前言：在mysql中设计表的时候,mysql官方推荐不要使用uuid或者不连续不重复的雪花id(long形且唯一),而是推荐连续自增的主键id,官方的推荐是auto_increment,那么为什么不建议采用uuid,使用uuid究竟有什么坏处？本篇博客我们就来分析这个问题,探讨一下内部的原因。
一：mysql和程序实例
1.1：要说明这个问题,我们首先来建立三张表,分别是user_auto_key,user_uuid,user_random_key,分别表示自动增长的主键,uuid作为主键,随机key作为主键,其它我们完全保持不变.根据控制变量法,我们只把每个表的主键使用不同的策略生成,而其他的字段完全一样，然后测试一下表的插入速度和查询速度：
注：这里的随机key其实是指用雪花算法算出来的前后不连续不重复无规律的id:一串18位长度的long值
id自动生成表：
用户uuid表
随机主键表：
1.2：光有理论不行,直接上程序,使用spring的jdbctemplate来实现增查测试：
技术框架：springboot+jdbctemplate+junit+hutool,程序的原理就是连接自己的测试数据库,然后在相同的环境下写入同等数量的数据，来分析一下insert插入的时间来进行综合其效率，为了做到最真实的效果,所有的数据采用随机生成，比如名字、邮箱、地址都是随机生成，程序已上传自gitee,地址在文底。
package com.wyq.mysqldemo;
import cn.hutool.core.collection.collectionutil;
import com.wyq.mysqldemo.databaseobject.userkeyauto;
import com.wyq.mysqldemo.databaseobject.userkeyrandom;
import com.wyq.mysqldemo.databaseobject.userkeyuuid;
import com.wyq.mysqldemo.diffkeytest.autokeytableservice;
import com.wyq.mysqldemo.diffkeytest.randomkeytableservice;
import com.wyq.mysqldemo.diffkeytest.uuidkeytableservice;
import com.wyq.mysqldemo.util.jdbctemplateservice;
import org.junit.jupiter.api.test;
import org.springframework.beans.factory.annotation.autowired;
import org.springframework.boot.test.context.springboottest;
import org.springframework.util.stopwatch;
import java.util.list;
@springboottest
class mysqldemoapplicationtests {
@autowired
private jdbctemplateservice jdbctemplateservice;
@autowired
private autokeytableservice autokeytableservice;
@autowired
private uuidkeytableservice uuidkeytableservice;
@autowired
private randomkeytableservice randomkeytableservice;
@test
void testdbtime() {
stopwatch stopwatch = new stopwatch("执行sql时间消耗");
/**
* auto_increment key任务
*/
final string insertsql = "insert into user_key_auto(user_id,user_name,sex,address,city,email,state) values(?,?,?,?,?,?,?)";
list<userkeyauto> insertdata = autokeytableservice.getinsertdata();
stopwatch.start("自动生成key表任务开始");
long start1 = system.currenttimemillis();
if (collectionutil.isnotempty(insertdata)) {
boolean insertresult = jdbctemplateservice.insert(insertsql, insertdata, false);
system.out.println(insertresult);
}
long end1 = system.currenttimemillis();
system.out.println("auto key消耗的时间:" + (end1 - start1));
stopwatch.stop();
/**
* uudid的key
*/
final string insertsql2 = "insert into user_uuid(id,user_id,user_name,sex,address,city,email,state) values(?,?,?,?,?,?,?,?)";
list<userkeyuuid> insertdata2 = uuidkeytableservice.getinsertdata();
stopwatch.start("uuid的key表任务开始");
long begin = system.currenttimemillis();
if (collectionutil.isnotempty(insertdata)) {
