网站监控数据库的变化

监控系统弹出告警的网站时候，我正盯着数据库里那张订单表发呆。监控过去三分钟，数据`updated_at` 字段跳了四十多次，变化而业务后台明明显示没有新订单进来。网站这不正常。监控 通常我们盯数据库变化，数据靠的变化是轮询——每几秒跑一次 `SELECT COUNT(*)`，或者查一下最新时间戳。网站笨是监控笨了点，但简单可靠。数据真正让人头疼的变化，是网站那些改了数据却不走业务接口的操作。比如某个运营同学直接连了生产库，监控手滑把某个字段整体偏移了一位；又比如某个定时任务半夜跑批，数据把状态从“待支付”直接改成“已完成”。这些动作，你的监控系统根本看不见。 我见过最离谱的一次，是某促销活动结束后，优惠券表里多了几千条“已使用”记录。系统没报错，业务量也没异常。直到财务对账发现金额差了几万块，才追查到一个临时脚本忘了加 `WHERE` 条件。那次之后，我们给关键表都加了 binlog 监听。 监听 binlog 是个转折点。它不再问“现在有多少条”，而是直接告诉你“哪一行在什么时间被谁改成了什么”。这就像从看门卫的出入登记本，升级成装了高清摄像头。你甚至能捕捉到事务内部的中间状态——那些在回滚前一闪而过的脏数据。有一次排查线上问题，我就是靠 binlog 里一条被回滚的 `DELETE` 语句，定位到了某个缓存失效的根因。 但光有 binlog 还不够。你得设置合理的告警阈值。比如某张核心表，一分钟内变更超过 200 行就报警。刚开始误报特别多，因为业务高峰期本来就频繁。后来改成按时间段动态阈值——白天 300 行，凌晨 50 行。这才把噪音压下去。还有个细节：要区分“预期变更”和“非预期变更”。像定时任务批量更新状态，那是有规律的，可以直接加白名单。真正的风险，往往藏在那些没有规律、没有对应接口调用的突发写入里。 数据库变化监控做到最后，其实是在回答一个问题：这些数据的变动，是否符合业务逻辑？如果你发现某个字段的值跳过了合法状态机，比如直接从“新建”变成“已删除”，中间没经过“审核”，那多半有人绕过了应用层，或者代码里有隐藏后门。这种问题，靠看日志很难发现，但看变更流一眼就能识破。 顺带说一句，别忽略那些“正常”的异常。比如某个表每天凌晨三点准时更新，持续了半年。突然某天变成凌晨三点零五分。没人改代码，没人调配置。后来查出来是运维给数据库服务器做了迁移，新机器的系统时间比旧机器慢了五分钟。数据本身没问题，但变更模式变了，往往意味着底层环境在悄悄发生变化。 监控数据库变化，不是为了抓谁犯错。而是当数据说话的时候，你能听清它在说什么。毕竟，数据不会撒谎，但撒谎的人，总会留下痕迹。