数据迁移校验是生产切换前的最终防线，须覆盖结构、数据、逻辑三重一致性，且全过程可重复、可审计、可回溯：结构校验要求DDL语义等价，防范映射偏差；数据校验需分总量、抽样、特征三层，禁用仅比COUNT(*)的粗放方式；逻辑校验须用真实SQL、函数、触发器执行结果说话；校验过程须留痕、分级门禁、支持断点续验。
数据迁移校验不是“做完就完事”的收尾动作，而是生产环境切换前的最终防线。它必须覆盖结构、数据、逻辑三重一致性，且所有验证过程需可重复、可审计、可回溯。
结构一致性校验：DDL 层面零偏差
迁移后目标库的表、索引、约束、视图等对象定义，必须与源库语义等价，而非仅字段名相同。常见陷阱是 Oracle 的 VARCHAR2(100 CHAR) 被简单映射为 KingbaseES 的 VARCHAR(100)，导致中文截断；或自增列、序列、默认值表达式未正确转换。
- 使用工具自动比对：运行迁移工具自带的“结构差异扫描”功能（如 KES DTS 的 Schema Compare），导出不一致项清单
- 人工复核关键对象：主键/外键约束是否启用、索引字段顺序与排序方向（ASC/DESC）是否一致、CHECK 约束逻辑是否等效
- 执行 DDL 脚本反向生成：从目标库导出建表语句，与源库原始 DDL 逐行比对（注意字符集、存储参数、注释等隐含差异）
数据一致性校验：行级精度与分布特征双验证
不能只查 COUNT(*) 是否相等——这掩盖了空值错位、类型隐式转换、时区偏移、LOB 截断等深层问题。需分层验证：
- 总量层：统计每张表的行数、非空字段数、NULL 值数量，对比源/目标差异率（建议阈值 ≤ 0.001%）
- 抽样层：对大表按主键范围随机抽取 0.1%~1% 记录，逐字段比对（推荐用 md5(concat(...)) 做行级哈希校验）
- 特征层：校验关键字段的分布特征，如金额字段的 SUM/AVG/MIN/MAX、时间字段的最早/最晚值、枚举字段的值频次分布，确保业务语义未漂移
业务逻辑一致性校验：用真实查询说话
数据库不是静态快照，而是业务逻辑的载体。校验必须穿透到应用层常用 SQL 的执行结果：
- 提取核心业务报表、日结/月结脚本、风控查询等 10~20 条高频 SQL，在源库和目标库分别执行，比对结果集（行数 + 每行内容 + 执行计划关键指标如 rows、cost）
- 验证函数/存储过程行为：如 Oracle 的 TO_DATE('2025-01-01', 'YYYY-MM-DD') 在 KingbaseES 中是否等效；自定义函数返回值、异常处理路径是否一致
- 检查触发器与约束生效状态：例如 NOT NULL 约束是否真正拦截非法插入，外键级联删除是否触发，避免“结构存在但逻辑失效”
校验过程管理：留痕、分级、可中断
生产环境校验不是技术动作，而是受控流程：
- 所有校验操作必须通过专用账号执行，操作日志完整记录时间、SQL、结果摘要、执行人，写入独立审计库
- 设置三级校验门禁：① 自动化脚本初筛（失败即阻断）→ ② DBA 人工复核差异报告 → ③ 业务方确认关键查询结果
- 支持断点续验：校验任务应能按表/按批次保存进度，网络中断或超时后可从中断处继续，避免全量重跑
校验不是越细越好，而是要在风险覆盖与实施成本间取得平衡。重点盯住核心交易表、资金相关字段、权限控制逻辑——这些地方出错，代价远高于多花几小时做一次哈希比对。
