（给数据分析与开发加星标，提升数据技能）
来源：张泰峰
www.cnblogs.com/ztfjs/p/mysql_primary.html
了解主键、外键、索引
主键
主键的主要作用是保证表的完整、保证表数据行的唯一性质，
① 业务主键（自然主键）：在数据库表中把具有业务逻辑含义的字段作为主键，称为“自然主键(Natural Key)”。
自然主键的含义就是原始数据中存在的不重复字段，直接使用成为主键字段。 这种方式对业务的耦合太强，一般不会使用。
② 逻辑主键（代理主键）：在数据库表中采用一个与当前表中逻辑信息无关的字段作为其主键，称为“代理主键”。
逻辑主键提供了一个与当前表数据逻辑无关的字段作为主键，逻辑主键被广泛使用在业务表、数据表，一般有几种生成方式：uuid、自增。其中使用最多的是自增，逻辑主键成功的避免了主键与数据表关联耦合的问题，与业务主键不同的是，业务主键的数据一旦发生更改，那么那个系统中关于主键的所有信息都需要连带修改，这是不可避免的，并且这个更改是随业务需求的增量而不断的增加、膨胀。而逻辑主键与应用耦合度低，它与数据无任何必要的关系，你可以只关心：第一条数据； 而不用关心： 名字是a的那条数据。 某一天名字改成b， 你还是只关心：第一条数据。
业务的更改几乎是不可避免的，前期任何产品经理言之凿凿的不修改论调都是不可靠、不切实际的。我们必须考虑主键数据在更改的情况下，数据能否平稳度过危机。
③ 复合主键（联合主键）：通过两个或者多个字段的组合作为主键。
复合主键可以说是业务主键的升级版本，通常一个业务字段不能够确定一条数据的唯一性，例如 张三的身份证是34123322， 张三这种大众名称100%会出现重复。我们可以用姓名 + 身份证的方式表示主键，声明一个唯一的记录。
有时候，复合主键是复杂的。 姓名+身份证 不一定能表示不重复，虽然身份证在17年消除了重复的问题，但是之前的数据呢？ 可能我们需要新增一个地址作为联合主键，例如 姓名 + 身份证 + 联系地址确认一个人的身份。在其他的业务中，例如访问控制，用户 + 终端 + 终端类型 + 站点 + 页面 + 时间，可能六个字段的联合才能够去确定一个字段的唯一性，这另复杂度陡升。
另外如果其他表要与该表关联则需要引用复合主键的所有字段，这就不单纯是性能问题了，还有存储空间的问题了，当然你也可以认为这是合理的数据冗余，方便查询，但是感觉有点得不偿失。
使用复合主键的原因可能是：对于关系表来说必须关联两个实体表的主键，才能表示它们之间的关系，那么可以把这两个主键联合组成复合主键即可。
如果两个实体存在多个关系，可以再加一个顺序字段联合组成复合主键，但是这样就会引入业务主键的弊端。当然也可以另外对这个关系表添加一个逻辑主键，避免了业务主键的弊端，同时也方便其他表对它的引用。
外键
外键是一种约束，表与表的关联约束，例如a表依赖关联b表的某个字段，你可以设置a表字段外键关联到b表的字段，将两张表强制关联起来，这时候产生两个效果
① 表 b 无法被删除，你必须先删除a表
② 新增的数据必须与表b某行关联
这对某些需要强耦合的业务操作来说很有必要，但、 要强调但是，外键约束我认为，不可滥用，没有合适的理由支撑它的使用的话，将导致业务强制耦合。另外对开发人员不够友好。使用外键一定不能超过3表相互。否则将引出很多的麻烦而不得不取消外键。
索引
索引用于快速找出在某个列中有一特定值的行，不使用索引，MySQL必须从第一条记录开始读完整个表，直到找出相关的行，表越大，查询数据所花费的时间就越多，如果表中查询的列有一个索引，MySQL能够快速到达一个位置去搜索数据文件，而不必查看所有数据，那么将会节省很大一部分时间。
例如：有一张person表，其中有2W条记录，记录着2W个人的信息。有一个Phone的字段记录每个人的电话号码，现在想要查询出电话号码为xxxx的人的信息。
如果没有索引，那么将从表中第一条记录一条条往下遍历，直到找到该条信息为止。
如果有了索引，那么会将该Phone字段，通过一定的方法进行存储，好让查询该字段上的信息时，能够快速找到对应的数据，而不必在遍历2W条数据了。其中MySQL中的索引的存储类型有两种BTREE、HASH。 也就是用树或者Hash值来存储该字段，要知道其中详细是如何查找的，就需要会算法的知识了。我们现在只需要知道索引的作用，功能是什么就行。
优点：
1、所有的MySql列类型(字段类型)都可以被索引，也就是可以给任意字段设置索引
2、大大加快数据的查询速度
缺点：
1、创建索引和维护索引要耗费时间，并且随着数据量的增加所耗费的时间也会增加
2、索引也需要占空间，我们知道数据表中的数据也会有最大上线设置的，如果我们有大量的索引，索引文件可能会比数据文件更快达到上线值
3、当对表中的数据进行增加、删除、修改时，索引也需要动态的维护，降低了数据的维护速度。
使用原则：
索引需要合理的使用。
1、对经常更新的表就避免对其进行过多的索引，对经常用于查询的字段应该创建索引，
2、数据量小的表最好不要使用索引，因为由于数据较少，可能查询全部数据花费的时间比遍历索引的时间还要短，索引就可能不会产生优化效果。
3、在一同值少的列上(字段上)不要建立索引，比如在学生表的"性别"字段上只有男，女两个不同值。相反的，在一个字段上不同值较多可是建立索引。
测试主键的影响力
为了说明业务主键、逻辑主键、复合主键对数据表的影响力，博主使用java生成四组测试数据，首先准备表结构为：
`id` int(10) UNSIGNED NOT NULL AUTO_INCREMENT, -- 自增
`dt` varchar(40) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL, -- 使用uuid模拟不同的id
`name` varchar(255) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL, -- 随机名称
`age` int(10) NULL DEFAULT NULL, -- 随机数生成年龄
`key` varchar(40) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL, -- 唯一标识 使用uuid测试
PRIMARY KEY (`id`) USING BTREE -- 设置主键
将生成四组千万条的数据：
1. 自增主键 test_primary_a
2. 自增主键 有索引 test_primary_d
3. 无主键 无索引 test_primary_b
4. 复合主键 无索引 test_primary_c
使用java, spring boot + mybatis每次批量一万条数据，插入一千次，记录每次插入时间，总插入时间：
mybatis代码：
"insertTestData">
insert into test_primary_${code} (
`dt`,
`name`,
`age`,
`key`
) values
<foreach collection="items" item="item" index= "index" separator =",">
