能用 uuid 做 MySQL 的主键吗？

谁借莪１个温暖的怀抱￠ 2021-09-08 08:04 272阅读 0赞

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，单机递增),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。

本篇博客的目录

*  mysql程序实例
 *  使用uuid和自增id的索引结构对比
 *  总结

## **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：

![84be729424410d20cb2c50f80dc86f90.png][]

用户uuid表

![e50f8ddde8ae3ee10710c7eb74bf7bd7.png][]

随机主键表：

![2cb5e2f8405432a532fad204743706ed.png][]

#### 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。

@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：

![6cf93346cb020b2ae2e7470d4a008b6e.png][]

user\_random\_key写入结果：

![7324482a25c374501d646a80163e2867.png][]

user\_uuid表写入结果：

![0925b535bc456496992aa12b698e44a1.png][]

#### 1.4.效率测试结果 ####

![f6705ccf8fd2db3d1e87329861bedf36.png][]

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：

![c06148aaeb04199145408c23c5a52f12.png][]

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 ####

![a6b64a3dbc0718585deb9f13de18c85e.png][]

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 ####

![f016f6858339bab5e73973dd6044d87a.png][]

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

③Auto\_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。

作者：Yrion

来源：cnblogs.com/wyq178/p/12548864.html

--------------------

**推荐阅读**

***1. ***[GitHub 上有什么好玩的项目？][GitHub]

***2. ***[这个牛逼哄哄的数据库开源了][Link 1]

***3.****** ***[SpringSecurity + JWT 实现单点登录][SpringSecurity _ JWT]

***4. ***[100 道 Linux 常见面试题][100 _ Linux]

![cf7e8a90ec221de7918eb626cf362b08.png][]

[84be729424410d20cb2c50f80dc86f90.png]: /images/20210730/71018905a6d2415c8deeead1aa862964.png
[e50f8ddde8ae3ee10710c7eb74bf7bd7.png]: /images/20210730/40165d386ba94c47ba3b53fcf742f04e.png
[2cb5e2f8405432a532fad204743706ed.png]: /images/20210730/ec6557839cb440e8bfa5d86bf18711fb.png
[6cf93346cb020b2ae2e7470d4a008b6e.png]: /images/20210730/28ffedf661a94659ba46c5483d193605.png
[7324482a25c374501d646a80163e2867.png]: /images/20210730/8eb26a0e1b8b4f75b21e322bb86f97e7.png
[0925b535bc456496992aa12b698e44a1.png]: /images/20210730/965c429710924b2dafc84f01febc5e2e.png
[f6705ccf8fd2db3d1e87329861bedf36.png]: /images/20210730/b7775019fc6242f4b59d651083d5969e.png
[c06148aaeb04199145408c23c5a52f12.png]: /images/20210730/34f51d79d59b40d99cd1f7fdb81da05b.png
[a6b64a3dbc0718585deb9f13de18c85e.png]: /images/20210730/c46cffd6ed4148969b1c35be720dd117.png
[f016f6858339bab5e73973dd6044d87a.png]: /images/20210730/169caaa177d446e3a1724d61f34a0a2f.png
[GitHub]: http://mp.weixin.qq.com/s?__biz=MzUxNjg4NDEzNA%3D%3D&chksm=f9a2286fced5a1794eb9a73d0be7c2e16eaceabf3a0420647c40cb4202bd116d9a15dd57c008&idx=1&mid=2247498662&scene=21&sn=0087c4f3b79ba3420e917e9b42d45eda#wechat_redirect
[Link 1]: http://mp.weixin.qq.com/s?__biz=Mzg2MjEwMjI1Mg%3D%3D&chksm=ce0e35e4f979bcf2c7c985dbabfe32f2a5f563e191d12a64325355e1c586853a4ab682077137&idx=1&mid=2247516775&scene=21&sn=43b3c7460718c40539512f56e4dd87fb#wechat_redirect
[SpringSecurity _ JWT]: http://mp.weixin.qq.com/s?__biz=Mzg2MjEwMjI1Mg%3D%3D&chksm=ce0e35bdf979bcabbb75366e1bad32bdbf8f41d1dc80b8be6e39225bd708913ce2c93472f2fc&idx=1&mid=2247516734&scene=21&sn=966d166d3052f10b9310ff4014733669#wechat_redirect
[100 _ Linux]: http://mp.weixin.qq.com/s?__biz=Mzg2MjEwMjI1Mg%3D%3D&chksm=ce0e367bf979bf6dec769decc0194bb36de4caeae7947671aba1852fe6bac8e5dab7d20916a5&idx=1&mid=2247516664&scene=21&sn=0dae1a8cf99c4bde8fd8c9c197769009#wechat_redirect
[cf7e8a90ec221de7918eb626cf362b08.png]: /images/20210730/fb0b84b503544e1cab5e6e2100df3d43.png