先止血（终止长事务），再促排（加大purge_batch_size、启用undo截断），最后防复发（应用层禁HTTP调用、分页提交、连接池优化）；物理文件不收缩属正常，history list length≤100即稳定。
核心思路是：先止血（终止源头长事务），再促排（加速purge清理），最后防复发（监控+应用改造）。物理文件不收缩是正常现象，关键在阻断持续膨胀。
第一步：精准定位真正卡住purge的长事务
别信 SHOW PROCESSLIST 的 Time 字段——它只算当前语句执行时长。真正钉住 undo 的，是那些 trx_state = 'RUNNING' 且 trx_query IS NULL 的空闲事务。它们早已执行完，却没提交，导致 purge 线程无法清理对应旧版本。
- 运行这条语句查最老的活跃事务：
SELECT trx_id, trx_started, trx_state, trx_rows_modified, trx_mysql_thread_id FROM information_schema.INNODB_TRX ORDER BY trx_started LIMIT 5; - 重点关注 trx_started 超过 10 分钟、trx_rows_modified = 0（只读）或极大（写多）、且 trx_query 为空 的记录
- 用 trx_mysql_thread_id 关联 information_schema.PROCESSLIST，确认 HOST、USER、COMMAND 和 INFO，判断是否是异常挂起的应用连接
第二步：分类处理，避免误操作加重故障
KILL 不是万能解药，不同状态要区别对待：
- trx_state = 'RUNNING' 且 trx_query IS NULL：极大概率是应用未调 COMMIT/ROLLBACK，可安全 KILL 对应 thread_id
- trx_state = 'LOCK WAIT'：它被别的事务堵住了，先查 INNODB_LOCK_WAITS 找出 blocking_trx_id，优先干掉上游
- trx_state = 'ROLLING BACK'：别动，此时 KILL 只会让回滚更慢、更占 IO，甚至拖垮 purge 线程
- 若 trx_rows_modified > 100000，回滚可能耗时数分钟，KILL 前务必评估业务影响和恢复时间
第三步：释放 purge 压力，推动历史 undo 清理
杀完源头后，history list length 不会立刻下降，需主动助推 purge：
- 检查 purge 进度：SHOW ENGINE INNODB STATUS\G，关注 “PURGE DONE for trx's n:o < XXX” 行，对比 trx_id 看是否在推进
- 临时加大清理力度：SET GLOBAL innodb_purge_batch_size = 10000;（默认 300）
- 确认已启用独立 undo 表空间：SHOW VARIABLES LIKE 'innodb_undo_tablespaces'; 必须 ≥ 2（推荐 4）
- 开启自动截断：SET GLOBAL innodb_undo_log_truncate = ON;，然后对每个 undo 表空间执行：ALTER UNDO TABLESPACE undo_001 TRUNCATE;
第四步：根治措施——从应用层切断膨胀源头
所有数据库参数调整都是兜底，真正治本在代码和架构：
- 禁止在事务内做 HTTP 调用、文件读写、sleep、复杂计算等耗时操作
- 批量更新必须分页，单次事务控制在 1000–5000 行，每批后显式 COMMIT
- ORM 框架（如 MyBatis、Django）务必配置 autocommit=true，防止隐式事务跨请求
- 连接池配置合理 idleTimeout 和 maxLifetime，避免连接空闲挂起却不释放事务
- 上线前强制扫描含 BEGIN / START TRANSACTION 的代码，确保每处都有对应 COMMIT 或 ROLLBACK
物理文件 ibdata1 或 undo_001 不会自动缩小，这是 InnoDB 设计使然。只要 history list length 回落到 100 以下并稳定，说明 purge 已跟上节奏，膨胀就止住了。后续靠监控固化：超 5 分钟的事务数 > 3 就告警，history list length > 50000 就升级人工介入。
