凌晨三点，线修复我被手机震醒。线修复客户那边的线修复数据库挂了，报错日志刷了整整一屏——主从同步断了，线修复binlog 文件损坏，线修复位置卡在一个谁都说不清的线修复偏移量上。

远程连上去，线修复看着那台服务器，线修复CPU 占用率 0%，线修复磁盘 IO 也是线修复 0。它活着，线修复又好像死了。线修复我喝了口凉掉的线修复咖啡，开始翻 MySQL 的线修复官方文档。网上有人说可以跳过损坏的线修复 binlog 直接强制同步，也有人说要重建从库。但这是个生产环境，数据量三个 T，重建从库意味着至少六小时的业务中断。

我盯着那个损坏的 binlog 文件，突然想到一个办法——用 mysqlbinlog 的 --stop-position 参数，把损坏点之前的所有事件先解析出来，手动重放到从库上。听起来简单，但问题是那个损坏点到底在哪？日志文件 1.2G，我不能一个个字节去试探。

我写了个小脚本，用二分法定位损坏位置。先试着解析文件中间的部分，如果报错，就往前一半；如果成功，就往后一半。反复十几次，终于把损坏点锁定在一个事务的中间。那个事务涉及三张表的更新，我手动构造了补偿 SQL，把那个事务的中间状态补完。

然后才是真正麻烦的部分——从库的 relay log 里还存着那个损坏事务的残留信息。直接 START SLAVE 会继续报错。我清空了 relay log，手动指定了新的同步起点。这一步操作，风险极大，稍有不慎就会造成主从数据不一致。我反复核对了三遍主库的 binlog 位置和从库的数据状态，才敢敲下回车。

凌晨五点四十分，SHOW SLAVE STATUS 显示 Seconds_Behind_Master: 0。同步恢复了，数据没丢，业务无感知。客户第二天早上发来消息说“昨晚一切正常”。

我盯着屏幕，突然觉得“在线修复”这个词挺有意思。它不是把系统停下来修好再启动，而是在系统运行的状态下，把故障一点点剔除出去。就像给飞行中的飞机换引擎，你不能让乘客下机，只能戴着护目镜和防火手套，在气流颠簸中拧螺丝。

后来我把这次的操作步骤写成了文档，发在团队群里。有人回复说“这操作太野了”，也有人问我“如果二分法定位失败怎么办”。我没回答。说实话，如果那次定位失败，我可能就得走重建从库的路了。但那种“在线”的压力，会逼着你找到那些文档之外的解法。

现在回想起来，那次修复真正难的不是技术，而是决定在什么时刻相信自己的判断，在什么时刻准备放弃。凌晨四点半的时候，我一度想放弃，打算直接重建从库。但看着监控里业务流量还在缓慢爬升，我知道一旦停下来，损失的就是真金白银。

于是我又坐回电脑前，把那杯凉咖啡喝完，继续跟那个损坏的 binlog 较劲。直到天亮，我才确认，那晚所有的冒险都是值得的。