运维同事导入一批大约500万左右的数据，耗时较久。他使用的是纯SQL导入，主键使用的是UUID,因为业务原因没有使用自增ID。
因为是内网，不能远程访问。
通过沟通，大致觉得有两个原因，一是因为UUID作为主键，二是表字段繁多，单行加起来接近10000的长度引起行溢出。

因为是临时一次性任务，同事没有做深纠，我在这里简单做一个验证。
版本：5.7.19
引擎：innodb

uuid主键的影响

mysql自带的UUID()函数简单方便，不重复。但是它缺点也是众所周知的。

• UUID的返回值通常是随机的，而InnoDB的表实质是以主键组织存储的索引，插入新的记录不是顺序追加，而会往前插入，造成页分裂，表的再平衡。在数据量越大的情况，性能影响越严重。

• 主键包含在每个二级索引中，过长的主键会浪费磁盘和内存的空间。

页分裂

为什么主键ID的顺序这么重要？

mysql innodb引擎数据结构为B+tree，查找的时候二分查找，这就要求数据是按顺序存储的。
而UUID是无序的，它作为主键在写入的时候，就可能会频繁的进行中间插入和页分裂。页分裂会造成已有的数据移位，类似于arraylist进行插入数据。
因此表数据越多，插入的效率就会越低。也会使得磁盘空间利用率降低。

除了UUID,其它还有两种常见的ID生成法。
一是自增id，最简单效率也最高，但不适合分布式唯一主键，和在一些敏感业务如订单注册用户时，可能通过ID值会暴露一些商业秘密。

雪花算法

再一个是雪花算法，最常见的分布式ID生成算法。

可以看到它跟时间戳（毫秒级）和服务器相关，通过12bit序列号区分同毫秒内产生的不同id。
因此能保证在单台服务器上的大致趋势递增。 在并发高的情况下不能保证完全递增，因此需考虑到这一点。

它有时钟回拨的问题，这里不展开。

定量验证

以上只是定性的判断。

下面做一下定量的测试。

本文验证自增id,雪花算法ID，以及uuid作为主键3种情况，往3张空表插入500万条数据，每个批次10万，共50个批次。

        StopWatch stopWatch = new StopWatch();
        stopWatch.start("准备数据阶段");
        int count = 500 * 10000 ;
        List<TUser> list = new ArrayList<>(count);
        ExecutorService executorService = Executors.newFixedThreadPool(100);
        List<TUser> finalList = list;
        Semaphore semaphore = new Semaphore(100);
        for (int i = 0; i < count; i++) {
            executorService.submit(new Runnable() {
                @SneakyThrows
                @Override
                public void run() {
                    semaphore.acquire();
                    TUser user = new TUser();
                    // 雪花算法ID
                    user.setId(SnowflakeIdUtil.snowflakeId());
                    user.setName(testService.getRandomName());
                    // UUID
                    user.setId(UUID.randomUUID().toString());
                    finalList.add(user);
                    semaphore.release();
                }
            }).get();
        }

        stopWatch.stop();

        System.out.println("开始写入");

        List<Time> times = new ArrayList<>();
        stopWatch.start("写入数据阶段");
        List<TUser> subList = new ArrayList<>(100000);
        for (int i = 1; i <= count; i++) {
            TUser user = finalList.get(i-1);
            subList.add(user);
            if (i % 100000 == 0) {
                // finalList.remove(user);
                long start = System.currentTimeMillis();
                tUserDao.insertBatch(subList);
                long time = System.currentTimeMillis() - start;
                times.add(new Time(time));
                subList.clear();
                log.info("写入一次" + i);
            }
        }

        stopWatch.stop();
        System.out.println(stopWatch.prettyPrint());
        // 将每个批次耗时打印出来，放入excel生成图表
        times.stream().map(e -> e.getTime()).forEach(System.out::println);

总耗时情况

UU ID：414321ms
雪花ID 167748ms
自增ID 75829ms

将最后每个批次耗时的集合打印出来，放到Excel中，生成图表。

纵坐标表示耗时，单位ms
横坐标表示写入批次

可以明显的观察到，使用UUID作为主键，在表数据量在350万以后，耗时上升极快，性能呈指数级下降。
同时自增ID效率高于雪花算法ID，都很稳定。

这是在行数据量极小（<50）的情况下。

在行大小> 8000,在页16KB至少两行数据的情况下，也必然会发生行溢出。这里再看看测试情况。

行溢出情况

MySQL单行数据最大能存储65535字节的数据，InnoDB的页为16KB，即16384字节,当行的实际存储长度超过16384/2的长度时，就会行溢出。
为什么是/2,因为页至少需要存储两行数据。
为什么单页至少存储两行数据，如果为1，B+tree就退化为了链表。

当行溢出的时候，会将大字段数据存放在页类型为Uncompress BLOB页中，在当前页就会对大字段建立一个引用，类假于二级索引。

所以设置测试表name长度大于大约16384/2的时候，就会发生行溢出现象。

行溢出时，3种不同ID的表现

测试代码跟上面类似。
再准备3张空表。
字段类型varchar,长度10000，user.setName(）设置实际长度大于8000。

这次只写入50万条数据，每批次1万条数据，共50个批次。

这次uuid在写入30万条记录后，耗时开始明显上升。

以上是行溢出的情况下，UUID,雪花算法，自增ID等 3种ID的写入性能情况。

uuid在溢出和不溢出下的表现

下面来测试一下，使用UUID在行溢出和不溢出的两种情况下写入性能情况。

再新建两张表,t_user_uuid_long,此表name字段长度100000，最终写入字符长度9995
t_user_uuid_short,此表name字段长度8000，最终写入字符长度7995

写入耗时曲线大致相当，看不出明显差距。

但是读的差距非常明显！

因为t_user_uuid_long 中的name字段发生了行溢出，。。。。。select的时候需要跨页提取数据，类似于做了1次回表，而且回表还是跨页的。

select id,name from t_user_uuid_short order by id asc limit 1000
耗时0.145s

select id,name from t_user_uuid_long order by id asc limit 1000
耗时4.153s,性能相差接近30倍。

小结

以上测试结果只是在测试机上的粗糙测试结果，不是基准测试，只做参考。

测试结果表明，运维同事的慢操作可能受UUID影响 ，但大字段对写入的影响并不明显。
不过大字段对读取的性能影响明显。