一、前言

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

• 數(shù)據(jù)庫自增ID

• 采用隨機數(shù)生成不重復(fù)的ID

• 采用jdk提供的uuid

對于這三種方案，我發(fā)現(xiàn)在數(shù)據(jù)量少的情況下，沒有特別的差異，但是當單表的數(shù)據(jù)量達到百萬級以上時候，他們的性能有著顯著的區(qū)別，光說理論不行，還得看實際程序測試，今天就帶著大家一探究竟！

二、程序?qū)嵗?/h3>

首先，我們在本地數(shù)據(jù)庫中創(chuàng)建三張單表tb_uuid_1、tb_uuid_2、tb_uuid_3，同時設(shè)置tb_uuid_1表的主鍵為自增長模式，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'; 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來實現(xiàn)插入測試。

2.1、數(shù)據(jù)庫自增

以數(shù)據(jù)庫自增為例，首先編寫好各種實體、數(shù)據(jù)持久層操作，方便后續(xù)進行測試

/***?表實體*/ 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?{/***?自增長插入*?@param?uuid1*/@Insert("INSERT?INTO?tb_uuid_1(name)?VALUES(#{name})")void?insert(UUID1?uuid1); } /***?自增ID，單元測試*/ @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("花費時間："?+??(end?-?start)); }

2.2、采用隨機數(shù)生成ID

這里，我們采用twitter的雪花算法來實現(xiàn)隨機數(shù)ID的生成，工具類如下：

public?class?SnowflakeIdWorker?{private?static?SnowflakeIdWorker?instance?=?new?SnowflakeIdWorker(0,0);/***?開始時間截?(2015-01-01)*/private?final?long?twepoch?=?1420041600000L;/***?機器id所占的位數(shù)*/private?final?long?workerIdBits?=?5L;/***?數(shù)據(jù)標識id所占的位數(shù)*/private?final?long?datacenterIdBits?=?5L;/***?支持的最大機器id，結(jié)果是31?(這個移位算法可以很快的計算出幾位二進制數(shù)所能表示的最大十進制數(shù))*/private?final?long?maxWorkerId?=?-1L?^?(-1L?<<?workerIdBits);/***?支持的最大數(shù)據(jù)標識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;/***?機器ID向左移12位*/private?final?long?workerIdShift?=?sequenceBits;/***?數(shù)據(jù)標識id向左移17位(12+5)*/private?final?long?datacenterIdShift?=?sequenceBits?+?workerIdBits;/***?時間截向左移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ID?(該方法是線程安全的)*?@return?SnowflakeId*/public?synchronized?long?nextId()?{long?timestamp?=?timeGen();//?如果當前時間小于上一次ID生成的時間戳，說明系統(tǒng)時鐘回退過這個時候應(yīng)當拋出異常if?(timestamp?<?lastTimestamp)?{throw?new?RuntimeException(String.format("Clock?moved?backwards.??Refusing?to?generate?id?for?%d?milliseconds",?lastTimestamp?-?timestamp));}//?如果是同一時間生成的，則進行毫秒內(nèi)序列if?(lastTimestamp?==?timestamp)?{sequence?=?(sequence?+?1)?&?sequenceMask;//?毫秒內(nèi)序列溢出if?(sequence?==?0)?{//阻塞到下一個毫秒,獲得新的時間戳timestamp?=?tilNextMillis(lastTimestamp);}}//?時間戳改變，毫秒內(nèi)序列重置else?{sequence?=?0L;}//?上次生成ID的時間截lastTimestamp?=?timestamp;//?移位并通過或運算拼到一起組成64位的IDreturn?((timestamp?-?twepoch)?<<?timestampLeftShift)?//|?(datacenterId?<<?datacenterIdShift)?//|?(workerId?<<?workerIdShift)?//|?sequence;}/***?阻塞到下一個毫秒，直到獲得新的時間戳*?@param?lastTimestamp?上次生成ID的時間截*?@return?當前時間戳*/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前時間*?@return?當前時間(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();} }

