深入分析 mysql 爲什麼不推薦使用 uuid 或者雪花 id 作爲主鍵

作者：Yrion

原文：https://www.cnblogs.com/wyq178/p/12548864.html

MySQL 和程序實例

1、要說明這個問題, 我們首先來建立三張表

注：這裏的隨機 key 其實是指用雪花算法算出來的前後不連續不重複無規律的 id: 一串 18 位長度的 long 值

id 自動生成表：

用戶 uuid 表

隨機主鍵表：

2、光有理論不行, 直接上程序, 使用 spring 的 jdbcTemplate 來實現增查測試

技術框架：

springboot+jdbcTemplate+junit+hutool，

程序的原理就是連接自己的測試數據庫，然後在相同的環境下寫入同等數量的數據，來分析一下 insert 插入的時間來進行綜合其效率，爲了做到最真實的效果, 所有的數據採用隨機生成，比如名字、郵箱、地址都是隨機生成，程序已上傳自 gitee，地址鏈接在文底。

3、程序寫入結果

user_key_auto 寫入結果：

user_random_key 寫入結果：

user_uuid 表寫入結果：

4、效率測試結果

在已有數據量爲 130W 的時候：我們再來測試一下插入 10w 數據，看看會有什麼結果：

可以看出在數據量 100W 左右的時候, uuid 的插入效率墊底，並且在後序增加了 130W 的數據，uudi 的時間又直線下降。時間佔用量總體可以打出的效率排名爲：auto_key>random_key>uuid,uuid 的效率最低，在數據量較大的情況下，效率直線下滑。那麼爲什麼會出現這樣的現象呢？帶着疑問, 我們來探討一下這個問題：

使用 uuid 和自增 id 的索引結構對比

1、使用自增 id 的內部結構

自增的主鍵的值是順序的, 所以 Innodb 把每一條記錄都存儲在一條記錄的後面。當達到頁面的最大填充因子時候 (innodb 默認的最大填充因子是頁大小的 15/16, 會留出 1/16 的空間留作以後的修改)：

①下一條記錄就會寫入新的頁中，一旦數據按照這種順序的方式加載，主鍵頁就會近乎於順序的記錄填滿，提升了頁面的最大填充率，不會有頁的浪費

②新插入的行一定會在原有的最大數據行下一行, mysql 定位和尋址很快，不會爲計算新行的位置而做出額外的消耗

③減少了頁分裂和碎片的產生

2、使用 uuid 的索引內部結構

因爲 uuid 相對順序的自增 id 來說是毫無規律可言的, 新行的值不一定要比之前的主鍵的值要大, 所以 innodb 無法做到總是把新行插入到索引的最後, 而是需要爲新行尋找新的合適的位置從而來分配新的空間。這個過程需要做很多額外的操作，數據的毫無順序會導致數據分佈散亂，將會導致以下的問題：

①寫入的目標頁很可能已經刷新到磁盤上並且從緩存上移除，或者還沒有被加載到緩存中，innodb 在插入之前不得不先找到並從磁盤讀取目標頁到內存中，這將導致大量的隨機 IO

②因爲寫入是亂序的, innodb 不得不頻繁的做頁分裂操作, 以便爲新的行分配空間, 頁分裂導致移動大量的數據，一次插入最少需要修改三個頁以上

③由於頻繁的頁分裂，頁會變得稀疏並被不規則的填充，最終會導致數據會有碎片

在把隨機值（uuid 和雪花 id）載入到聚簇索引 (innodb 默認的索引類型) 以後, 有時候會需要做一次 OPTIMEIZE TABLE 來重建表並優化頁的填充，這將又需要一定的時間消耗。

結論：使用 innodb 應該儘可能的按主鍵的自增順序插入，並且儘可能使用單調的增加的聚簇鍵的值來插入新行

3、使用自增 id 的缺點

那麼使用自增的 id 就完全沒有壞處了嗎？並不是，自增 id 也會存在以下幾點問題：

①別人一旦爬取你的數據庫, 就可以根據數據庫的自增 id 獲取到你的業務增長信息，很容易分析出你的經營情況

②對於高併發的負載，innodb 在按主鍵進行插入的時候會造成明顯的鎖爭用，主鍵的上界會成爲爭搶的熱點，因爲所有的插入都發生在這裏，併發插入會導致間隙鎖競爭

③Auto_Increment 鎖機制會造成自增鎖的搶奪, 有一定的性能損失

附：

Auto_increment 的鎖爭搶問題，如果要改善需要調優 innodb_autoinc_lock_mode 的配置

總結

本篇博客首先從開篇的提出問題, 建表到使用 jdbcTemplate 去測試不同 id 的生成策略在大數據量的數據插入表現，然後分析了 id 的機制不同在 mysql 的索引結構以及優缺點，深入的解釋了爲何 uuid 和隨機不重複 id 在數據插入中的性能損耗，詳細的解釋了這個問題。在實際的開發中還是根據 mysql 的官方推薦最好使用自增 id，mysql 博大精深，內部還有很多值得優化的點需要我們學習。

本文由 Readfog 進行 AMP 轉碼，版權歸原作者所有。
來源：https://mp.weixin.qq.com/s/kTia8LordoQ6HP8XqSm2ow