被劝退后三月中旬到现在无 offer,问我如何设计一个高性能MySQL 主键,实现海量数据下的高效查询

2024年 4月 8日 64.4k 0

在脉脉上有一个热度很高的帖子「硕 1.5,被劝退后三月中旬到现在无 offer,不知道怎么破」。

图片图片

有网友说:「如果能约到面试,说明简历不差,但是 50 场都没有 offer,说明你的面试谈判技巧出现了问题,应该总结一下,及时调整,心态不要崩」。

图片图片

由这个话题为引子,码哥接下来给你分享一个知识点:「如何设计一个高性能MySQL 主键,实现海量数据下的高效查询」。

为什么需要主键

三个点。

  • 数据记录需具有唯一性(第一范式)
  • 数据需要关联 join。
  • 数据库底层索引用于检索数据所需数据。
  • 为什么主键不宜过长

    这个问题的点在长上。那短比长有什么优势?(嘿嘿嘿,内涵)—— 短不占空间。

    但这么点磁盘空间相对整个数据量来说微不足道。

    那么原因应该在快上,而且和原始数据关系不大。以此自然得出和索引相关,而且和索引读取相关。那么为什么主键过大在索引中会影响性能?

    图片图片

    图中是 MySQL Innodb 引擎的索引数据结构。

    左边是聚簇索引,通过主键定位数据记录。

    右边是普通索引,对列数据做索引,通过列数据查找数据主键。

    如果通过普通查询数据,流程如图所示,先从普通索引树上搜索到主键,然后在聚簇索引上通过主键搜索到数据行。

    其中普通索引的叶子节点是直接存储的主键值,而不是主键指针。

    所以如果主键太长,一个普通索引树所能存储的索引记录就会变少,这样在有限的索引缓冲中,需要读取磁盘的次数就会变多,所以性能就会下降。

    为什么建议使用递增 ID

    图片图片

    InnoDB 使用聚簇索引,如上图所示,数据记录本身被存于索引(一颗 B+Tree)的叶子节点上有序存储。

    这就要求同一个叶子节点内(大小为一个内存页或磁盘页)的各条数据记录按主键顺序存放。

    因此每当有一条新的记录插入时,MySQL 会根据其主键值将其插入适当的节点和位置,如果页面达到装载因子(InnoDB 默认为 15/16),则开辟一个新的页(节点)。

    如果表使用自增主键,那么每次插入新的记录,记录就会顺序添加到当前索引节点的后续位置,当一页写满,就会自动开辟一个新的页。这样就会形成一个紧凑的索引结构,近似顺序填满。

    由于每次插入时也不需要移动已有数据,因此效率很高,也不会增加很多开销在维护索引上,如下图所示。

    否则由于每次插入主键的值近似于随机,因此每次新记录都要被插到现有索引页的中间某个位置,MySQL 不得不为了将新记录插到合适位置而移动数据,如下图右侧所示。

    图片图片

    ID 是否有需要具备业务含义

    业务 ID,即使用具有业务意义的 id,比如使用订单流水号作为订单表的主键 Key。

    逻辑 ID,即无关业务的 id,按某种规则生成 id,如自增 ID。

    业务 ID 的优点

    • ID 具有业务意义,在查询时可以直接作为搜索关键字使用。
    • 不需要额外的列和索引空间。
    • 可以减少一些 join 操作。

    业务 ID 的缺点

    • 当业务发生变化时,有时需要变更主键。
    • 涉及多列 ID 时比较难操作。
    • 业务 ID 往往比较长,所占空间更大,导致更大的磁盘 I/O。
    • 在 ID 确定前不能持久化数据,有时我们没有在确定数据 ID 。时,就想先添加一条记录,之后再更新业务 ID。
    • 设计一个兼具易用和性能的 ID 生成方案比较难。

    逻辑 ID 的优点

    • 不会因为业务的变动而需要修改 ID 逻辑。
    • 操作简单,且易于管理。
    • 逻辑 ID 往往更小,性能更优。
    • 逻辑 ID 更容易保证唯一性。
    • 更易于优化。

    逻辑 ID 的缺点

    • 查询主键列和主键索引需要额外的磁盘空间。
    • 在插入数据和更新数据时需要额外的 I/O。
    • 更多的 join 可能。
    • 如果没有唯一性策略限制,容易出现重复的 ID。
    • 测试环境和正式环境 ID 不一致,不利于排查问题。
    • ID 的值没有和数据关联,不符合三范式。
    • 不能用于搜索关键字。
    • 依赖不同数据库系统的具体实现,不利于底层数据库的替换。

    主键 ID 生成方式有哪些?

    一般情况下,我们都使用 MySQL 的自增 ID,来作为表的主键,这样简单,而且从上面讲到的来看,性能也是最好的。

    但是在分库分表的情况情况下,自增 ID 则不能满足需求。我们可以来看看不同数据库生成 ID 的方式,也看一些分布式 ID 生成方案。

    MySQL 自增

    MySQL 在内存中维护一个自增计数器,每次访问 auto-increment 计数器的时候, InnoDB 都会加上一个名为AUTO-INC 锁直到该语句结束(注意锁只持有到语句结束,不是事务结束)。

    AUTO-INC 锁是一个特殊的表级别的锁,用来提升包含 auto_increment 列的并发插入性。

    在分布式的情况下,其实可以独立一个服务和数据库来做 ID 生成,依旧依赖 MySQL 的表 ID 自增能力来为第三方服务统一生成 id。

    Mongodb ObjectId

    Mongodb 为防止主键冲突,设计了一个 ObjectId 作为主键 id。它由一个 12 字节的十六进制数字组成,其中包含以下几部分:

  • Time:时间戳。4 字节。秒级。
  • Machine:机器标识。3 字节。一般是机器主机名的散列值,这样就确保了不同主机生成不同的机器 hash 值,确保在分布式中不造成冲突,同一台机器的值相同。
  • PID:进程 ID。2 字节。上面的 Machine 是为了确保在不同机器产生的 objectId 不冲突,而 pid 就是为了在同一台机器不同的 mongodb 进程产生的 objectId 不冲突。
  • INC:自增计数器。3 字节。前面的九个字节保证了一秒内不同机器不同进程生成的 objectId 不冲突,自增计数器,用来确保在同一秒内产生的 objectId 也不会发现冲突,允许 256 的 3 次方等于 16777216 条记录的唯一性。
  • 开源框架实现

  • 百度 UidGenerator:基于snowflake算法。
  • 美团 Leaf:同时实现了基于 MySQL 自增(优化)和 snowflake 算法的机制。
  • 博主简介

    码哥,9 年互联网公司后端工作经验,InfoQ 签约作者、51CTO Top 红人,阿里云开发者社区专家博主,目前担任后端架构师主责,擅长 Redis、Spring、Kafka、MySQL 技术和云原生微服务。

    相关文章

    Oracle如何使用授予和撤销权限的语法和示例
    Awesome Project: 探索 MatrixOrigin 云原生分布式数据库
    下载丨66页PDF,云和恩墨技术通讯(2024年7月刊)
    社区版oceanbase安装
    Oracle 导出CSV工具-sqluldr2
    ETL数据集成丨快速将MySQL数据迁移至Doris数据库

    发布评论