当INT主键接近上限时，需先检查Auto_increment值、MAX(id)、删除插入影响、引擎类型；再安全升级为BIGINT，同步更新外键、应用层变量、ORM及缓存日志链路，并评估分库分表必要性。
MySQL自增主键溢出前必须做的检查
当你的表主键是 INT UNSIGNED 类型，眼看就要撞上42亿的上限，或者 INT SIGNED 即将触及21亿大关时，系统可不会跟你客气。一旦越界，插入操作直接就会报错 ERROR 1062 (23000): Duplicate entry '2147483647' for key 'PRIMARY'。这错误信息有点误导人，它其实不是真的出现了重复值，而是自增计数器卡在最大值后，陷入了反复回绕的死循环。
先别急着动手改类型。第一步，也是至关重要的一步，是确认问题的根源：性能瓶颈或报错，真的是因为主键耗尽了吗？ 以下几个检查动作，一个都不能少：
- 查看当前自增值：执行
SHOW TABLE STATUS LIKE 'your_table';，重点关注Auto_increment字段的数值。 - 核对最大已有ID：运行
SELECT MAX(id) FROM your_table;，将结果与自增值以及类型上限进行对比。 - 警惕“虚高”的自增值：检查是否存在大量删除后又频繁插入的操作。比如，先批量导入数据，随后又删除了其中90%，这可能导致自增计数器的值远高于表中实际的最大ID。
- 确认表引擎：确保表使用的是
InnoDB引擎。因为MyISAM的自增行为与InnoDB不同，且不支持事务级别的自增安全。
ALTER COLUMN 到 BIGINT 的实操要点
将 INT 升级为 BIGINT 是最直接的解决方案。但如果你以为在线上环境执行一条 ALTER TABLE t MODIFY id BIGINT UNSIGNED AUTO_INCREMENT; 就能万事大吉，那可就太天真了。这里面的坑，多得超乎想象。
- 锁表风险：直接执行DDL语句很可能导致表被长时间锁定，对于大表而言，这无异于一场线上事故。建议使用
pt-online-schema-change这类在线变更工具。如果是MySQL 8.0+，可以留意ALGORITHM=INSTANT选项，但要注意，修改列数据类型通常不支持瞬间完成。 - 存储开销：
BIGINT UNSIGNED的最大值是个天文数字，足够用上几十年。但代价是每个字段多占用4字节。对于拥有数亿行的宽表，需要重新评估由此带来的总存储空间和内存开销。 - 外键牵连：如果主键被其他表的外键引用，那么所有相关子表的对应字段也必须同步改为
BIGINT类型，否则变更主表时会直接失败。 - 应用层适配：这是最容易出错的环节。必须全面检查应用层所有相关代码：Ja va中的
Integer、Go中的int类型变量；ORM框架（如MyBatis）中的映射配置（resultType）；以及JSON序列化/反序列化逻辑，确保不会发生数据截断或解析异常。
分库分表不是“主键不够”的万能解药
主键快用完了，是不是就该考虑分库分表了？千万别把这两件事划等号。分库分表是一剂猛药，旨在解决单机性能瓶颈（如数据量过大、并发过高）或业务隔离需求。如果仅仅为了解决主键耗尽而引入分片，那绝对是得不偿失，会凭空增加巨大的复杂性和故障风险。
那么，什么情况下才值得考虑分片呢？通常有几个信号：单表数据量长期超过5000万行且持续增长；QPS（每秒查询率）持续高于2000；或者业务上存在天然的多租户隔离需求，比如SaaS应用。
一旦决定分片，新的挑战接踵而至：
- 分片键选择：选错分片键会导致严重的热点问题。例如，如果按
user_id分片，而某个头部大客户的订单量占全公司的40%，那么所有相关流量都会压向同一个分片，分了个寂寞。 - 全局ID生成：不能再依赖数据库自增了。必须引入分布式ID生成方案，如
TinyID、Leaf、Snowflake算法或数据库号段模式。这些服务本身也有性能和容量上限，上线前必须经过充分的压测。 - 查询复杂度飙升：跨分片的
JOIN、ORDER BY、GROUP BY等操作无法在数据库层面完成，需要由应用层进行聚合，这会显著增加查询延迟和内存消耗。 - 运维地狱：备份、DDL变更、数据迁移的难度呈指数级上升。一个简单的
ALTER语句，现在需要在N个数据库上依次执行，还要保证顺序和最终一致性。
真正容易被忽略的细节
经验表明，主键类型变更后，最容易“翻车”的地方往往不在数据库本身，而是在那些与之相连的“毛细血管”里——缓存和日志链路。
- 缓存Key兼容性：如果Redis缓存Key是类似
order:123的拼接格式，那没问题。但如果用了order:000000123这种固定位数的格式，BIGINT的位数变长后，旧的Key会全部失效，且很难自动迁移。 - 数据同步中断：像Elasticsearch或ClickHouse这类同步任务，如果采用
id > last_sync_id的方式进行增量拉取，而last_sync_id的存储字段类型没有同步升级，一旦ID溢出变成负数，同步链路就会直接中断。 - Binlog解析陷阱：使用Canal等工具消费Binlog时，如果下游服务仍用
int32类型来反序列化已经升级为BIGINT的id字段，数据会被截断。这种问题往往在上线后才暴露，排查起来极其困难。 - 监控告警盲区：别忘了检查监控系统。那些硬编码了
MAX(id) < 2000000000这类条件的告警规则，阈值必须同步更新，否则它们将在关键时刻集体沉默。
