停机时间可压至5分钟内，需弃用mysqldump全量导出与自然主从追平，改用gtid+增量补偿+流量灰度协同推进；须规避跨机房网络延迟硬伤，调优tcp层、校验gtid状态、实施双写校验与分批灰度切流。
停机时间能压到 5 分钟以内，前提是别用 mysqldump 直接导全库，也别等主从同步“自然追平”再切——跨机房迁移必须绕过网络延迟这个硬伤，用 GTID + 增量补偿 + 流量灰度三者咬合推进。
为什么 mysqldump 在跨机房场景下必然超时
200GB 数据用默认单线程 mysqldump，导出+传输+导入轻松破 10 小时；即使上 mydumper -t 8，在 RTT 40ms、带宽受限的跨机房链路上，TCP 重传和 Nagle 算法会让实际吞吐跌到理论值的 30%。更关键的是：mysqldump 期间业务写入完全停滞，一导完立刻面临“旧库最后 5 分钟写入怎么补”的问题——这不是优化能解决的，是方法论错位。
- 必须放弃“全量 dump → 停写 → 导入 → 切流”这种离线范式
-
max_allowed_packet和wait_timeout调得再大，也救不了设计层面的停机刚性 - 云厂商 VPC 间或 IDC 跨城专线，真实丢包率常达 0.1%～0.5%，
mysqldump的每个 packet 都可能触发秒级卡顿
GTID 主从复制不是开个参数就自动跑通
直接执行 SET GLOBAL gtid_mode = ON 会报错 ERROR 1789，且业务 SQL 可能因 ENFORCE_GTID_CONSISTENCY = ON 突然失败（比如含 CREATE TEMPORARY TABLE 的存储过程）。GTID 是必要条件，但不是充分条件。
- 先设
enforce_gtid_consistency = WARN，盯/data/mysql/error.log3 天，确认无GTID consistency violation日志 - 按顺序执行四步切换：
OFF → OFF_PERMISSIVE → ON_PERMISSIVE → ON，中间必须等ONGOING_ANONYMOUS_TRANSACTION_COUNT = 0 - 从库必须开启
log_slave_updates = 1和binlog_format = ROW，否则 GTID 链路断裂，级联复制失效 -
CHANGE MASTER TO MASTER_AUTO_POSITION = 1后，要验证Retrieved_Gtid_Set和Executed_Gtid_Set是否持续收敛，而非只看Seconds_Behind_Master
网络层不调优，复制延迟永远卡在 300 秒以上
跨机房复制卡顿，80% 源于 TCP 层，而非 MySQL 配置。单纯加 slave_parallel_workers 只会让 IO 线程更饿——它等不到数据，worker 再多也空转。
- 从库配置
slave_compressed_protocol = 1（MySQL 5.7.9+），实测降低 40% 传输负载，无需主库改动 - 主从双方都执行：
sysctl -w net.ipv4.tcp_nodelay = 1（禁 Nagle）、sysctl -w net.ipv4.tcp_congestion_control = bbr（提升高延迟链路带宽利用率） - 用
iperf -c 主库IP -t 60测真实吞吐，若远低于主库binlog写入速率（如主库每秒写 6MB，iperf 只跑出 2MB），说明带宽已打满，需扩容或压缩 - 避免
binlog_format = STATEMENT：跨机房下RAND()、NOW()等非确定函数会导致主从数据不一致
真正控制停机在 5 分钟内，靠的是流量灰度而非技术完美
GTID 复制追平后，仍有最后 10 秒左右的事务间隙。这时候不能靠“等待”，而要用应用层双写+校验+切流来兜底。技术再稳，网络抖动和时钟漂移也会制造那几条漏掉的数据。
- 提前上线双写逻辑：新旧库同时写，写新库走异步重试队列，失败进本地事务表记录
- 切流前运行一次全量比对（用
pt-table-checksum或自研校验），重点扫最近 2 小时变更 - 读流量先灰度 5%，观察错误率和延迟；确认无异常后，10 分钟内分三批切完读，最后 3 分钟切写
- 旧库保留 72 小时只读，DNS 缓存 TTL 设为 60 秒，确保回滚可秒级生效
最易被忽略的是：GTID 切换完成 ≠ 复制稳定，Seconds_Behind_Master = 0 也不代表数据已落盘——必须查 Exec_Master_Log_Pos 是否等于主库当前 File/Position，且 Slave_SQL_Running_State 是 Slave has read all relay log。这个状态差，才是那几分钟停机真正的边界。
