MySQL中的UUID

2024-05-02 02:18
文章标签 mysql uuid database

本文主要是介绍MySQL中的UUID,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

避免主键冲突可以有多种方法,其中UUID比较方便而已。

使用UUID

  • 涉及分布式数据库间数据共享与同步的问题

以订单为例,假设有:中心A,中心B,中心C。。。服务器,各服务器均能独立产生订单。最终汇总到中心0服务器中。如果使用自增长主键就会在数据汇聚的时候产生冲突。

UUID可以很好地解决这个问题。

  • JAVA生成UUID

UUID.randomUUID().toString().replaceAll("-","");

UUID的性能问题

由于MySQL的InnoDB类型表在插入数据的时候进行了逐渐排序。因此对于随机UUID在数据量大的时候会出现性能下降的情况

性能损失如图:

这里写图片描述

数据来源MySQL InnoDB Primary Key Choise

提高MySQL中UUID查询性能的方法

很多文章中都提到了将UUID以binary形式存储可以显著提高性能。

如 storing-billions-uuid-fields-mysql-innodb

这篇博文就有详细性能对比:

  • UUID - CHAR(36)

INSERT PERFORMANCE
--------------------------------------------------------
total_rows           chunk_size           time_taken
100000               100000               1.87230491638
200000               100000               2.42642807961
300000               100000               3.65519285202
400000               100000               4.23701429367
500000               100000               4.88455510139
600000               100000               5.57620716095
700000               100000               7.50717425346
800000               100000               9.49350070953
900000               100000               10.1547751427
1000000              100000               12.0748021603
1100000              100000               12.277310133
1200000              100000               12.2819159031
1300000              100000               16.9854588509
1400000              100000               20.3873689175
1500000              100000               21.8642649651
1600000              100000               24.4224257469
1700000              100000               29.6857917309
1800000              100000               31.5416200161
1900000              100000               35.4671728611
2000000              100000               41.4726109505SELECT PERFORMANCE
--------------------------------------------------------
total_rows           chunk_size           time_taken
100000               10000                0.165283203125
200000               10000                0.163378000259
300000               10000                0.162928104401
400000               10000                0.164531946182
500000               10000                0.170125961304
600000               10000                0.167329072952
700000               10000                0.166491746902
800000               10000                0.174521684647
900000               10000                0.167996168137
1000000              10000                0.171768426895
1100000              10000                0.171753883362
1200000              10000                0.170397043228
1300000              10000                0.175933599472
1400000              10000                0.188637733459
1500000              10000                0.205511808395
1600000              10000                0.764106750488
1700000              10000                0.584647893906
1800000              10000                0.814380884171
1900000              10000                0.549372911453
2000000              10000                0.635137557983
  • UUID - BINARY(16)

INSERT PERFORMANCE
--------------------------------------------------------
total_rows           chunk_size           time_taken
100000               100000               2.35787940025
200000               100000               1.5819132328
300000               100000               2.00737380981
400000               100000               2.36268806458
500000               100000               1.95024132729
600000               100000               2.52386879921
700000               100000               2.46662926674
800000               100000               3.63739991188
900000               100000               3.62550187111
1000000              100000               4.08164095879
1100000              100000               4.74432897568
1200000              100000               6.74240970612
1300000              100000               6.22160053253
1400000              100000               8.04201221466
1500000              100000               6.05508232117
1600000              100000               6.95644521713
1700000              100000               5.36873197556
1800000              100000               7.14802789688
1900000              100000               7.14896821976
2000000              100000               9.12283611298SELECT PERFORMANCE
--------------------------------------------------------
total_rows           chunk_size           time_taken
100000               10000                0.0722301006317
200000               10000                0.0698809623718
300000               10000                0.0726082324982
400000               10000                0.0731747150421
500000               10000                0.0735011100769
600000               10000                0.0744516849518
700000               10000                0.0759541988373
800000               10000                0.0766224861145
900000               10000                0.0773425102234
1000000              10000                0.0773928165436
1100000              10000                0.0789988040924
1200000              10000                0.0786738395691
1300000              10000                0.077996969223
1400000              10000                0.0804636478424
1500000              10000                0.0809540748596
1600000              10000                0.0811409950256
1700000              10000                0.081680059433
1800000              10000                0.0814859867096
1900000              10000                0.0813221931458
2000000              10000                0.0838458538055

