（一）数据拉取
这种新方法的第一步，是借助大数据组件快速、高效地拉取待校验数据。大数据组件在此过程中发挥着关键作用，它能够从复杂的数据环境中精准地获取所需数据，为后续的数据处理流程奠定基础。
（二）数据分类
拉取到数据后，紧接着便是一个极为关键的步骤 —— 将待校验数据按照表类型进行细致分类。具体的分类方式如下：首先对数据进行解析，获取数据关键列的内容。若关键列内容不为空，那么该数据类型大概率属于主键表或唯一索引表；若关键列内容为空，则需进一步判断数据是否含有普通索引。若不存在普通索引，此数据类型即为三无表；若含有普通索引，则可判定为普通索引表。通过这种严谨的分类方式，能够为后续的查询操作提供更为精准的依据。
（三）查询操作
完成数据分类后，接下来要根据不同的表类型获取与之对应的查询条件。对于主键表和唯一索引表，以主键列作为查询条件；三无表由于其特殊性质，以全字段作为查询条件；普通索引表则以源端索引列为查询条件。有了明确的查询条件后，就可以拼接对应的查询语句，并在数据库中执行查询操作。通过这种针对性的查询策略，能够显著缩短查询时间，提高数据处理效率。
（四）数据比对与记录
查询操作完成并得到结果后，便进入以表为单位的数据逐级比对环节。在这一过程中，系统会逐列对数据进行细致比对，优先校验源端数据库和目标端数据中对应主键列的存在情况。若主键列不存在，则采用其他数据进行列比对。经过比对，差异化数据便会浮出水面。此时，将这些差异化数据上报至大数据组件，并进行落盘记录。这一举措具有重要意义，它使得后续查看比对结果变得更加便捷，极大地增加了数据比对结果的可视性，方便技术人员对数据差异进行深入分析与处理。
（五）数据修复
最后，根据全量数据和增量数据的不同性质，通过预设的修正策略对差异化数据进行修复。在全量阶段，一旦存在差异化数据且数据比对完成，系统便会发送修复指令；在增量阶段，当上游处于停机状态时，同样会发送修复指令。一旦系统响应修复指令，会立即停止拉取待校验数据和数据比对操作，集中精力对差异化数据进行修复。修复过程以表级为单位，以源端数据为基准，执行 delete 和 insert 操作，确保数据库迁移前后的数据一致性。
