关于java:使用uuid做MySQL主键被老板爆怼一顿

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。

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：

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);
    }

user_key_auto 写入后果：

user_random_key 写入后果：

user_uuid 表写入后果：

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：

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

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

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

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。

关于java:使用uuid做MySQL主键被老板爆怼一顿

一：mysql 和程序实例

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：

1.3：程序写入后果

1.4：效率测试后果

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

2.2: 应用 uuid 的索引内部结构

2.3：应用自增 id 的毛病

三：总结