大表为何不能用自增主键？

数据库自增主键，以mysql为例，设置表的ID列为自动递增，便可以在插入数据时，ID字段值自动从1开始自动增长，不需要人为干预。

在小公司，或者自己做项目时，设置ID为自动递增，是没有问题的。但是在分布式系统中，自增主键会带来问题，下面举例说明：

有一张商品信息表，表中有3亿条数据，但是3亿条数据是分布在3个数据库中（3个表分片）。前1亿条数据分布在分片1中；中间1亿条数据，分布在分片2；最后1亿条数据分布在分片3中。

问题1：如果单条数据量比较小，在分片1中实际可以容纳1.5亿数据，就无法再进行数据扩展了，因为数据是按照ID范围进行分片的，ID是固定死的，无法在运行期间，进行动态扩展。

问题2：自增主键是数据库层面生成的自增序列，数据库集群只能采用“范围分片”的形式，也就是提前规划好每个分片存储的记录ID。此操作会产生“尾部热点”。

何为尾部热点，在使用范围分片的情况下，测试程序的生成主键是单调递增的，所以新写入的数据往往集中在一个 范围范围内，而范围又是数据调度的最小单位，只能存在于单节点，那么这时集群就退化成单机的写入性能，不能充分利用分布式读写的扩展优势了。当所有写操作都集中在集群的一个节点时，就出现了我们常说的数据访问热点（Hotspot）。

以上面的商品表为例，当数据量达到2.5亿时，数据再进行插入操作时，数据都会进入到分片3中，也就是集中会对分片3这个数据库进行操作，前面两个数据库（分片1、分片2），几乎没有压力。

AB两个数据库，分别采用范围分片和Hash分片的方法，做数据并发处理。可以看到Hash分片的方式效率远高于范围分片看，提高大约2倍。

Hash分片处理效率高，原因是Hash分片不是把数据只写在一个切片上，它是根据ID取模，然后均匀分配在各个切片上，相当于让把压力分摊到各个切片上。

UUID是好的替代方案吗？

如果说自增主键不适用于大数据量分库的表设计，那么是否可以用UUID或者GUID来替代自增主键呢？其实UUID也是不合适的。

UUID是根据当前计算机的时间和其他各种属性计算出来的一个128位长度的字符串，字符串的特点是唯一且无序。

既然是唯一的，那为何不适合作为主键，那就看MySQL的机制。因为UUID是无序的，作为主键会涉及大量索引重排。作为主键，当数据生成时，就自动建立唯一的主键索引。

数据采用B+树的方式进行数据存储，叶子节点按照顺序，1234...进行排列，当要插入一条新数据时，只需要在原有的节点上追加上一个元素，并调整结尾的树形结构。影响的数据范围非常小。

如果使用UUID，就会涉及到索引重排，索引重排以下图为例：

当新的数据插入时，整个数据结构都会发生变化。当数据量大时，代价是很大的。

为了解决该问题，也就有了一种分布式且有序的主键生成算法，即雪花算法。

SnowFlake雪花算法是什么？

雪花算法（SnowFlake）是Twitter公司分布式项目采用的ID 生成算法。

以时间为依据，结合机器ID及序列，生成的一个定长的数字，这个数字就可以作为主键。它即可以保证是有序的，在分布式情况下，每个分片也是唯一的。 

使用雪花算法时，需要注意时间回拨带来了ID重复问题，也就是如果把服务器时间往回调整，那么生成的值，有可能与之前的值重复。一般不会去随意调整服务器时间，这个问题产生的概率不高。

关于雪花算法的其他内容，参考文章：

SQL-雪花ID算法-全局唯一标识符（GUID）