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 形且唯一，单机递增)，而是推荐连续自增的主键 id，官方的推荐是 auto_increment。

图片来自 Pexels

那么为什么不建议采用 uuid，使用 uuid 究竟有什么坏处?本问我们从以下几个部分来分析这个问题，探讨一下内部的原因：

MySQL 程序实例 使用 uuid 和自增 id 的索引结构对比 总结

MySQL 程序实例

要说明这个问题，我们首先来建立三张表，分别是：

user_auto_key user_uuid user_random_key

他们分别表示自动增长的主键，uuid 作为主键，随机 key 作为主键，其他我们完全保持不变。

根据控制变量法，我们只把每个表的主键使用不同的策略生成，而其他的字段完全一样，然后测试一下表的插入速度和查询速度。

注：这里的随机 key 其实是指用雪花算法算出来的前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：

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：Spring Boot+jdbcTemplate+junit+hutool，程序的原理就是连接自己的测试数据库，然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。

为了做到最真实的效果，所有的数据采用随机生成，比如名字、邮箱、地址都是随机生成：

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);     }

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：

效率测试结果

在已有数据量为 130W 的时候：我们再来测试一下插入 10w 数据，看看会有什么结果：

可以看出在数据量 100W 左右的时候，uuid 的插入效率垫底，并且在后序增加了 130W 的数据，uuid 的时间又直线下降。

时间占用量总体可以打出的效率排名为：auto_key>random_key>uuid。

uuid 的效率最低，在数据量较大的情况下，效率直线下滑。那么为什么会出现这样的现象呢?带着疑问,我们来探讨一下这个问题：

使用 uuid 和自增 id 的索引结构对比

使用自增 id 的内部结构

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。

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)。

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，提升了页面的最大填充率，不会有页的浪费。

②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减少了页分裂和碎片的产生。

使用 uuid 的索引内部结构

因为 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。

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：

①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。

②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。

③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。

在把随机值(uuid 和雪花 id)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。

结论：使用 InnoDB 应该尽可能的按主键的自增顺序插入，并且尽可能使用单调的增加的聚簇键的值来插入新行。

使用自增 id 的缺点

那么使用自增的 id 就完全没有坏处了吗?并不是，自增 id 也会存在以下几点问题：

①别人一旦爬取你的数据库，就可以根据数据库的自增 id 获取到你的业务增长信息，很容易分析出你的经营情况。

②对于高并发的负载，InnoDB 在按主键进行插入的时候会造成明显的锁争用，主键的上界会成为争抢的热点，因为所有的插入都发生在这里，并发插入会导致间隙锁竞争。

③Auto_Increment 锁机制会造成自增锁的抢夺，有一定的性能损失。

附：Auto_increment的锁争抢问题，如果要改善需要调优 innodb_autoinc_lock_mode 的配置。

总结

本篇博客首先从开篇的提出问题,建表到使用 jdbcTemplate 去测试不同 id 的生成策略在大数据量的数据插入表现，然后分析了 id 的机制不同在 MySQL 的索引结构以及优缺点，深入的解释了为何 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。

在实际的开发中还是根据 MySQL 的官方推荐最好使用自增 id，MySQL 博大精深，内部还有很多值得优化的点需要我们学习。

作者：Yrion

编辑：陶家龙

出处：cnblogs.com/wyq178/p/12548864.html