首页 > 资讯 > 数据库 >为什么不能用uuid作为数据库主键

132

分享到

为什么不能用uuid作为数据库主键

2024-04-02 19:04:59 132人浏览八月长安

摘要

这篇文章主要介绍“为什么不能用uuid作为数据库主键”，在日常操作中，相信很多人在为什么不能用uuid作为数据库主键问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”为什么不能用

这篇文章主要介绍“为什么不能用uuid作为数据库主键”，在日常操作中，相信很多人在为什么不能用uuid作为数据库主键问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”为什么不能用uuid作为数据库主键”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

一、摘要

在日常开发中，数据库中主键id的生成方案，主要有三种

数据库自增ID

采用随机数生成不重复的ID

采用jdk提供的uuid

对于这三种方案，我发现在数据量少的情况下，没有特别的差异，但是当单表的数据量达到百万级以上时候，他们的性能有着显著的区别，光说理论不行，还得看实际程序测试，今天小编就带着大家一探究竟!

二、程序实例

首先，我们在本地数据库中创建三张单表tb_uuid_1、tb_uuid_2、tb_uuid_3，同时设置tb_uuid_1表的主键为自增长模式，脚本如下：

CREATE TABLE `tb_uuid_1` (   `id` bigint(20) unsigned NOT NULL AUTO_INCREMENT,   `name` varchar(20) DEFAULT NULL,   PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT='主键ID自增长';

CREATE TABLE `tb_uuid_2` (   `id` bigint(20) unsigned NOT NULL,   `name` varchar(20) DEFAULT NULL,   PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT='主键ID随机数生成';

CREATE TABLE `tb_uuid_3` (   `id` varchar(50)  NOT NULL,   `name` varchar(20) DEFAULT NULL,   PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT='主键采用uuid生成';

下面，我们采用SpringBoot + mybatis来实现插入测试。

2.1、数据库自增

以数据库自增为例，首先编写好各种实体、数据持久层操作，方便后续进行测试

 public class UUID1 implements Serializable {      private Long id;      private String name;      //省略set、get }

 public interface UUID1Mapper {           @Insert("INSERT INTO tb_uuid_1(name) VALUES(#{name})")     void insert(UUID1 uuid1); }

 @Test public void testInsert1(){     long start = System.currentTimeMillis();     for (int i = 0; i < 1000000; i++) {         uuid1Mapper.insert(new UUID1().setName("张三"));     }     long end = System.currentTimeMillis();     System.out.println("花费时间：" +  (end - start)); }

2.2、采用随机数生成ID

这里，我们采用twitter的雪花算法来实现随机数ID的生成，工具类如下：

public class SnowflakeIdWorker {      private static SnowflakeIdWorker instance = new SnowflakeIdWorker(0,0);           private final long twepoch = 1420041600000L;          private final long workerIdBits = 5L;          private final long datacenterIdBits = 5L;          private final long maxWorkerId = -1L ^ (-1L << workerIdBits);          private final long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);          private final long sequenceBits = 12L;          private final long workerIdShift = sequenceBits;          private final long datacenterIdShift = sequenceBits + workerIdBits;          private final long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;          private final long sequenceMask = -1L ^ (-1L << sequenceBits);          private long workerId;          private long datacenterId;          private long sequence = 0L;          private long lastTimestamp = -1L;          public SnowflakeIdWorker(long workerId, long datacenterId) {         if (workerId > maxWorkerId || workerId < 0) {             throw new IllegalArgumentException(String.fORMat("worker Id can't be greater than %d or less than 0", maxWorkerId));         }         if (datacenterId > maxDatacenterId || datacenterId < 0) {             throw new IllegalArgumentException(String.format("datacenter Id can't be greater than %d or less than 0", maxDatacenterId));         }         this.workerId = workerId;         this.datacenterId = datacenterId;     }          public synchronized long nextId() {         long timestamp = timeGen();         // 如果当前时间小于上一次ID生成的时间戳，说明系统时钟回退过这个时候应当抛出异常         if (timestamp < lastTimestamp) {             throw new RuntimeException(                     String.format("Clock moved backwards.  Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));         }         // 如果是同一时间生成的，则进行毫秒内序列         if (lastTimestamp == timestamp) {             sequence = (sequence + 1) & sequenceMask;             // 毫秒内序列溢出             if (sequence == 0) {                 //阻塞到下一个毫秒,获得新的时间戳                 timestamp = tilNextMillis(lastTimestamp);             }         }         // 时间戳改变，毫秒内序列重置         else {             sequence = 0L;         }         // 上次生成ID的时间截         lastTimestamp = timestamp;         // 移位并通过或运算拼到一起组成64位的ID         return ((timestamp - twepoch) << timestampLeftShift) //                 | (datacenterId << datacenterIdShift) //                 | (workerId << workerIdShift) //                 | sequence;     }          protected long tilNextMillis(long lastTimestamp) {         long timestamp = timeGen();         while (timestamp <= lastTimestamp) {             timestamp = timeGen();         }         return timestamp;     }          protected long timeGen() {         return System.currentTimeMillis();     }      public static SnowflakeIdWorker getInstance(){         return instance;     }       public static void main(String[] args) throws InterruptedException {         SnowflakeIdWorker idWorker = SnowflakeIdWorker.getInstance();         for (int i = 0; i < 10; i++) {             long id = idWorker.nextId();             Thread.sleep(1);             System.out.println(id);         }     } }

