根本原因是trx_state = 'RUNNING'且trx_query IS NULL的长事务未提交，其持有的ReadView强制保留所有旧版本undo日志，导致purge线程无法清理，history list length持续增长；必须优先定位并KILL该类事务，再助推purge进度。
根本原因只有一个：长事务没提交，InnoDB 的 purge 线程被卡死，历史版本 undo 日志无法清理。
trx_state = 'RUNNING' 且 trx_query IS NULL 是真凶
这类事务在 information_schema.INNODB_TRX 里显示为“正在运行”，但 trx_query 是 NULL，说明它早就空闲了，只是没执行 COMMIT 或 ROLLBACK。它持有的 ReadView 会把所有旧版本数据钉住，purge 线程只能干等——History list length 就这么越堆越高。
- 常见于 Python/Java 应用崩溃后连接未关闭、ORM（如 Django/MyBatis）事务边界配置错误、或 try-catch 里漏了 rollback
-
SHOW PROCESSLIST里的Time字段不可信，它只记当前语句耗时，不反映事务开启时间 - 必须查
INNODB_TRX表，按trx_started排序，重点关注超 600 秒的记录
innodb_max_purge_lag 不是清洁工，只是节流阀
innodb_max_purge_lag 参数不会清理已堆积的 undo，它只在未 purge 的 undo 条数超过阈值时，给新写入加微秒级延迟（由 innodb_max_purge_lag_delay 控制），试图“让 purge 赶上”。但它对已卡住的长事务完全无效。
- 设成
0≠ 关闭限流，而是禁用保护，undo 会持续膨胀直到磁盘满 - 设得太小（如 10000）会让正常批量导入也被频繁 throttle，TPS 断崖下跌
- 调完参数却没杀掉那个运行了 3 小时的空闲事务？那所有配置都白搭
KILL 前不看状态，可能让问题更糟
盲目 KILL 是最危险的操作之一，不同 trx_state 对应完全不同的处理逻辑：
-
trx_state = 'RUNNING'且trx_query IS NULL：可安全KILL，99% 是应用侧泄漏 -
trx_state = 'LOCK WAIT'：它被别的事务堵住了，得先查INNODB_LOCK_WAITS找出blocking_trx_id，优先干掉上游 -
trx_state = 'ROLLING BACK'：千万别动！此时 KILL 会让回滚从同步变异步，IO 更爆、purge 更慢 - 若
History list length > 10000，批量KILL必须加SLEEP(0.2)间隔，否则 purge 线程直接雪崩
杀完事务后，undo 空间也不会立刻释放
杀掉源头事务只是第一步。History list length 不会马上下降，因为 purge 是异步推进的，需要人工助推：
- 先确认
SHOW ENGINE INNODB STATUS\G中 “PURGE DONE for trx's n:o < XXX” 是否在持续递增 - 临时加大清理力度：
SET GLOBAL innodb_purge_batch_size = 10000（默认 300） - 确保已启用独立 undo 表空间：
SHOW VARIABLES LIKE 'innodb_undo_tablespaces'≥ 4（仅 ≥ 2 不够轮换） - 开启自动截断：
SET GLOBAL innodb_undo_log_truncate = ON，再执行ALTER UNDO TABLESPACE undo_001 SET INACTIVE→ 等 History list 明显回落 →ALTER UNDO TABLESPACE undo_001 TRUNCATE
真正难的从来不是怎么缩容 undo，而是怎么在一堆 Sleep 连接里，准确揪出那个早已静默、却仍在阻塞 purge 的事务——它不报错、不写日志、不占 CPU，却能让整个实例缓慢窒息。
