md5.txt
wc -l /tmp/src_list.txt
# 2) 在目标端执行同样命令,生成清单
ssh root@新云主机IP 'cd /data && find . -type f -printf "%p\t%s\t%T@\n" | sort' > /tmp/dst_list.txt
ssh root@新云主机IP 'cd /data && find . -type f -exec md5sum {} \; | sort -k2' > /tmp/dst_md5.txt
# 3) 比对文件数量与清单差异
diff /tmp/src_list.txt /tmp/dst_list.txt > /tmp/list_diff.txt
echo "清单差异行数: $(wc -l < /tmp/list_diff.txt)"
# 4) 比对 md5(只比对校验和,忽略路径)
diff <(awk '{print $1}' /tmp/src_md5.txt | sort) \
<(awk '{print $1}' /tmp/dst_md5.txt | sort) > /tmp/md5_diff.txt
echo "MD5 差异条数: $(wc -l < /tmp/md5_diff.txt)"
# 5) 大文件可用并行加速(xargs -P 控制并发,避免压垮 IO)
find /data -type f -print0 | xargs -0 -n1 -P 8 -I{} md5sum {} > /tmp/src_md5_fast.txt
# 6) 目录级快速校验(海量小文件时先比总大小与文件数,再抽样 md5)
du -sb /data
find /data -type f | wc -l
校验的判定标准:文件数量一致、总字节数一致、md5 清单无差异,三者同时满足才算通过。海量小文件场景(百万级以上)全量 md5 耗时过长,可采用"总大小 + 文件数 + 随机抽样 5% md5"的组合策略。
2.3 数据库的一致性
文件同步解决不了数据库。正确做法是用数据库自身的复制机制:
- 在新云主机部署同版本数据库,作为从库接入现有主库。
- 用全量备份 + binlog 位点(或 GTID)初始化从库。
- 等待复制追平,用
SHOW SLAVE STATUS确认Seconds_Behind_Master为 0。 - 切换窗口内停写 → 确认追平 → 从库提升为主 → 应用改连接地址。
- 切换后立刻校验关键表的行数与校验和。
# MySQL 全量导出(一致性快照,记录 binlog 位点)
mysqldump -uroot -p --single-transaction --master-data=2 --routines --triggers \
--set-gtid-purged=ON --databases db1 db2 > /tmp/full_dump.sql
# 导入到新库
mysql -uroot -p -h 新库IP < /tmp/full_dump.sql
# 从库状态检查(Seconds_Behind_Master=0 且 Slave_IO/SQL_Running=Yes)
mysql -uroot -p -e "SHOW SLAVE STATUS\G" | egrep 'Slave_IO_Running|Slave_SQL_Running|Seconds_Behind_Master|Last_Error'
# 切换后行数校验(源端与目标端分别执行比对)
mysql -uroot -p -e "SELECT COUNT(*) FROM db1.orders;"
mysql -uroot -p -h 新库IP -e "SELECT COUNT(*) FROM db1.orders;"
# 表级校验和(CHECKSUM TABLE 对大表有开销,建议在低峰执行)
mysql -uroot -p -e "CHECKSUM TABLE db1.orders;"
mysql -uroot -p -h 新库IP -e "CHECKSUM TABLE db1.orders;"
字符集是另一个高频坑:老库用 utf8(实际是 utf8mb3)、新库用 utf8mb4,会导致表情符号写入失败或索引长度超限。迁移前务必对比 SHOW VARIABLES LIKE 'character_set%' 与 collation%。
三、应用兼容性:最容易在切换后爆发的问题
3.1 系统层面的差异
# 对比两端系统版本与内核(glibc 差异是二进制不兼容的头号原因)
cat /etc/os-release
uname -r
ldd --version | head -1
openssl version
