innodb 存储引擎为啥要用一个自增的主键

Posted 2023-05-02

InnoDB 被称为索引组织型的存储引擎。主键使用的 B-Tree 来存储数据，即表行。这意味着 InnoDB 必须使用主键。如果表没有主键，InnoDB 会向表中添加一个隐藏的自动递增的 6 字节计数器，并使用该隐藏计数器作为主键。InnoDB 的隐藏主键存在一些问题。您应该始终在表上定义显式主键，并通过主键值访问所有 InnoDB 行。InnoDB 的二级索引也是一个B-Tree。搜索关键字由索引列组成，存储的值是匹配行的主键。通过二级索引进行搜索通常会导致主键的隐式搜索。 参考技术A 所有InnoDB数据表都创建一个和业务无关的自增数字型作为主键，对保证性能很有帮助；

为什么建议主键整型自增？

昨天看到一个MySQL数据库设计原则：强烈建议表的主键使用整型自增主键。为啥呢？

要弄明白这个问题首先需要了解MySQL是如何维护数据的，你需要知道以下几点：

• MySQL的InnoDB存储引擎是在B+树上维护表数据的
• B+树是一种平衡树
• 在这棵树上，每个节点在计算机中叫做数据页，默认16k
• 树的叶子节点是完整的行数据，非叶子节点是主键
• 叶子节点中的行数据按id从小到大的顺序排列

PS：MySQL索引底层数据结构详细分析过程参考这篇深入分析MySQL索引底层原理

查询过程

明白了MySQL维护数据的方式，下面我们再来看一下如何在这棵树上查询数据。

假设我们有个T表，表结构和数据如下：

CREATE TABLE `T` (
`id` int(11) NOT NULL AUTO_INCREMENT COMMENT \'id\',
`name` varchar(50) COMMENT \'姓名\',
 PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
insert into T(id,name) 
values(1,\'张三\'),(2,\'李四\'),(3,\'王五\'),(5,\'赵六\');

了解了MySQL维护数据的方式，我们可以把T表的数据存储逻辑结构画出来：

如上图所示，根节点上维护了主键2和5，两个叶子节点分别存两条记录。

当我们查询id=2的记录时，首先会从树的根节点开始遍历，通过与根节点的id值比较，定位到记录在第一个叶子节点，然后把第一个叶子节点从磁盘加载到内存，在内存中依次读取记录进行比较：

• 读取第一个记录，发现id不等于2跳过
• 继续取下一个记录，判断id等于2
• 于是就查到了id等于2的这条记录

可以发现，查找过程是从根节点开始的，通过与非叶子节点的id比较，定位到数据所在节点，然后依次遍历节点上的记录逐一对比，从而找到匹配条件的记录。

插入过程

再来看一下插入数据，如果此时插入的数据为(6,’孙七’)，按照叶子节点的行数据排序特点（按id从小到大排），那么(6,’孙七’)这条记录一定在(5,’赵六’)后面，如果此时数据页P3还能存下，则直接顺序写入，如果数据页P3存不下这条记录，InnoDB会申请一个新的数据页P4写入(6,’孙七’)，这个过程叫做页分裂。

如果此时插入的数据为(4,’孙七’)，按照叶子节点的行数据排序特点（按id从小到大排），那么(4,’孙七’)这条记录一定在(3,’王五’)后面(5,’赵六’)前面，如果此时数据页P3还能存下，那么为了给(4,’孙七’)腾位置，则需要将数据页P3上(3,’王五’)这条记录之后的数据全部往后移动。而如果数据页P3存不下这条记录，InnoDB会申请一个新的数据页P4，并将P3上部分数据转移到P4上，在(3,’王五’)后写入(6,’孙七’)。

为什么主键建议整型、自增？

了解了数据的存储方式以及查询过程和插入过程，我们接下来进入正题，回答为什么主键建议是整型、自增这个问题。

首先为什么是整型呢？

我们从查找过程可以看到，整个过程关键点就是在这棵树上不停的比较id值是否等于、大于还是小于2，即数据的大小比较。数据比较是消耗CPU的，而不同的数据类型耗时不同，常见的整型要小于字符型。

整型的1<2比较的效率高还是字符串的“abc”和“abe”比较的效率高呢？显然是前者，因为字符串的比较是转换成ASCII码一位一位的比，如果最后一位不一样，比到最后才比较出大小，就比整型比较慢多了，存储空间来说，整型更小。索引越节约资源越好。

那为什么自增呢？

原因也可想而知，其实上面已经提到了，就是因为InnoDB的索引是按大小排好序的，插入的新数据如果主键是自增的，那么只需要按顺序往后写入即可，性能会比较高，而如果每次插入的主键是跳跃式的，那么就会涉及到上面说的页分裂，需要挪动数据，性能就会受到影响。

引申一下，是不是一定需要自增呢？

答案是不。我们都知道当某一个业务量增长非常快，数据量非常大，数据库性能无法满足业务需求的时候通常会实施分库分表，这个时候自增主键就不适用了，比如订单表，分成16个表，如果都使用自增的话，肯定会造成订单id重复，所以此时的解决方案就是分布式id，保证趋势递增即可。

小结

今天我通过讲解MySQL数据的存储方式以及数据查找与插入过程，从MySQL的底层机制了解了MySQL主键为什么建议使用整型并且自增，最后我们引申了一个分布式id的问题，此时并不强制严格自增，保证趋势递增即可。

好了，今天的文章就到这里了，如果你对于今天的文章有疑问，请留言探讨。

感谢你的观看，也欢迎你把这篇文章分享给更多的朋友一起阅读。

说的再好，不如行动。不怕慢，就怕站。