boolean insertresult = jdbctemplateservice.insert(insertsql2, insertdata2, true);
system.out.println(insertresult);
}
long over = system.currenttimemillis();
system.out.println("uuid key消耗的时间:" + (over - begin));
stopwatch.stop();
/**
* 随机的long值key
*/
final string insertsql3 = "insert into user_random_key(id,user_id,user_name,sex,address,city,email,state) values(?,?,?,?,?,?,?,?)";
list<userkeyrandom> insertdata3 = randomkeytableservice.getinsertdata();
stopwatch.start("随机的long值key表任务开始");
long start = system.currenttimemillis();
if (collectionutil.isnotempty(insertdata)) {
boolean insertresult = jdbctemplateservice.insert(insertsql3, insertdata3, true);
system.out.println(insertresult);
}
long end = system.currenttimemillis();
system.out.println("随机key任务消耗时间:" + (end - start));
stopwatch.stop();
string result = stopwatch.prettyprint();
system.out.println(result);
}
1.3：程序写入结果
user_key_auto写入结果：
user_random_key写入结果：
user_uuid表写入结果：
1.4：效率测试结果
在已有数据量为130w的时候：我们再来测试一下插入10w数据，看看会有什么结果：
可以看出在数据量100w左右的时候,uuid的插入效率垫底，并且在后序增加了130w的数据，uudi的时间又直线下降。时间占用量总体可以打出的效率排名为：auto_key>random_key>uuid,uuid的效率最低，在数据量较大的情况下，效率直线下滑。那么为什么会出现这样的现象呢？带着疑问,我们来探讨一下这个问题：
二:使用uuid和自增id的索引结构对比
2.1：使用自增id的内部结构
自增的主键的值是顺序的,所以innodb把每一条记录都存储在一条记录的后面。当达到页面的最大填充因子时候(innodb默认的最大填充因子是页大小的15/16,会留出1/16的空间留作以后的 修改)：
①下一条记录就会写入新的页中，一旦数据按照这种顺序的方式加载，主键页就会近乎于顺序的记录填满，提升了页面的最大填充率，不会有页的浪费
②新插入的行一定会在原有的最大数据行下一行,mysql定位和寻址很快，不会为计算新行的位置而做出额外的消耗
③减少了页分裂和碎片的产生
2.2:使用uuid的索引内部结构
因为uuid相对顺序的自增id来说是毫无规律可言的,新行的值不一定要比之前的主键的值要大,所以innodb无法做到总是把新行插入到索引的最后,而是需要为新行寻找新的合适的位置从而来分配新的空间。这个过程需要做很多额外的操作，数据的毫无顺序会导致数据分布散乱，将会导致以下的问题：
①：写入的目标页很可能已经刷新到磁盘上并且从缓存上移除，或者还没有被加载到缓存中，innodb在插入之前不得不先找到并从磁盘读取目标页到内存中，这将导致大量的随机io
②：因为写入是乱序的,innodb不得不频繁的做页分裂操作,以便为新的行分配空间,页分裂导致移动大量的数据，一次插入最少需要修改三个页以上
③：由于频繁的页分裂，页会变得稀疏并被不规则的填充，最终会导致数据会有碎片
在把随机值（uuid和雪花id）载入到聚簇索引(innodb默认的索引类型)以后,有时候会需要做一次optimeize table来重建表并优化页的填充，这将又需要一定的时间消耗。
结论：使用innodb应该尽可能的按主键的自增顺序插入，并且尽可能使用单调的增加的聚簇键的值来插入新行
2.3：使用自增id的缺点
那么使用自增的id就完全没有坏处了吗？并不是，自增id也会存在以下几点问题：
①：别人一旦爬取你的数据库,就可以根据数据库的自增id获取到你的业务增长信息，很容易分析出你的经营情况
②：对于高并发的负载，innodb在按主键进行插入的时候会造成明显的锁争用，主键的上界会成为争抢的热点，因为所有的插入都发生在这里，并发插入会导致间隙锁竞争
③：auto_increment锁机制会造成自增锁的抢夺,有一定的性能损失
附：auto_increment的锁争抢问题，如果要改善需要调优innodb_autoinc_lock_mode的配置
三：总结
本篇博客首先从开篇的提出问题,建表到使用jdbctemplate去测试不同id的生成策略在大数据量的数据插入表现，然后分析了id的机制不同在mysql的索引结构以及优缺点，深入的解释了为何uuid和随机不重复id在数据插入中的性能损耗，详细的解释了这个问题。在实际的开发中还是根据mysql的官方推荐最好使用自增id，mysql博大精深，内部还有很多值得优化的点需要我们学习。
附：本篇博客demo地址：https://gitee.com/yrion/mysqliddemo
到此这篇关于深入分析mysql为什么不推荐使用uuid或者雪花id作为主键的文章就介绍到这了,更多相关mysql uuid或者雪花id作为主键内容请搜索www.887551.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持www.887551.com！