# 对比已安装软件包列表(生成差异)
rpm -qa | sort > /tmp/src_pkgs.txt # RHEL/CentOS
dpkg -l | awk '{print $2}' | sort > /tmp/src_pkgs.txt # Debian/Ubuntu
ssh root@新云主机IP 'rpm -qa | sort' > /tmp/dst_pkgs.txt
diff /tmp/src_pkgs.txt /tmp/dst_pkgs.txt | head -40
# 检查二进制依赖是否满足(针对自编译程序)
ldd /usr/local/bin/myapp | grep 'not found' || echo "依赖完整"
3.2 配置与运行时差异
# 定时任务(极易遗漏) crontab -l > /tmp/src_cron.txt ls -l /etc/cron.d/ /etc/cron.daily/ systemctl list-timers --all # 自启动服务 systemctl list-unit-files --state=enabled ls /etc/systemd/system/*.service # 内核参数(sysctl) sysctl -a 2>/dev/null | sort > /tmp/src_sysctl.txt ssh root@新云主机IP 'sysctl -a 2>/dev/null | sort' > /tmp/dst_sysctl.txt diff /tmp/src_sysctl.txt /tmp/dst_sysctl.txt | head -30 # hosts、DNS、NTP cat /etc/hosts cat /etc/resolv.conf timedatectl status # 防火墙与安全组(云主机通常是安全组而非 iptables) iptables-save > /tmp/src_iptables.txt firewall-cmd --list-all 2>/dev/null ss -lntp # 应用配置文件中的写死 IP(重点排查项) grep -rn '10\.\|192\.168\.\|172\.1[6-9]\.' /etc/nginx/ /etc/my.cnf /opt/app/conf/ 2>/dev/null | head -20
3.3 云环境特有的适配点
- 网络接口名:云主机常见
eth0,某些镜像用ens5等一致性命名,写死网卡名的脚本会失效。 - 磁盘设备名:
/dev/vda与/dev/sda的差异,/etc/fstab建议改用 UUID 挂载。 - cloud-init:首次启动会执行初始化(注入密钥、扩容根分区、设置主机名),可能与你的配置冲突。
- 时间同步:云主机默认走厂商 NTP 源,需确认与业务时间基准一致。
- 源 IP 变化:对外调用第三方 API、支付回调、合作方白名单,全部需要提前更新出口 IP。
# 让 fstab 使用 UUID,避免设备名变化导致启动失败 blkid grep UUID /etc/fstab # 查看 cloud-init 的执行状态与日志(排查初始化异常) cloud-init status --long cat /var/log/cloud-init-output.log | tail -40 ls /etc/cloud/cloud.cfg.d/ # 确认主机名与 DNS 解析正确 hostnamectl hostname -f getent hosts $(hostname) # 检查 NTP 同步状态 timedatectl timesync-status 2>/dev/null || ntpq -p
四、切换与回滚:把不可控变成可控
4.1 DNS 切换的节奏控制
DNS 是切换最常用的手段,但 TTL 决定了回滚速度。提前把 TTL 降到 60 秒或更低,切换后观察,确认无误再调回。
# 迁移前确认当前 TTL(提前 24~48 小时调低,确保旧记录已过期)
dig 域名 A +noall +answer
dig 域名 @ns服务器 A +noall +authority
# 切换后从不同公共 DNS 验证解析是否已生效
for dns in 223.5.5.5 119.29.29.29 114.114.114.114 8.8.8.8; do
echo -n "$dns -> "; dig +short 域名 A @$dns | tr '\n' ' '; echo
done
# 验证新环境返回正常(带上 Host 头直接打新 IP,绕过 DNS)
curl -sS -o /dev/null -w "code=%{http_code} total=%{time_total}\n" \
