前言

一、mysql和程序實例

1.1.要說明這個問題,我們首先來建立三張表

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

1.3.程序寫入結果

1.4.效率測試結果

二、使用uuid和自增id的索引結構對比

2.1.使用自增id的內部結構

2.2.使用uuid的索引內部結構

2.3.使用自增id的缺點

三、總結

前言

在mysql中設計表的時候,mysql官方推薦不要使用uuid或者不連續不重復的雪花id(long形且唯一，單機遞增),而是推薦連續自增的主鍵id,官方的推薦是auto_increment,那么為什么不建議采用uuid,使用uuid究竟有什么壞處？

本篇博客我們就來分析這個問題,探討一下內部的原因。

本篇博客的目錄

mysql程序實例 使用uuid和自增id的索引結構對比 總結

基于 Spring Boot + MyBatis Plus + Vue & Element 實現的后臺管理系統 + 用戶小程序，支持 RBAC 動態權限、多租戶、數據權限、工作流、三方登錄、支付、短信、商城等功能

項目地址：https://github.com/YunaiV/ruoyi-vue-pro

視頻教程：https://doc.iocoder.cn/video/

一、mysql和程序實例

1.1.要說明這個問題,我們首先來建立三張表

分別是user_auto_key,user_uuid,user_random_key,分別表示自動增長的主鍵,uuid作為主鍵,隨機key作為主鍵,其它我們完全保持不變.

根據控制變量法,我們只把每個表的主鍵使用不同的策略生成,而其他的字段完全一樣，然后測試一下表的插入速度和查詢速度：

注：這里的隨機key其實是指用雪花算法算出來的前后不連續不重復無規律的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：

1.2.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,然后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，為了做到最真實的效果,所有的數據采用隨機生成，比如名字、郵箱、地址都是隨機生成。

packagecom.wyq.mysqldemo;
importcn.hutool.core.collection.CollectionUtil;
importcom.wyq.mysqldemo.databaseobject.UserKeyAuto;
importcom.wyq.mysqldemo.databaseobject.UserKeyRandom;
importcom.wyq.mysqldemo.databaseobject.UserKeyUUID;
importcom.wyq.mysqldemo.diffkeytest.AutoKeyTableService;
importcom.wyq.mysqldemo.diffkeytest.RandomKeyTableService;
importcom.wyq.mysqldemo.diffkeytest.UUIDKeyTableService;
importcom.wyq.mysqldemo.util.JdbcTemplateService;
importorg.junit.jupiter.api.Test;
importorg.springframework.beans.factory.annotation.Autowired;
importorg.springframework.boot.test.context.SpringBootTest;
importorg.springframework.util.StopWatch;
importjava.util.List;
@SpringBootTest
classMysqlDemoApplicationTests{

@Autowired
privateJdbcTemplateServicejdbcTemplateService;

@Autowired
privateAutoKeyTableServiceautoKeyTableService;

@Autowired
privateUUIDKeyTableServiceuuidKeyTableService;

@Autowired
privateRandomKeyTableServicerandomKeyTableService;


@Test
voidtestDBTime(){

StopWatchstopwatch=newStopWatch("執行sql時間消耗");


/**
*auto_incrementkey任務
*/
finalStringinsertSql="INSERTINTOuser_key_auto(user_id,user_name,sex,address,city,email,state)VALUES(?,?,?,?,?,?,?)";

ListinsertData=autoKeyTableService.getInsertData();
stopwatch.start("自動生成key表任務開始");
longstart1=System.currentTimeMillis();
if(CollectionUtil.isNotEmpty(insertData)){
booleaninsertResult=jdbcTemplateService.insert(insertSql,insertData,false);
System.out.println(insertResult);
}
longend1=System.currentTimeMillis();
System.out.println("autokey消耗的時間:"+(end1-start1));

stopwatch.stop();


/**
*uudID的key
*/
finalStringinsertSql2="INSERTINTOuser_uuid(id,user_id,user_name,sex,address,city,email,state)VALUES(?,?,?,?,?,?,?,?)";

ListinsertData2=uuidKeyTableService.getInsertData();
stopwatch.start("UUID的key表任務開始");
longbegin=System.currentTimeMillis();
if(CollectionUtil.isNotEmpty(insertData)){
booleaninsertResult=jdbcTemplateService.insert(insertSql2,insertData2,true);
System.out.println(insertResult);
}
longover=System.currentTimeMillis();
System.out.println("UUIDkey消耗的時間:"+(over-begin));

stopwatch.stop();


/**
*隨機的long值key
*/
finalStringinsertSql3="INSERTINTOuser_random_key(id,user_id,user_name,sex,address,city,email,state)VALUES(?,?,?,?,?,?,?,?)";
ListinsertData3=randomKeyTableService.getInsertData();
stopwatch.start("隨機的long值key表任務開始");
Longstart=System.currentTimeMillis();
if(CollectionUtil.isNotEmpty(insertData)){
booleaninsertResult=jdbcTemplateService.insert(insertSql3,insertData3,true);
System.out.println(insertResult);
}
Longend=System.currentTimeMillis();
System.out.println("隨機key任務消耗時間:"+(end-start));
stopwatch.stop();


Stringresult=stopwatch.prettyPrint();
System.out.println(result);
}

1.3.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：

1.4.效率測試結果

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

可以看出在數據量100W左右的時候,uuid的插入效率墊底，并且在后序增加了130W的數據，uudi的時間又直線下降。

時間占用量總體可以打出的效率排名為：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。那么為什么會出現這樣的現象呢？帶著疑問,我們來探討一下這個問題：

基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 實現的后臺管理系統 + 用戶小程序，支持 RBAC 動態權限、多租戶、數據權限、工作流、三方登錄、支付、短信、商城等功能

項目地址：https://github.com/YunaiV/yudao-cloud

視頻教程：https://doc.iocoder.cn/video/

二、使用uuid和自增id的索引結構對比

2.1.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后面。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的空間留作以后的 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，主鍵頁就會近乎于順序的記錄填滿，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，不會為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

2.2.使用uuid的索引內部結構

因為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后,而是需要為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布散亂，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并且從緩存上移除，或者還沒有被加載到緩存中，innodb在插入之前不得不先找到并從磁盤讀取目標頁到內存中，這將導致大量的隨機IO

②因為寫入是亂序的,innodb不得不頻繁的做頁分裂操作,以便為新的行分配空間,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由于頻繁的頁分裂，頁會變得稀疏并被不規則的填充，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)以后,有時候會需要做一次OPTIMEIZE TABLE來重建表并優化頁的填充，這將又需要一定的時間消耗。

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

2.3.使用自增id的缺點

那么使用自增的id就完全沒有壞處了嗎？并不是，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對于高并發的負載，innodb在按主鍵進行插入的時候會造成明顯的鎖爭用，主鍵的上界會成為爭搶的熱點，因為所有的插入都發生在這里，并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

三、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，然后分析了id的機制不同在mysql的索引結構以及優缺點，深入的解釋了為何uuid和隨機不重復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。