我正在将一些数据从一个数据库迁移到另一个数据库，这些数据是生产环境的数据，不小心进入了测试数据库。

这通常是一个以单一用户表为中心的关系数据库。

需要考虑的事项

• 在生产和测试数据库之间，任何表中都可能存在重复的行。
• 在测试数据库中，任何与用户相关的表中的任何列都可能缺少来自生产数据库的内容，或者由于用户重新注册而包含更新的信息。
• 所有表都包含created和updated列。

我一直通过SOAP层连接到数据库，因为这是“简单”的方式。不过，我确实拥有运行这些数据库的机器的管理权限。

你有任何方法、建议或指导来帮助我实现这个目标吗？也许是类似于内容迁移 – 最佳实践（PDF）的东西，任何建议都欢迎。

回答：

1. 首先备份所有数据。提醒这一点永远不会错！

2. 确定一个合理的样本大小，即你愿意详细查看多少条记录，部分基于你的时间/金钱以及更正准确数据的价值。

3. 创建一个列表，比如在电子表格中记录这些记录。

4. 如果可以的话，外部识别哪些是真实的记录，可能使用电子邮件地址或其他字段与其他数据进行比较。

5. 寻找模式。是否有任何单个字段 – id、日期、用户ID等，看起来可以帮助你知道哪些记录是好的？寻找值模式、低/高范围、重复的“样本”数据（许多记录中同一列的值相同）、没有时间的日期、具有孤立外键ID的记录，你可以检查的项目数量令人惊讶！

6. 确定你的最终容忍度 – 你是追求100%的准确度吗？还是99.94%的修复对用户来说可以接受（嗯，至少是可以接受的）？

7. 查看你提到的那些重复记录。对于这些记录，你能应用任何规则，比如“较旧的记录”或“较新的记录”或较低的ID号码，至少可以消除它们吗？

希望这些对你有帮助！