--resolve 域名:443:新IP https://域名/
4.2 分批灰度的推荐顺序
- 内部验证:绑 hosts 或使用
--resolve直连新环境,跑完整功能回归。 - 只读业务切 5%:先把查询类、无写入的流量导入。
- 扩大到 20% 到 50%:观察 1 到 2 小时,重点看错误率、响应时间、数据库负载。
- 全量切换:保留双向数据同步,老环境进入只读待命状态。
- 观察 24 到 72 小时:确认无异常后,逐步释放老环境。
4.3 回滚计划:写清楚什么时候回、怎么回
回滚计划必须包含触发条件、执行步骤、责任人和预计耗时,并在切换前演练一次。
| 触发条件 | 判定方式 | 回滚动作 | 预计耗时 |
|---|---|---|---|
| 错误率明显升高 | 5xx/超时率持续高于基线 | DNS 改回老 IP,新环境保持待命 | 5~15 分钟(取决于 TTL) |
| 响应时间恶化 | P95 超出基线 50% 且持续 30 分钟 | 先回退部分流量,定位后再决策 | 15 分钟 |
| 数据校验失败 | 行数或校验和不一致 | 立即回退并以老库为准 | 10 分钟 + 数据修复 |
| 核心功能不可用 | 主流程(登录/下单/支付)失败 | 全量回滚,暂停迁移 | 15 分钟 |
| 依赖方异常 | 第三方回调/白名单未生效 | 回滚并补充白名单后重试 | 视外部响应 |
回滚最关键的一条纪律:切换后的老环境必须保持可写能力或明确的单向数据流。如果新环境已经写入了大量新数据,回滚就意味着要回灌数据,复杂度陡增。因此推荐"老环境只读 + 新环境双写记录"或"切换窗口内短暂停写"两种模式,前者适合长周期切换,后者适合能接受分钟级停机的业务。
五、迁移实施的标准步骤
- 资产盘点:列出所有实例、服务、定时任务、外部依赖、白名单、证书,形成迁移清单。
- 环境搭建:新云主机按同版本镜像部署,配置安全组、密钥、NTP、监控代理。
- 预发布验证:在新环境完整部署一套应用,做功能回归与性能压测。
- 数据初始化:
rsync全量同步 + 数据库主从复制,确认追平。 - 降低 DNS TTL:提前 24 到 48 小时把 TTL 调整为 60 秒。
- 切换窗口增量同步:停写或只读后做最后一次
rsync,确认数据库位点一致。 - 一致性校验:文件数量、总大小、md5 抽样、数据库行数与校验和四项全部通过。
- 分批切流:按 4.2 的顺序灰度,每档观察足够时间。
- 全量与观察:全量切换后监控 24 到 72 小时,保留回滚能力。
- 收尾:更新资产台账、备份策略、监控告警;老环境先停机观察 7 天再释放。
# 切换后 30 分钟内的核心监控组合 uptime # load 是否异常 vmstat 1 10 # si/so 应为 0 iostat -x 1 10 # 磁盘 %util 是否打满 sar -n DEV 1 10 # 网卡流量是否符合预期 ss -s # 连接数是否异常 nstat -az | grep Retrans # 重传是否升高 tail -f /var/log/nginx/error.log journalctl -u myapp -f --since '10 min ago' | tail -50
小结
服务器迁移到云平台的风险集中在三处:数据完整性(同步期间的新增数据、数据库位点、字符集差异)、应用兼容性(glibc/依赖库版本、写死 IP、定时任务与内核参数遗漏)、切换与回滚(DNS TTL 过长、灰度失控、老环境过早释放导致无法回退)。应对方法是把每一步都变成可校验的动作:rsync -a -X -A --numeric-ids 保证属性完整,md5sum 清单加上文件数与总大小做三重校验,数据库用主从复制追平并核对行数与校验和,切换前 24 小时降 TTL、分批灰度、保留老环境至少 7 天。
避坑清单
- 别只做一次 rsync:同步期间数据还在变,切换窗口必须再跑一次增量。
- 别用
--delete直接执行:先--dry-run看清楚会删什么,误删目标端独有文件是常见事故。 - 别忽略文件属性:漏掉
-A -X --numeric-ids会导致 ACL、扩展属性和属主错乱。 - 别只校 md5 不看数量:文件数、总大小、md5 三者一起校验才可靠。
- 别忘字符集差异:utf8 与 utf8mb4 混用会导致表情写入失败和索引超长。
- 别漏 crontab 和 systemd:定时任务丢失往往几天后才被发现。
- 别在切换后立即释放老环境:至少保留 7 天,且释放前确认备份可用。
- 别忘记第三方白名单:出口 IP 变化会影响支付回调、API 授权与合作方放行。
- 别把回滚只写一句"改回 DNS":必须明确触发条件、执行人和演练记录。
企业QQ咨询




