為什么不能用uuid作為數(shù)據(jù)庫(kù)主鍵

這篇文章主要介紹“為什么不能用uuid作為數(shù)據(jù)庫(kù)主鍵”，在日常操作中，相信很多人在為什么不能用uuid作為數(shù)據(jù)庫(kù)主鍵問(wèn)題上存在疑惑，小編查閱了各式資料，整理出簡(jiǎn)單好用的操作方法，希望對(duì)大家解答”為什么不能用uuid作為數(shù)據(jù)庫(kù)主鍵”的疑惑有所幫助！接下來(lái)，請(qǐng)跟著小編一起來(lái)學(xué)習(xí)吧！

 一、摘要

在日常開發(fā)中，數(shù)據(jù)庫(kù)中主鍵id的生成方案，主要有三種

數(shù)據(jù)庫(kù)自增ID

采用隨機(jī)數(shù)生成不重復(fù)的ID

采用jdk提供的uuid

對(duì)于這三種方案，我發(fā)現(xiàn)在數(shù)據(jù)量少的情況下，沒(méi)有特別的差異，但是當(dāng)單表的數(shù)據(jù)量達(dá)到百萬(wàn)級(jí)以上時(shí)候，他們的性能有著顯著的區(qū)別，光說(shuō)理論不行，還得看實(shí)際程序測(cè)試，今天小編就帶著大家一探究竟!

二、程序?qū)嵗?/h4>

首先，我們?cè)诒镜財(cái)?shù)據(jù)庫(kù)中創(chuàng)建三張單表tb_uuid_1、tb_uuid_2、tb_uuid_3，同時(shí)設(shè)置tb_uuid_1表的主鍵為自增長(zhǎng)模式，腳本如下：

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='主鍵ID自增長(zhǎng)';

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='主鍵ID隨機(jī)數(shù)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='主鍵采用uuid生成';

下面，我們采用Springboot + mybatis來(lái)實(shí)現(xiàn)插入測(cè)試。

2.1、數(shù)據(jù)庫(kù)自增

以數(shù)據(jù)庫(kù)自增為例，首先編寫好各種實(shí)體、數(shù)據(jù)持久層操作，方便后續(xù)進(jìn)行測(cè)試

/**  * 表實(shí)體  */ public class UUID1 implements Serializable {      private Long id;      private String name;      //省略set、get }

/**  * 數(shù)據(jù)持久層操作  */ public interface UUID1Mapper {      /**      * 自增長(zhǎng)插入      * @param uuid1      */     @Insert("INSERT INTO tb_uuid_1(name) VALUES(#{name})")     void insert(UUID1 uuid1); }

/**  * 自增ID，單元測(cè)試  */ @Test public void testInsert1(){     long start = System.currentTimeMillis();     for (int i = 0; i < 1000000; i++) {         uuid1Mapper.insert(new UUID1().setName("張三"));     }     long end = System.currentTimeMillis();     System.out.println("花費(fèi)時(shí)間：" +  (end - start)); }

