最可靠方式是在AFTER UPDATE触发器中用INSERTED和DELETED表显式比对关键字段，注意NULL处理、异步报警、避免耗时操作；MySQL用BEFORE UPDATE+SIGNAL做强校验；PostgreSQL可用hstore差分；跨库同步时触发器易漏报，需在源端落表或中间件校验。
触发器里怎么捕获字段变更并报警
想在数据库里精准捕捉到“谁动了我的数据”？最踏实、最不容易出错的办法，就是在 AFTER UPDATE 触发器里，老老实实地对比 INSERTED 和 DELETED 这两个临时表。SQL Server 在这方面比较“传统”，它不像 PostgreSQL 那样能用 OLD.* 或 NEW.* 的快捷方式，你必须把要检查的字段一个一个列出来。
这里有两个新手常踩的坑：一是只比对了主键，忘了看业务字段；二是忽略了 NULL 值。举个例子，判断状态字段是否变更，如果直接用 i.status != d.status，当一方为 NULL 时，整个表达式的结果会是 UNKNOWN，导致条件失效。正确的写法是加上 NULL 处理，比如 ISNULL(i.status, '') != ISNULL(d.status, '')。
几个实战要点得记牢：
- 报警要走异步：别在触发器里直接调用发邮件或者调用慢吞吞的接口。推荐用
sp_send_dbmail或者先把报警信息写入一个专用的日志表，再由外部作业去处理，避免阻塞核心的更新事务。 - 只盯关键字段：别动不动就全表扫描。比如订单表，重点盯住
order_status、payment_amount、shipping_address_id这几个核心业务字段就够了。 - 远离耗时操作：触发器里严禁进行远程 API 调用、关联查询大表这类操作，否则一个简单的 UPDATE 语句可能就把整个连接卡住。
MySQL 中用 BEFORE UPDATE 检查一致性并中断修改
如果需要更严格的“事前校验”，MySQL 的 BEFORE UPDATE 触发器是个更好的选择。它允许你在数据实际落盘前进行检查，一旦发现问题，可以直接用 SIGNAL SQLSTATE '45000' 抛出错误，中断整个更新操作。这比在事后报警要干脆得多。
比如，要求 end_time 必须晚于 start_time，且两者都不能为空，可以这样写：
IF NEW.start_time IS NOT NULL AND NEW.end_time IS NOT NULL
AND NEW.end_time <= NEW.start_time THEN
SIGNAL SQLSTATE '45000' SET MESSAGE_TEXT = 'end_time must be after start_time';
END IF;
这里需要注意几个细节：
NEW.引用的是即将写入的新值，OLD.是当前行原有的值，千万别用反了。- 字符串比较时要留心数据库的排序规则。比如在区分大小写和重音的规则下，
'A'和'a'会被判定为不同。 - 尽量避免在触发器里修改
NEW.的值然后让更新继续，这种逻辑容易让后续维护者困惑。数据清洗和转换的工作，最好放在应用层或存储过程里完成。
PostgreSQL 的触发器函数怎么返回变更字段列表
PostgreSQL 的玩法更灵活一些。你需要先创建一个返回 TRIGGER 类型的函数，然后在函数体里，可以借助 hstore 这个扩展来优雅地提取变更的字段列表。当然，前提是已经启用了这个扩展：CREATE EXTENSION IF NOT EXISTS hstore;。
一个经典的用法是，快速计算出新旧记录之间的差异，并以 JSON 格式返回：
SELECT json_agg(json_build_object('field', key, 'old', OLD.*->key, 'new', NEW.*->key))
FROM each(hstore(NEW.*) - hstore(OLD.*)) AS diff(key, value);
这种方式有几个优势：
hstore对 NULL 值的处理很自然，不需要额外写COALESCE。- 如果表字段很多，但你只关心其中几个，可以先使用
ROW(NEW.f1, NEW.f2) IS DISTINCT FROM ROW(OLD.f1, OLD.f2)进行快速判断，只有确实变更了，再去构造全量的 hstore，这样可以提升性能。 - 需要注意的是，对于数组、JSONB 或一些特殊几何类型等无法直接转化为 hstore 的字段，这个方法就不适用了，需要单独处理。
跨库同步时触发器报警为什么总漏报
这是最让人头疼的场景之一：明明在单库测试时触发器报警好好的，一到跨库同步就失灵。根本原因在于，许多数据同步工具（比如 Canal、Debezium 或者 SQL Server 自身的复制功能）在将数据写入目标库时，并不会触发目标表上的触发器，或者会跳过触发器的某些执行上下文。
怎么验证是不是这个问题？很简单，手动在目标数据库执行一条相同的 UPDATE 语句，看看报警是否正常触发。如果手动执行能报警，但同步过来的数据不报，那基本可以断定是同步机制绕过了触发器。
解决方案需要从架构层面考虑：
- 将检查逻辑前置：把一致性校验下沉到同步中间件里。例如，在 Flink CDC 作业中增加一个自定义的校验算子。
- 在源端落表：在源数据库的触发器中，将关键字段的变更记录写入一张专门的日志表。然后，由一个独立的消息监听或作业调度服务来读取这张表，并发送报警。
- 警惕特殊语句：同步脚本里经常会出现
SET IDENTITY_INSERT ON或DISABLE TRIGGER这类语句，它们会直接让触发器失效，务必在方案设计时规避。
说到底，字段级变更检查的技术本身并不复杂。真正的挑战在于，如何在分布式、多链路、可能还带着多层缓存的现代架构中，确保这条报警路径在任何环节都不会被悄无声息地“吞掉”或严重延迟。所以，在上线前，务必要用真实的同步流量对整个报警链路进行一次完整的压测验证。
