更多编程技术文章,请查阅IOKKS - 专业编程技术分享平台
我将使用PostgreSQL数据库和演示Java服务来比较查询速度。
UUID和ULID
为什么我们需要一些难以理解的ID类型?我不会谈论分布式系统、服务的连接性、敏感数据等等。如果有人对此感兴趣,可以自行搜索 - 目前我们感兴趣的是性能。正如其名称所示,我们将讨论两种类型的键:UUID和ULID。
UUID早已为人所知,但ULID对一些人来说可能不太熟悉。ULID的主要优势在于它是单调递增的,是一种可排序的类型。当然,这些并不是所有的区别。就我个人而言,我也喜欢它没有特殊字符这一事实。
一个小插曲,我很久以前就注意到许多团队在PostgreSQL数据库中使用varchar(36)数据类型来存储UUID,我不喜欢这样,因为这个数据库有相应的UUID数据类型。稍后,我们将看到在数据库端存储UUID的不同格式时,哪种类型更可取。因此,我们将不仅比较后端的两种数据类型,还将比较在不同格式下存储UUID时的差异。
比较
让我们开始比较这些事情。
- UUID有36个字符长,占用128位内存。
- ULID有26个字符长,同样占用128位内存。
对于我的示例,我在数据库中创建了两个表,每个表有三个字段:
CREATE TABLE test.speed_ulid
(
id varchar(26) PRIMARY KEY,
name varchar(50),
created timestamp
);
CREATE TABLE test.speed_uuid
(
id varchar(36) PRIMARY KEY,
name varchar(50),
created timestamp
);
对于第一次比较,我以通常的方式将UUID存储为varchar(36)格式。在数据库中,我在每个表中记录了1,000,000条数据。
测试用例将包括100个请求,使用先前从数据库中提取的标识符;也就是说,在调用测试方法时,我们将100次访问数据库并通过键检索实体。在测量之前,将创建并预热连接。我们将进行两次测试运行,然后进行10次有效迭代。为了您的方便,我将在文章末尾提供Java代码的链接。
抱歉,但是这些测量是在标准的MacBook Pro笔记本电脑上进行的,而不是在专用服务器上进行的,但我相信除了在数据库和后端之间的网络流量增加之外,结果不会有显著的差异。
以下是一些背景信息:
- # CPU I9-9980HK
- # CPU核数:16
- # RAM:32GB
- # JMH版本:1.37
- # VM版本:JDK 11.0.12, Java HotSpot(TM) 64位服务器VM, 11.0.12+8-LTS-237
- # DB: PostgreSQL 13.4, build 1914, 64位
将用于通过键获取实体的查询:
SELECT * FROM test.speed_ulid where id = ?
SELECT * FROM test.speed_uuid where id = ?
测量结果
让我们来看看测量结果。请记住,每个表都有1,000,000行数据。
两种类型的标识符都以varchar形式存储在数据库中
我进行了几次测试,结果大致相同:ULID要么稍快,要么UUID稍快。从百分比来看,差异几乎为零。
好吧,你可能会不同意这两种类型之间没有差异。我会说,在数据库端使用其他数据类型是不可能的。
UUID作为数据库中的uuid,ULID作为varchar
对于下一个测试,我将test.speed_uuid 表中的数据类型从varchar(36)更改为uuid。
在这种情况下,差异是明显的:UUID比ULID快4.5%。
正如你所看到的,如果在服务端有相同名称的类型,那么在数据库端使用uuid数据类型是有意义的。这种格式的索引在PostgreSQL中经过了很好的优化,并显示出良好的结果。
好吧,现在我们可以明确地分道扬镳了。还是吗?
如果你查看索引搜索查询计划,你会看到在使用varchar时是这样的((id)::text = '01HEE5PD6HPWMBNF7ZZRF8CD9R'::text)。
总的来说,比较两个文本变量是一个相当慢的操作,所以也许没有必要以这种格式存储ID。或者是否有其他方法可以加快键的比较速度?首先,让我们为具有ULID的表创建另一个“hash”类型的索引。
create index speed_ulid_id_index
on test.speed_ulid using hash (id);
让我们看看我们查询的执行计划:
我们将看到数据库在这种情况下使用了哈希索引,而不是btree。让我们运行我们的测试,看看会发生什么。
varchar + index(hash) for ULID, uuid for UUID
这种组合相对于uuid及其欺骗性索引增加了2.3%。
我不确定在一个字段上保留两个索引是否有道理。因此,值得考虑是否还有其他事情可以做。在这里,值得回顾一下过去,记得以前是如何存储uuid或其他字符串标识符的。没错:要么文本,要么字节数组。
所以让我们尝试这个选项:我删除了ULID的所有索引,将其转换为bytea,并重新创建了主键。
bytea for ULID, uuid for UUID
结果,我们得到了与上一次运行中额外索引的结果大致相同,但我个人更喜欢这个选项。
在数据库中有2,000,000行数据时的测量结果:
在数据库中有3,000,000行数据时的测量结果:
我认为没有继续进行更多的测量的必要。模式保持不变:以bytea格式保存的ULID在数据库中略优于以uuid格式保存的UUID。
如果我们从第一次测量中获取数据,显然,通过一些小的操作,你可以将性能提高约9%,如果使用varchar。
因此,如果你读到这里,我认为这篇文章对你来说是有趣的,你已经为自己得出了一些结论。
值得注意的是,测量是在后端部分和数据库端都处于理想状态下进行的。我们没有任何并行进程在数据库中写入数据,更改记录,或在后端进行复杂的计算。
结论
让我们回顾一下材料。你学到了什么有用的东西?
- 不要忽视PostgreSQL端的uuid数据类型。也许有一天在这个数据库中会出现ULID的扩展,但目前我们只能使用现有的。
- 有时手动创建所需类型的额外索引是值得的,但需要考虑开销。
- 如果你不怕做一些不必要的工作 - 即编写自己的类型转换器 - 那么如果在数据库端没有相应的类型,你应该尝试bytea。
对于主键应该使用什么类型的数据,以及应该以什么格式存储,我没有明确的答案:这一切都取决于许多因素。值得注意的是,对于ID的数据类型的明智选择,在某个时刻可能会在你的项目中发挥重要作用。