2.2、采用隨機(jī)數(shù)生成ID

這里，我們采用twitter的雪花算法來(lái)實(shí)現(xiàn)隨機(jī)數(shù)ID的生成，工具類如下：

public class SnowflakeIdWorker {      private static SnowflakeIdWorker instance = new SnowflakeIdWorker(0,0);      /**      * 開始時(shí)間截 (2015-01-01)      */     private final long twepoch = 1420041600000L;     /**      * 機(jī)器id所占的位數(shù)      */     private final long workerIdBits = 5L;     /**      * 數(shù)據(jù)標(biāo)識(shí)id所占的位數(shù)      */     private final long datacenterIdBits = 5L;     /**      * 支持的最大機(jī)器id，結(jié)果是31 (這個(gè)移位算法可以很快的計(jì)算出幾位二進(jìn)制數(shù)所能表示的最大十進(jìn)制數(shù))      */     private final long maxWorkerId = -1L ^ (-1L << workerIdBits);     /**      * 支持的最大數(shù)據(jù)標(biāo)識(shí)id，結(jié)果是31      */     private final long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);     /**      * 序列在id中占的位數(shù)      */     private final long sequenceBits = 12L;     /**      * 機(jī)器ID向左移12位      */     private final long workerIdShift = sequenceBits;     /**      * 數(shù)據(jù)標(biāo)識(shí)id向左移17位(12+5)      */     private final long datacenterIdShift = sequenceBits + workerIdBits;     /**      * 時(shí)間截向左移22位(5+5+12)      */     private final long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;     /**      * 生成序列的掩碼，這里為4095 (0b111111111111=0xfff=4095)      */     private final long sequenceMask = -1L ^ (-1L << sequenceBits);     /**      * 工作機(jī)器ID(0~31)      */     private long workerId;     /**      * 數(shù)據(jù)中心ID(0~31)      */     private long datacenterId;     /**      * 毫秒內(nèi)序列(0~4095)      */     private long sequence = 0L;     /**      * 上次生成ID的時(shí)間截      */     private long lastTimestamp = -1L;     /**      * 構(gòu)造函數(shù)      * @param workerId     工作ID (0~31)      * @param datacenterId 數(shù)據(jù)中心ID (0~31)      */     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;     }     /**      * 獲得下一個(gè)ID (該方法是線程安全的)      * @return SnowflakeId      */     public synchronized long nextId() {         long timestamp = timeGen();         // 如果當(dāng)前時(shí)間小于上一次ID生成的時(shí)間戳，說(shuō)明系統(tǒng)時(shí)鐘回退過(guò)這個(gè)時(shí)候應(yīng)當(dāng)拋出異常         if (timestamp < lastTimestamp) {             throw new RuntimeException(                     String.format("Clock moved backwards.  Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));         }         // 如果是同一時(shí)間生成的，則進(jìn)行毫秒內(nèi)序列         if (lastTimestamp == timestamp) {             sequence = (sequence + 1) & sequenceMask;             // 毫秒內(nèi)序列溢出             if (sequence == 0) {                 //阻塞到下一個(gè)毫秒,獲得新的時(shí)間戳                 timestamp = tilNextMillis(lastTimestamp);             }         }         // 時(shí)間戳改變，毫秒內(nèi)序列重置         else {             sequence = 0L;         }         // 上次生成ID的時(shí)間截         lastTimestamp = timestamp;         // 移位并通過(guò)或運(yùn)算拼到一起組成64位的ID         return ((timestamp - twepoch) << timestampLeftShift) //                 | (datacenterId << datacenterIdShift) //                 | (workerId << workerIdShift) //                 | sequence;     }     /**      * 阻塞到下一個(gè)毫秒，直到獲得新的時(shí)間戳      * @param lastTimestamp 上次生成ID的時(shí)間截      * @return 當(dāng)前時(shí)間戳      */     protected long tilNextMillis(long lastTimestamp) {         long timestamp = timeGen();         while (timestamp <= lastTimestamp) {             timestamp = timeGen();         }         return timestamp;     }     /**      * 返回以毫秒為單位的當(dāng)前時(shí)間      * @return 當(dāng)前時(shí)間(毫秒)      */     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，與上面類似。

2.3、uuid

同樣的，uuid的生成，我們事先也可以將工具類編寫好：

public class UUIDGenerator {      /**      * 獲取uuid      * @return      */     public static String getUUID(){         return UUID.randomUUID().toString();     } }

最后的單元測(cè)試，代碼如下：

@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;      /**      * 測(cè)試自增ID耗時(shí)      */     @Test     public void testInsert1(){         long start = System.currentTimeMillis();         for (int i = 0; i < MAX_COUNT; i++) {             uuid1Mapper.insert(new UUID1().setName("張三"));         }         long end = System.currentTimeMillis();         System.out.println("自增ID，花費(fèi)時(shí)間：" +  (end - start));     }      /**      * 測(cè)試采用雪花算法生產(chǎn)的隨機(jī)數(shù)ID耗時(shí)      */     @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("張三"));         }         long end = System.currentTimeMillis();         System.out.println("花費(fèi)時(shí)間：" +  (end - start));     }      /**      * 測(cè)試采用UUID生成的ID耗時(shí)      */     @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("張三"));         }         long end = System.currentTimeMillis();         System.out.println("花費(fèi)時(shí)間：" +  (end - start));     } }

三、性能測(cè)試

程序環(huán)境搭建完成之后，啥也不說(shuō)了，直接擼起袖子，將單元測(cè)試跑起來(lái)!

首先測(cè)試一下，插入100萬(wàn)數(shù)據(jù)的情況下，三者直接的耗時(shí)結(jié)果如下：

在原有的數(shù)據(jù)量上，我們繼續(xù)插入30萬(wàn)條數(shù)據(jù)，三者耗時(shí)結(jié)果如下：

可以看出在數(shù)據(jù)量 100W 左右的時(shí)候，uuid的插入效率墊底，隨著插入的數(shù)據(jù)量增長(zhǎng)，uuid 生成的ID插入呈直線下降!