可以看出性能有了极大的提升。

JPA中的具体表实体设置

参考文章Hibernate和UUID标示符

该方法缺陷在于:主键数据在数据库管理工具中显示为乱码。

@Id@Column(columnDefinition = "BINARY(16)")private UUID uuid;

这篇关于MySQL中的UUID的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/953196

相关文章

Python与MySQL实现数据库实时同步的详细步骤

《Python与MySQL实现数据库实时同步的详细步骤》在日常开发中,数据同步是一项常见的需求,本篇文章将使用Python和MySQL来实现数据库实时同步,我们将围绕数据变更捕获、数据处理和数据写入这... 目录前言摘要概述:数据同步方案1. 基本思路2. mysql Binlog 简介实现步骤与代码示例1

使用shardingsphere实现mysql数据库分片方式

《使用shardingsphere实现mysql数据库分片方式》本文介绍如何使用ShardingSphere-JDBC在SpringBoot中实现MySQL水平分库,涵盖分片策略、路由算法及零侵入配置... 目录一、ShardingSphere 简介1.1 对比1.2 核心概念1.3 Sharding-Sp

MySQL 表空却 ibd 文件过大的问题及解决方法

《MySQL表空却ibd文件过大的问题及解决方法》本文给大家介绍MySQL表空却ibd文件过大的问题及解决方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考... 目录一、问题背景:表空却 “吃满” 磁盘的怪事二、问题复现:一步步编程还原异常场景1. 准备测试源表与数据

Mac电脑如何通过 IntelliJ IDEA 远程连接 MySQL

《Mac电脑如何通过IntelliJIDEA远程连接MySQL》本文详解Mac通过IntelliJIDEA远程连接MySQL的步骤,本文通过图文并茂的形式给大家介绍的非常详细,感兴趣的朋友跟... 目录MAC电脑通过 IntelliJ IDEA 远程连接 mysql 的详细教程一、前缀条件确认二、打开 ID

MySQL的配置文件详解及实例代码

《MySQL的配置文件详解及实例代码》MySQL的配置文件是服务器运行的重要组成部分,用于设置服务器操作的各种参数,下面:本文主要介绍MySQL配置文件的相关资料,文中通过代码介绍的非常详细,需要... 目录前言一、配置文件结构1.[mysqld]2.[client]3.[mysql]4.[mysqldum

MySQL中查询和展示LONGBLOB类型数据的技巧总结

《MySQL中查询和展示LONGBLOB类型数据的技巧总结》在MySQL中LONGBLOB是一种二进制大对象(BLOB)数据类型,用于存储大量的二进制数据,:本文主要介绍MySQL中查询和展示LO... 目录前言1. 查询 LONGBLOB 数据的大小2. 查询并展示 LONGBLOB 数据2.1 转换为十

Go语言连接MySQL数据库执行基本的增删改查

《Go语言连接MySQL数据库执行基本的增删改查》在后端开发中,MySQL是最常用的关系型数据库之一,本文主要为大家详细介绍了如何使用Go连接MySQL数据库并执行基本的增删改查吧... 目录Go语言连接mysql数据库准备工作安装 MySQL 驱动代码实现运行结果注意事项Go语言执行基本的增删改查准备工作

MySQL按时间维度对亿级数据表进行平滑分表

《MySQL按时间维度对亿级数据表进行平滑分表》本文将以一个真实的4亿数据表分表案例为基础,详细介绍如何在不影响线上业务的情况下,完成按时间维度分表的完整过程,感兴趣的小伙伴可以了解一下... 目录引言一、为什么我们需要分表1.1 单表数据量过大的问题1.2 分表方案选型二、分表前的准备工作2.1 数据评估

SQL Server 查询数据库及数据文件大小的方法

《SQLServer查询数据库及数据文件大小的方法》文章介绍了查询数据库大小的SQL方法及存储过程实现,涵盖当前数据库、所有数据库的总大小及文件明细,本文结合实例代码给大家介绍的非常详细,感兴趣的... 目录1. 直接使用SQL1.1 查询当前数据库大小1.2 查询所有数据库的大小1.3 查询每个数据库的详

MySQL中REPLACE函数与语句举例详解

《MySQL中REPLACE函数与语句举例详解》在MySQL中REPLACE函数是一个用于处理字符串的强大工具,它的主要功能是替换字符串中的某些子字符串,:本文主要介绍MySQL中REPLACE函... 目录一、REPLACE()函数语法:参数说明:功能说明:示例:二、REPLACE INTO语句语法:参数