其他的操作，与上面类似。

2.3、uuid

同样的，uuid的生成，我们事先也可以将工具类编写好：

public class UUIDGenerator {           public static String getUUID(){         return UUID.randomUUID().toString();     } }

最后的单元测试，代码如下：

@RunWith(springRunner.class) @SpringBootTest() public class UUID1Test {      private static final Integer MAX_COUNT = 1000000;      @Autowired     private UUID1Mapper uuid1Mapper;      @Autowired     private UUID2Mapper uuid2Mapper;      @Autowired     private UUID3Mapper uuid3Mapper;           @Test     public void testInsert1(){         long start = System.currentTimeMillis();         for (int i = 0; i < MAX_COUNT; i++) {             uuid1Mapper.insert(new UUID1().setName("张三"));         }         long end = System.currentTimeMillis();         System.out.println("自增ID，花费时间：" +  (end - start));     }           @Test     public void testInsert2(){         long start = System.currentTimeMillis();         for (int i = 0; i < MAX_COUNT; i++) {             long id = SnowflakeIdWorker.getInstance().nextId();             uuid2Mapper.insert(new UUID2().setId(id).setName("张三"));         }         long end = System.currentTimeMillis();         System.out.println("花费时间：" +  (end - start));     }           @Test     public void testInsert3(){         long start = System.currentTimeMillis();         for (int i = 0; i < MAX_COUNT; i++) {             String id = UUIDGenerator.getUUID();             uuid3Mapper.insert(new UUID3().setId(id).setName("张三"));         }         long end = System.currentTimeMillis();         System.out.println("花费时间：" +  (end - start));     } }

三、性能测试

程序环境搭建完成之后，啥也不说了，直接撸起袖子，将单元测试跑起来!

首先测试一下，插入100万数据的情况下，三者直接的耗时结果如下：

为什么不能用uuid作为数据库主键

在原有的数据量上，我们继续插入30万条数据，三者耗时结果如下：

为什么不能用uuid作为数据库主键

可以看出在数据量 100W 左右的时候，uuid的插入效率垫底，随着插入的数据量增长，uuid 生成的ID插入呈直线下降!

时间占用量总体效率排名为：自增ID > 雪花算法生成的ID >> uuid生成的ID。

在数据量较大的情况下，为什么uuid生成的ID远不如自增ID呢?

关于这点，我们可以从 Mysql 主键存储的内部结构来进行分析。

3.1、自增ID内部结构

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。

为什么不能用uuid作为数据库主键

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)，会进行如下操作：

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
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

3.2、使用uuid的索引内部结构

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。

为什么不能用uuid作为数据库主键

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：

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
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
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

在把值载入到聚簇索引(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。

因此，在选择主键ID生成方案的时候，尽可能别采用uuid的方式来生成主键ID，随着数据量越大，插入性能会越低!