49图库数据归档：2010 年前记录转入冷存储，检索不变

2026 年 8 月 17 日，49图库完成一次历史数据归档，把 2010 年之前的 1,046 期记录迁入冷存储，热库体积下降 38%。归档后检索与导出仍可命中这批记录，查询耗时由 1.2 秒变为 1.6 秒。迁移前后按 1,046 期逐期比对校验和，未发现任何差异。

站点的记录总量已经超过 1,284 万期，其中 2010 年之前的记录占体积的四成，但日均访问不到总查询的 0.6%。这些记录长期占用热库的索引与缓存，导致新数据的缓存命中率被拉低。7 月的缓存命中率是 81.4%，比半年前低了 6 个百分点。

归档不是删除，也不是把老数据藏起来。设计目标有三条：检索结果不能少一期、导出明细必须完整、任何一条记录都能被独立校验。三条都满足，才允许动存储结构。

冷热分层怎么切

分层边界取 2010 年 1 月 1 日，不是凭经验，而是按访问分布找的拐点。抽样统计显示，2010 年之前的记录查询量占 0.6%，2010 至 2015 年占 3.1%，2016 年之后占 96.3%。边界放在访问量明显下降的位置，迁移收益最大，影响面最小。

热库保留完整索引，冷库按年份分片，每片带独立的校验文件。查询时由统一入口判断年份，命中冷库则异步读取并回填一层短期缓存，同一期在 10 分钟内重复查询不会再次落到冷库。

冷库使用对象存储，按年份切片，每个切片包含该年的全部期记录与一份校验清单。读取路径只有一条：统一查询入口先判断年份，命中冷库后发起单次对象读取，把结果放入一层十分钟的短期缓存。冷库不做全文索引，避免为极低频的访问维护一套昂贵的索引结构。

归档的判断标准不是数据有多老，而是还有多少人会查。0.6% 的访问也值得保留，只是不必占用最贵的资源。—— 49图库数据工程负责人 陈立恒

归档前后的查询表现

归档前，任意年份的期号检索平均 1.2 秒，其中 2010 年前的记录因为索引碎片较多，冷门期号偶尔要 3 秒以上。归档后，新数据查询降到 0.4 秒，老数据首次查询 1.6 秒，十分钟内重复查询 0.5 秒。整体平均仍然在 1 秒之内。

导出明细的影响更明显。原先导出 5,000 期需要 11.8 秒，归档后热数据部分只需 6.2 秒，跨年份导出因需要同时读取冷热两侧，耗时 13.4 秒。页面上会提示预计耗时，避免使用者以为卡住。

切换安排在凌晨两点，整个过程中全站只读约 12 分钟。迁移期间新记录不写入，入库任务排队等待；迁移完成后先比对记录数，再放开写入，队列中的记录按原顺序补入。选择这个时间窗口是因为过去 90 天该时段查询量最低，平均每分钟 14 次。

冷库读取的延迟主要来自对象存储的首字节时间，平均 0.9 秒，读取完成后回填短期缓存。同一期在十分钟内重复查询只走一次冷库，实测重复查询的 95 分位为 0.5 秒。缓存键包含数据版本号，归档数据若有修订，版本号变化会让旧缓存自然失效。

校验和比对怎么做

每条记录生成一个校验和，输入包含期号、开奖日期、7 个号码与原始期号字段，输出 32 位摘要。迁移前对热库全量计算并留存清单，迁移后对冷库重新计算，两份清单逐条比对。1,046 期全部一致，另有 12 期待复核记录单独标记，未参与比对。

校验清单与归档说明一起保存在关于页，使用者可以按年份查看该年的记录数与校验结果。任何一次后续改动都必须重算校验和，否则发布流程会直接中止，这项检查已经接入发布前的自动步骤。

校验清单除了整体摘要，还按年份给出四项数字：记录数、期号范围、待复核条数、摘要值。使用者打开关于页就能看到某一年到底有多少期，与自己的整理结果对照。任何后续改动都必须重算清单，否则发布检查会中止，这条规则已写进发布流程。

归档也影响了备份。全量备份体积从 11 千兆字节降到 6.8 千兆字节，备份耗时从 42 分钟降到 26 分钟，每日备份的窗口更宽裕。冷库单独做每周一次的快照，保留 8 周，与热库的每日备份分开管理，恢复时可以只恢复热库而不必等待冷数据。

迁移最怕悄悄少一条。校验和的意义就是把“应该没少”变成“确实没少”。—— 49图库数据校验组负责人 周敏

归档方案与校验清单已在关于页公开。如果检索某期老记录出现超时或结果缺失，请提供期号，我们会核对冷库分片与缓存状态。下一步计划把 2010 至 2015 年的记录也纳入分层评估，但会先观察当前方案运行一个月后的真实访问分布再决定。