典型回答

数据归档是指将**不再频繁使用的历史数据从主数据库（主表）中转移到低成本的存储位置**（如归档表、归档库或离线存储系统），以减轻系统的存储压力，提高数据库的查询性能，并满足数据保留和审计的需求。

因为对于任何一个系统来说，他的数据一定会区分冷、热，因为时间是不断地推移的，很多历史的数据，他就是不太会再去操作他了，而查询的次数也非常有限。所以就可以做数据归档，或者也叫冷热分离。

数据归档的常见做法

是否常见实现成本兼顾查询查询性能
分库分表归档是低是一般
分区归档是低是一般
数据备份归档否低否-
分布式存储归档是高是高
离线数仓归档是高是低

1. 分库分表归档（常见）

最常见的归档的方式就是在主库（表）之外，再建一个历史库（表），然后定期的将历史数据迁移到归档库（表）。一般来说，主表和归档表的表结构是一模一样的。也是一种分库分表的方案，就是历史数据和当前数据在不同的库表中

一般的实现方式就是根据时间、状态等字段，来筛选数据，然后把他们insert到新表中，再从旧表中删除：

1
2
3
4
5
6
7

-- 归档6个月以前的数据到归档表
INSERT INTO archive_table 
SELECT * FROM main_table 
WHERE modify_time < DATE_SUB(CURDATE(), INTERVAL 6 MONTH);;

-- 删除主表中的归档数据
DELETE FROM main_table WHERE modify_time < DATE_SUB(CURDATE(), INTERVAL 6 MONTH);;

2. 基于分区表的归档（常见）

除了分库分表之外，MySQL 等数据库其实是支持分区表，最常见的就是按照时间分区。这样数据插入的时候就按照分区去插入了，而随着时间的推移，旧的分区慢慢就没有读写流量了。

1
2
3
4
5
6
7
8

CREATE TABLE large_table (
    id INT NOT NULL,
    data TEXT,
    create_time DATETIME NOT NULL
) PARTITION BY RANGE (YEAR(create_time)) (
    PARTITION p2022 VALUES LESS THAN (2023),
    PARTITION p2023 VALUES LESS THAN (2024)
);

3. 数据备份归档（互联网用的少，传统企业有用的）

还有一种归档方案，就是将归档数据从数据库中导出并存储在文件系统、对象存储或分布式存储系统中。

但是这个方案，归档后的数据无法做实时查询，只适用于数据留存，以及满足合规要求

1
2
3
4
5

# 使用 mysqldump 导出数据
mysqldump -u user -p database_name archive_table > archive_data.sql

# 将数据上传到对象存储
aws s3 cp archive_data.sql s3://archive-bucket/

4. 基于分布式存储归档（常见）

除了把历史数据存放在关系型数据库中，还有一种比较常见的就就是把他们放到分布式存储系统（如 Hadoop、ClickHouse、Elasticsearch）存储归档数据。

这么做的好处是可以实现比较好的历史数据的查询性能，比直接用数据库要更好一些。但是成本也会更高一点。

5. 基于离线数仓归档（常见）

我们有很多数据，历史的数据“没用了”的情况，这里的没用指的是不需要查询了，只是会在数据分析、合规场景中会再用到，那么就可以把他们归档到离线数仓中。

这样既能实现数据留存，也能降低成本，而且如果一定要查询也能查，只不过性能差一点而已。

一般的数仓都有自动同步的能力，配置好数据库链接，他就能自动的做离线数据的同步了，还是比较方便的。