最后的單元測試，代碼如下：

@RunWith(SpringRunner.class) @SpringBootTest() public?class?UUID1Test?{private?static?final?Integer?MAX_COUNT?=?1000000;@Autowiredprivate?UUID1Mapper?uuid1Mapper;@Autowiredprivate?UUID2Mapper?uuid2Mapper;@Autowiredprivate?UUID3Mapper?uuid3Mapper;/***?測試自增ID耗時*/@Testpublic?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，花費時間："?+??(end?-?start));}/***?測試采用雪花算法生產(chǎn)的隨機數(shù)ID耗時*/@Testpublic?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("花費時間："?+??(end?-?start));}/***?測試采用UUID生成的ID耗時*/@Testpublic?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("花費時間："?+??(end?-?start));} }

三、性能測試

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

首先測試一下，插入100萬數(shù)據(jù)的情況下，三者直接的耗時結(jié)果如下：

在原有的數(shù)據(jù)量上，我們繼續(xù)插入30萬條數(shù)據(jù)，三者耗時結(jié)果如下：

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

時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遠不如自增ID呢？

關(guān)于這點，我們可以從 mysql 主鍵存儲的內(nèi)部結(jié)構(gòu)來進行分析。

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在一條記錄的后面。

當達到頁面的最大填充因子時候(innodb默認的最大填充因子是頁大小的15/16,會留出1/16的空間留作以后的修改)，會進行如下操作：

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

• 新插入的行一定會在原有的最大數(shù)據(jù)行下一行，mysql定位和尋址很快，不會為計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相對順序的自增id來說是毫無規(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分配新的空間。

這個過程需要做很多額外的操作，數(shù)據(jù)的毫無順序會導(dǎo)致數(shù)據(jù)分布散亂，將會導(dǎo)致以下的問題：

• 寫入的目標頁很可能已經(jīng)刷新到磁盤上并且從緩存上移除，或者還沒有被加載到緩存中，innodb在插入之前不得不先找到并從磁盤讀取目標頁到內(nèi)存中，這將導(dǎo)致大量的隨機IO

• 因為寫入是亂序的,innodb不得不頻繁的做頁分裂操作,以便為新的行分配空間,頁分裂導(dǎo)致移動大量的數(shù)據(jù)，一次插入最少需要修改三個頁以上

• 由于頻繁的頁分裂，頁會變得稀疏并被不規(guī)則的填充，最終會導(dǎo)致數(shù)據(jù)會有碎片

在把值載入到聚簇索引(innodb默認的索引類型)以后，有時候會需要做一次OPTIMEIZE TABLE來重建表并優(yōu)化頁的填充，這將又需要一定的時間消耗。

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

四、總結(jié)

在實際使用過程中，推薦使用主鍵自增ID和雪花算法生成的隨機ID。

但是使用自增ID也有缺點：

別人一旦爬取你的數(shù)據(jù)庫，就可以根據(jù)數(shù)據(jù)庫的自增id獲取到你的業(yè)務(wù)增長信息，很容易進行數(shù)據(jù)竊取。

其次，對于高并發(fā)的負載，innodb在按主鍵進行插入的時候會造成明顯的鎖爭用，主鍵的上界會成為爭搶的熱點，因為所有的插入都發(fā)生在這里，并發(fā)插入會導(dǎo)致間隙鎖競爭。

總結(jié)起來，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ID。

本篇文章主要從實際程序?qū)嵗霭l(fā)，討論了三種主鍵ID生成方案的性能差異， 鑒于筆者才疏學(xué)淺，可能也有理解不到位的地方，歡迎網(wǎng)友們批評指出！

五、參考

1、方志明 - 使用雪花id或uuid作為Mysql主鍵，被老板懟了一頓！

---

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎勵來咯，堅持創(chuàng)作打卡瓜分現(xiàn)金大獎

總結(jié)

以上是生活随笔為你收集整理的使用uuid作为数据库主键，被技术总监怼了！的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。