为何MySQL不推荐使用uuid或者雪花id做为主键？

送你们如下java学习资料，文末有领取方式

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形且惟一，单机递增),而是推荐连续自增的主键id,官方的推荐是auto\_increment,那么为何不建议采用uuid,使用uuid究竟有什么坏处？

本篇博客咱们就来分析这个问题,探讨一下内部的缘由。

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

1、mysql和程序实例

1.1.要说明这个问题,咱们首先来创建三张表

分别是user\_auto\_key,user\_uuid,user\_random\_key,分别表示自动增加的主键,uuid做为主键,随机key做为主键,其它咱们彻底保持不变.

根据控制变量法,咱们只把每一个表的主键使用不一样的策略生成,而其余的字段彻底同样，而后测试一下表的插入速度和查询速度：

注：这里的随机key实际上是指用雪花算法算出来的先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,程序的原理就是链接本身的测试数据库,而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，为了作到最真实的效果,全部的数据采用随机生成，好比名字、邮箱、地址都是随机生成。

搜索Java知音公众号，回复“后端面试”，送你一份Java面试题宝典

`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：咱们再来测试一下插入10w数据，看看会有什么结果：

能够看出在数据量100W左右的时候,uuid的插入效率垫底，而且在后序增长了130W的数据，uudi的时间又直线降低。

时间占用量整体能够打出的效率排名为：auto\_key>random\_key>uuid,uuid的效率最低，在数据量较大的状况下，效率直线下滑。那么为何会出现这样的现象呢？带着疑问,咱们来探讨一下这个问题：

2、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,因此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的空间留做之后的     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，提高了页面的最大填充率，不会有页的浪费

②新插入的行必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作出额外的消耗

③减小了页分裂和碎片的产生

2.2.使用uuid的索引内部结构

由于uuid相对顺序的自增id来讲是毫无规律可言的,新行的值不必定要比以前的主键的值要大,因此innodb没法作到老是把新行插入到索引的最后,而是须要为新行寻找新的合适的位置从而来分配新的空间。

这个过程须要作不少额外的操做，数据的毫无顺序会致使数据分布散乱，将会致使如下的问题：

①写入的目标页极可能已经刷新到磁盘上而且从缓存上移除，或者尚未被加载到缓存中，innodb在插入以前不得不先找到并从磁盘读取目标页到内存中，这将致使大量的随机IO

②由于写入是乱序的,innodb不得不频繁的作页分裂操做,以便为新的行分配空间,页分裂致使移动大量的数据，一次插入最少须要修改三个页以上

③因为频繁的页分裂，页会变得稀疏并被不规则的填充，最终会致使数据会有碎片

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)之后,有时候会须要作一次OPTIMEIZE TABLE来重建表并优化页的填充，这将又须要必定的时间消耗。

结论：使用innodb应该尽量的按主键的自增顺序插入，而且尽量使用单调的增长的聚簇键的值来插入新行

搜索Java知音公众号，回复“后端面试”，送你一份Java面试题宝典

2.3.使用自增id的缺点

那么使用自增的id就彻底没有坏处了吗？并非，自增id也会存在如下几点问题：

①别人一旦爬取你的数据库,就能够根据数据库的自增id获取到你的业务增加信息，很容易分析出你的经营状况

②对于高并发的负载，innodb在按主键进行插入的时候会形成明显的锁争用，主键的上界会成为争抢的热点，由于全部的插入都发生在这里，并发插入会致使间隙锁竞争

③Auto\_Increment锁机制会形成自增锁的抢夺,有必定的性能损失

附：Auto\_increment的锁争抢问题，若是要改善须要调优innodb\_autoinc\_lock\_mode的配置

3、总结

本篇博客首先从开篇的提出问题,建表到使用jdbcTemplate去测试不一样id的生成策略在大数据量的数据插入表现，而后分析了id的机制不一样在mysql的索引结构以及优缺点，深刻的解释了为什么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。

在实际的开发中仍是根据mysql的官方推荐最好使用自增id，mysql博大精深，内部还有不少值得优化的点须要咱们学习。