我前几天在群里还聊到这个事儿,说实话,被领导怼那天我是真有点懵。我们项目不是新上了个微服务嘛,我图省事儿,直接上了雪花 ID 当 MySQL 主键,想着比 UUID 那一长串字符串优雅多了,又能保证分布式唯一性。结果上线第二天,领导一句“你这个主键选型不合理”就把我打懵了。
那天被怼的场景
早上十点多开例会,领导说数据库主键这块有性能隐患。我还挺不服气:“雪花 ID 多香啊,又快又分布式。”结果领导一句话直接把我怼回去了——“那你知道雪花 ID 在 MySQL InnoDB 下的插入顺序吗?”
我当时脑子嗡一下,回去一查才知道,InnoDB 的聚簇索引是按主键顺序存储的。如果主键是递增的,比如自增 ID,那插入永远是追加在最后一页上,几乎不会造成页分裂。但雪花 ID 啥样?高位是时间戳,低位是机器 ID + 序列号,看起来递增,实际上是局部无序。在高并发下多个节点一插,页面就乱序写,磁盘频繁分裂、回表代价也高。
后来我翻了下监控日志,果然 CPU 飙高,IOPS 也抖得厉害。那一刻我才意识到,原来“雪花 ID 是分布式万能主键”这句话,得加个前提——不是所有场景都适合。
UUID 更糟糕
我之前也用过 UUID,当时的理由是“不重复,生成方便”,但真要落地到 MySQL,问题更多。UUID 是 128 位的字符串主键,占空间大不说,还让索引树变稀疏。因为它完全无序,每插一条都得在索引树里插中间,频繁导致页分裂。
我们当时的表大概有三百万数据,用 UUID 后查询性能直接掉了一半。领导那次复盘的时候还特意说:“UUID 适合日志类、追踪类系统,但不适合高写入场景的主表。”
举个例子,当时我们表结构是这样的:
@Entity
@Table(name = "user_order")
public class UserOrder {
@Id
private String id; // UUID 主键
private Long userId;
private BigDecimal amount;
}
后来改成 Long 类型的雪花 ID,看着顺眼多了,但性能并没好多少。原因上面提了——无序插入。
领导教我的“正确姿势”
后来领导给了个建议,说如果一定要用雪花 ID,可以做“时间戳顺序化”,让 ID 整体趋势递增。还有一种办法,是用数据库自增 ID 当主键,雪花 ID 当业务 ID。
比如这样写:
CREATE TABLE order_info (
id BIGINT AUTO_INCREMENT PRIMARY KEY,
order_no BIGINT NOT NULL UNIQUE,
user_id BIGINT NOT NULL,
amount DECIMAL(10,2),
create_time DATETIME DEFAULT CURRENT_TIMESTAMP
);
生成订单的时候,Java 里用雪花算法生成
order_no,但数据库主键依然是自增。
long orderNo = snowflake.nextId();
orderRepository.save(new Order(orderNo, userId, amount));
这样两全其美:
雪花 ID 的坑
说到这,不得不提我踩过的一个坑。我们部署了三台机器,ID 生成时依赖机器号 + 毫秒时间戳。某次服务器时钟回拨了一秒,雪花算法直接生成了重复 ID,插入数据库报主键冲突。
最后我们只能改成 Twitter 那种变种算法,用 NTP 保证时钟同步,并在回拨时强制阻塞一段时间,才算稳住。
后来我写了个小工具类,专门封装雪花 ID 生成逻辑:
public class SnowflakeIdGenerator {
private static final long START_TIMESTAMP = 1700000000000L; // 自定义起始时间
private static final long MACHINE_BIT = 5;
private static final long DATACENTER_BIT = 5;
private static final long SEQUENCE_BIT = 12;
private static
final long MAX_MACHINE_NUM = ~(-1L << MACHINE_BIT);
private static final long MAX_DATACENTER_NUM = ~(-1L << DATACENTER_BIT);
private static final long MAX_SEQUENCE = ~(-1L << SEQUENCE_BIT);
private static final long MACHINE_LEFT = SEQUENCE_BIT;
private static final long DATACENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;
private static final long TIMESTAMP_LEFT = DATACENTER_LEFT + DATACENTER_BIT;
private long datacenterId;
private long machineId;
private long sequence = 0L;
private long lastTimestamp = -1L;
public synchronized long nextId() {
long currTimestamp = System.currentTimeMillis();
if (currTimestamp < lastTimestamp) {
throw new RuntimeException("Clock moved backwards!");
}
if (currTimestamp == lastTimestamp) {
sequence = (sequence + 1) & MAX_SEQUENCE;
if (sequence == 0L) {
currTimestamp = waitNextMillis();
}
} else {
sequence = 0L;
}
lastTimestamp = currTimestamp;
return (currTimestamp - START_TIMESTAMP) << TIMESTAMP_LEFT
| datacenterId << DATACENTER_LEFT
| machineId << MACHINE_LEFT
| sequence;
}
private long waitNextMillis() {
long millis = System.currentTimeMillis();
while (millis <= lastTimestamp) {
millis = System.currentTimeMillis();
}
return millis;
}
}
但是,哪怕算法再好,在数据库层用得不对,也白搭。
最后的结论
那天会议结束后,领导说了句挺扎心但挺实在的话:“性能问题从来不是算法引起的,而是设计错误。”
现在我总结下自己的经验:
- 雪花 ID:分布式友好,但要注意时钟同步和索引乱序。
- 自增 ID + 业务 ID:在绝大多数情况下,是性能和可维护性最平衡的方案。
后来我们新项目都按这个方式做了,再也没被怼过。
不过话说回来,每次被怼,其实都是在成长。那天我回去请领导喝了杯咖啡,笑着说:“以后主键我先给你过一遍。”
-END-
我为大家打造了一份RPA教程,完全免费:songshuhezi.com/rpa.html