前言：在mysql中设计表的时候,mysql官网举荐不要应用uuid或者不间断不反复的雪花id(long形且惟一),而是举荐间断自增的主键id,官网的举荐是auto_increment,那么为什么不倡议采纳uuid,应用uuid到底有什么害处？本篇博客咱们就来剖析一下这个问题,探讨一下外部的起因。
一：mysql和程序实例
1.1：要阐明这个问题,咱们首先来建设三张表,别离是user_auto_key,user_uuid,user_random_key,别离示意主动增长的主键,uuid作为主键,随机key作为主键,其它咱们齐全放弃不变.依据控制变量法,咱们只把每个表的主键应用不同的策略生成,而其余的字段齐全一样，而后测试一下表的插入速度和查问速度：
注：这里的随机key其实是指用雪花算法算进去的前后不间断不反复 无规律的id:一串18位长度的long值
id主动生成表格：
用户uuid表
随机主键表：
1.2：光有实践不行,间接上程序,应用spring的jdbcTemplate来实现增查测试：
技术框架：springboot+jdbcTemplate+junit+hutool,程序的原理就是连贯本人的测试数据库,而后在雷同的环境下写入等同数量的数据，来剖析一下insert插入的工夫来进行综合其效率，为了做到最实在的成果,所有的数据采纳随机生成，比方名字、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工夫耗费");
/**
* auto_increment key工作
*/
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("主动生成key表工作开始");
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耗费的工夫:" + (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表工作开始");
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耗费的工夫:" + (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表工作开始");
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工作耗费工夫:" + (end - start));
stopwatch.stop();
String result = stopwatch.prettyPrint();
System.out.println(result);
}1.3：程序写入后果
user_key_auto写入后果：
user_random_key写入后果：
user_uuid表写入后果：
1.4：效率测试后果
在已有数据量为130W的时候：咱们再来测试一下插入10w数据，看看会有什么后果：
能够看出在数据量100W左右的时候,uuid的插入效率垫底，并且在后序减少了130W的数据，uudi的工夫又直线降落。工夫占用量总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。那么为什么会呈现这样的景象呢？带着疑难,咱们来探讨一下这个问题：
二:应用uuid和自增id的索引构造比照
2.1：应用自增id的内部结构
自增的主键的值是程序的,所以Innodb把每一条记录都存储在一条记录的前面。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的空间留作当前的 批改)：
①下一条记录就会写入新的页中，一旦数据依照这种程序的形式加载，主键页就会近乎于程序地记录填满，晋升了页面的最大填充率，不会有页的节约
②新插入的行肯定会在原有的最大数据行下一行,mysql定位和寻址很快，不会为计算新行的地位而做出额定的耗费
③缩小了页决裂和碎片的产生
2.2:应用uuid的索引内部结构
因为uuid绝对程序的自增id来说是毫无法则可言的,新行的值不肯定要比之前的主键的值要大,所以innodb无奈做到总是把新行插入到索引的最初,而是须要为新行寻找新的适合的地位从而来调配新的空间。这个过程须要做很多额定的操作，数据的毫无程序会导致数据分布散乱，将会导致以下的问题：
①：写入的指标页很可能曾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指标页到内存中，这将导致大量的随机IO
②：因为写入是乱序的,innodb不得不频繁地做页决裂操作,以便为新的行调配空间,页决裂导致挪动大量的数据，一次插入起码须要批改三个页以上
③：因为频繁的页决裂，页会变得稠密并被不规则的填充，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)当前,有时候会须要做一次OPTIMEIZE TABLE来重建表并优化页的填充，这将又须要肯定的工夫耗费。
论断：应用innodb应该尽可能地按主键的自增程序插入，并且尽可能应用枯燥的减少的聚簇键的值来插入新行
2.3：应用自增id的毛病
那么应用自增的id就齐全没有害处了吗？并不是，自增id也会存在以下几点问题：
①：他人一旦爬取你的数据库,就能够依据数据库的自增id获取到你的业务增长信息，很容易剖析出你的经营状况
②：对于高并发的负载，innodb在按主键进行插入的时候会造成显著的锁争用，主键的上界会成为争抢的热点，因为所有的插入都产生在这里，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争夺,有肯定的性能损失
附：Auto_increment的锁争抢问题，如果要改善须要调优innodb_autoinc_lock_mode的配置
三：总结
本篇博客首先从开篇的提出问题,建表到应用jdbcTemplate去测试不同id的生成策略在大数据量的数据插入体现，而后剖析了id的机制不同在mysql的索引构造以及优缺点，深刻的解释了为何uuid和随机不反复id在数据插入中的性能损耗，具体的解释了这个问题。在理论的开发中还是依据mysql的官网举荐最好应用自增id，mysql博大精深，外部还有很多值得优化的点须要咱们学习。
发表回复