(
#{item.dt},
#{item.name},
#{item.age},
#{item.key}
)
</foreach>
java代码，使用了mybatis插件提供的事务处理：
@Transactional(readOnly = false)
public Object testPrimary (String type) {
HashMap result = new HashMap();
// 记录总耗时 开始时间
long start = new Date().getTime();
// 记录总耗时 插入条数
int len = 0;
try{
String[] names = {"赵一", "钱二", "张三" , "李四", "王五", "宋六", "陈七", "孙八", "欧阳九" , "徐10"};
for (int w = 0; w 1000; w++) {
// 记录万条耗时
long startMil = new Date().getTime();
ArrayList items = new ArrayList<>();
for (int i = 0; i 10000; i++) {
String dt = StringUtils.uuid();
String key = StringUtils.uuid();
int age = (int)((Math.random() * 9 + 1) * 10); // 随机两位
String name = names[(int)(Math.random() * 9 + 1)];
HashMap item = new HashMap<>();
item.put("dt", dt);
item.put("key", key);
item.put("age"
, age);
item.put("name", name);
items.add(item);
}
len += tspTagbodyMapper.insertTestData(items, type);
long endMil = new Date().getTime();
// 万条最终耗时
result.put(w, endMil - startMil);
}
long end = new Date().getTime();
// 总耗时
result.put("all", end - start);
result.put("len", len);
return result;
} catch (Exception e) {
System.out.println(e.toString());
result.put("e", e.toString());
}
return result;
}
最终生成的数据表情况：
1、自增主键 test_primary_a ---------- 数据长度 960MB
62分钟插入一千万条数据 平均一万条数据插入 4秒
2、自增主键 有索引 test_primary_d 数据长度 1GB 索引长度 1.36GB
75分钟插入一千万条数据 平均一万条数据插入 4.5秒
3、无主键 无索引 test_primary_b ----------- 数据长度 960MB
65分钟插入一千万条数据 平均一万条数据插入 4.2秒
4、复合主键 无索引 test_primary_c ----------- 数据长度 1.54GB
219分钟插入一千万条数据 平均一万条数据插入 8秒， 这里有一个问题， 复合主键的数据插入耗时是线性增长的，当数据小于100万 插入时常在五秒左右， 当数据变大，插入时长无限变大，在1000万条数据时，平均插入一万数据秒数已经达到15秒了。
查询速度
注意索引的建立时以name字段为开头，索引的生效第一个条件必须是name
简单查询：
select name,age from test_primary_a where age=20 -- 自增主键 无索引 结果条数11万 平均3.5秒
select name,age from test_primary_a where name='张三' and age=20 -- 自增主键 有索引 结果条数11万 平均650豪秒
select name,age from test_primary_b where age=20 -- 无主键 无索引 结果条数11万 平均7秒
select name,age from test_primary_c where age=20 -- 联合主键 无索引 结果条数11万 平均4.5秒
稍复杂条件：
select name,age,`key`,dt from test_primary_a where age=20 and (name='王五' or name = '张三') and dt like '%abc%' -- 自增主键 无索引 结果条数198 平均4.2秒
select dt,name,age,`key` from test_primary_d where (name='王五' or name = '张三') and age=20 and dt like '%abc%' -- 自增主键 有索引 结果条数204 平均650豪秒
select name,age,`key`,dt from test_primary_d where age=20 and (name='王五' or name = '张三') and dt like '%abc%' -- 无主键 无索引 结果条数194 平均5.9秒
select name,age,`key`,dt from test_primary_c where age=20 and (name='王五' or name = '张三') and dt like '%abc%' -- 联合主键 无索引 结果条数11万 平均5秒
这样的语句更夸张一点：
select name,age,dt from test_primary_c where dt like '%0000%' and name='张三' -- 联合主键 无索引 结果条数359 平均8秒
select name,age,dt from test_primary_c where dt like '%0000%' and name='张三' -- 自增主键 有索引 结果条数400 平均1秒
初步结论
从实际应用中可以看出：用各主键的对比，在导入速度上，在前期百万数据时，各表表现一致，在百万数据以后，复合主键的新增时长将线性增长，应该是因为每一条新增都需要判断是否重复，而数据量一旦增大，每次新增都需要全表筛查。
另外一点，逻辑主键 + 索引的方式占用空间一共2.4G， 复合主键占用1.54G 相差大约1个G ， 但是实际查询效果看起来索引更胜一筹，只要查询方法得当，索引应该是当前的首选。
最后，关于复合主键的作用？ 我想应该是在业务主键字段不超过2-3个的情况下，需要确保数据维度的唯一性，采取复合主键加上限制。
看完本文有收获？请转发分享给更多人
关注「数据分析与开发」加星标，提升数据技能
好文章，我在看❤️