時(shí)間占用量總體效率排名為：自增ID > 雪花算法生成的ID >> uuid生成的ID。

在數(shù)據(jù)量較大的情況下，為什么uuid生成的ID遠(yuǎn)不如自增ID呢?

關(guān)于這點(diǎn)，我們可以從 mysql 主鍵存儲(chǔ)的內(nèi)部結(jié)構(gòu)來(lái)進(jìn)行分析。

3.1、自增ID內(nèi)部結(jié)構(gòu)

自增的主鍵的值是順序的，所以 Innodb 把每一條記錄都存儲(chǔ)在一條記錄的后面。

當(dāng)達(dá)到頁(yè)面的最大填充因子時(shí)候(innodb默認(rèn)的最大填充因子是頁(yè)大小的15/16,會(huì)留出1/16的空間留作以后的修改)，會(huì)進(jìn)行如下操作：

• 下一條記錄就會(huì)寫入新的頁(yè)中，一旦數(shù)據(jù)按照這種順序的方式加載，主鍵頁(yè)就會(huì)近乎于順序的記錄填滿，提升了頁(yè)面的最大填充率，不會(huì)有頁(yè)的浪費(fèi)

• 新插入的行一定會(huì)在原有的最大數(shù)據(jù)行下一行，mysql定位和尋址很快，不會(huì)為計(jì)算新行的位置而做出額外的消耗

3.2、使用uuid的索引內(nèi)部結(jié)構(gòu)

uuid相對(duì)順序的自增id來(lái)說(shuō)是毫無(wú)規(guī)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(wú)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(lái)分配新的空間。

這個(gè)過(guò)程需要做很多額外的操作，數(shù)據(jù)的毫無(wú)順序會(huì)導(dǎo)致數(shù)據(jù)分布散亂，將會(huì)導(dǎo)致以下的問(wèn)題：

• 寫入的目標(biāo)頁(yè)很可能已經(jīng)刷新到磁盤上并且從緩存上移除，或者還沒(méi)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(biāo)頁(yè)到內(nèi)存中，這將導(dǎo)致大量的隨機(jī)IO

• 因?yàn)閷懭胧莵y序的,innodb不得不頻繁的做頁(yè)分裂操作,以便為新的行分配空間,頁(yè)分裂導(dǎo)致移動(dòng)大量的數(shù)據(jù)，一次插入最少需要修改三個(gè)頁(yè)以上

• 由于頻繁的頁(yè)分裂，頁(yè)會(huì)變得稀疏并被不規(guī)則的填充，最終會(huì)導(dǎo)致數(shù)據(jù)會(huì)有碎片

在把值載入到聚簇索引(innodb默認(rèn)的索引類型)以后，有時(shí)候會(huì)需要做一次OPTIMEIZE  TABLE來(lái)重建表并優(yōu)化頁(yè)的填充，這將又需要一定的時(shí)間消耗。

因此，在選擇主鍵ID生成方案的時(shí)候，盡可能別采用uuid的方式來(lái)生成主鍵ID，隨著數(shù)據(jù)量越大，插入性能會(huì)越低!

四、總結(jié)

在實(shí)際使用過(guò)程中，推薦使用主鍵自增ID和雪花算法生成的隨機(jī)ID。

但是使用自增ID也有缺點(diǎn)：

1、別人一旦爬取你的數(shù)據(jù)庫(kù)，就可以根據(jù)數(shù)據(jù)庫(kù)的自增id獲取到你的業(yè)務(wù)增長(zhǎng)信息，很容易進(jìn)行數(shù)據(jù)竊取。2、其次，對(duì)于高并發(fā)的負(fù)載，innodb在按主鍵進(jìn)行插入的時(shí)候會(huì)造成明顯的鎖爭(zhēng)用，主鍵的上界會(huì)成為爭(zhēng)搶的熱點(diǎn)，因?yàn)樗械牟迦攵及l(fā)生在這里，并發(fā)插入會(huì)導(dǎo)致間隙鎖競(jìng)爭(zhēng)。

總結(jié)起來(lái)，如果業(yè)務(wù)量小，推薦采用自增ID，如果業(yè)務(wù)量大，推薦采用雪花算法生成的隨機(jī)ID。

到此，關(guān)于“為什么不能用uuid作為數(shù)據(jù)庫(kù)主鍵”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實(shí)踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識(shí)，請(qǐng)繼續(xù)關(guān)注億速云網(wǎng)站，小編會(huì)繼續(xù)努力為大家?guī)?lái)更多實(shí)用的文章！