本文笔者对脏数据的来源、脏数据的危害、脏数据的预防、如何对已出现的脏数据进行处理等问题进行详细阐述。

“小光，今天那个诡异的生产环境问题找到原因了吗？”

“还是数据问题！之前做的一个功能有一部分数据迁移工作没有做好，导致生产环境有脏数据，委托人的联系人已经不为该委托人服务了，应该移除掉的……”

“又是脏数据……”

“嗯，好在不是代码问题。”

这是在蓝鲸项目发生的真实对话。其中提到的脏数据（Dirty data），也叫坏数据（Bad data），通常是指跟期待的数据不一样、会影响系统正常行为的数据。

蓝鲸项目的QA会定期分析生产环境的缺陷，当定位某个缺陷为脏数据引起之后，往往就到此为止了。

生产环境下的缺陷分析流程是这样的：

调查分析生产环境缺陷，到*后定位是数据问题的时候，总是让人浑身轻松……于是，“脏数据”就跟测试的“随机挂”一样，成为了光荣的“背锅侠”！

脏数据 ≠ 代码问题，真的是这样吗？先来深入了解一下脏数据。

脏数据是怎么回事？

脏数据产生的原因多种多样，有的甚至很难解释清楚到底发生了什么……

通常，以下原因可能造成脏数据：

1. 脏读：读了事务处理中间状态的数据
2. 重复插入了相同的数据：多次点击同一个按钮导致
3. 不能为空的字段存为空：数据库字段没有验证，或者对于历史数据没有做好迁移处理
4. 人工录入不合法的数据：比如电话号码含有特殊字符
5. 运行SQL脚本插入了不合法数据：比如不同实体id搞混等
6. 存入了多余的空格
7. 测试环境可能由于部署了半成品产生一些不合法数据
8. ……

因此，脏数据跟代码有关，脏数据的产生是因为没有做好防御工作！

脏数据有哪些危害？

根据不同的系统、不同的业务，脏数据带来的危害也会不一样。

• 脏读产生的数据往往是错误的，导致数据不真实性，或者数据的不一致性；
• 重复和其他不合法数据则可能导致系统行为的不正常，有时候还可能导致非常严重的故障，甚至有些没有暴露的脏数据可能带来不可预知的致命错误，危害可能是相当大的。

脏数据带来的危害很难估量，有很大的不可预测性，对于脏数据的预防至关重要。

那么，如何能够防范于未然呢？

如何预防脏数据的产生？

尝试对脏数据引起的生产环境缺陷做进一步分析，总结出脏数据的几种类型，可以在敏捷软件开发生命周期的不同阶段对其进行防御。