UUID 通常用作数据库表主键。它们易于生成，易于在分布式系统之间共享并保证唯一性。

考虑到 UUID 的大小，这是否是一个正确的选择值得怀疑，但通常这不是由我们决定的。

本文的重点不是“UUID 是否是键的正确格式”，而是如何有效地使用 UUID 作为 PostgreSQL 的主键。

UUID 的 Postgres 数据类型

UUID 可以被视为一个字符串，并且可能很容易将它们存储为字符串。 Postgres 具有用于存储字符串的灵活数据类型： text ，并且通常用作存储 UUID 值的主键。

它是正确的数据类型吗？当然不。

Postgres 有一个专用于 UUID 的数据类型： uuid 。 UUID 是 128 位数据类型，因此存储单个值需要 16 个字节。 text 数据类型有 1 或 4 个字节的开销加上存储实际的字符串。

这些差异在小表中并不那么重要，但一旦开始存储数十万或数百万行，就会成为问题。

我进行了一个实验，看看实践中有何不同。有两个表只有一列 - id 作为主键。第一个表使用 text ，第二个表使用 uuid ：

sql
create table bank_transfer(
    id text primary key
);

create table bank_transfer_uuid(
    id uuid primary key
);

我没有指定主键索引的类型，因此 Postgres 使用默认的 B 树。

向每个表插入 10 000 000 行:

我运行查询来查找表大小和索引大小：

sql
select 
    relname as "table", 
    indexrelname as "index",
    pg_size_pretty(pg_relation_size(relid)) "table size",
    pg_size_pretty(pg_relation_size(indexrelid)) "index size"
from 
    pg_stat_all_indexes
where 
    relname not like 'pg%';

+------------------+-----------------------+----------+----------+
|table             |index                  |table size|index size|
+------------------+-----------------------+----------+----------+
|bank_transfer_uuid|bank_transfer_uuid_pkey|422 MB    |394 MB    |
|bank_transfer     |bank_transfer_pkey     |651 MB    |730 MB    |
+------------------+-----------------------+----------+----------+

使用 text 的表增大了 54%，索引大小增大了 85%。这也反映在 Postgres 用于存储这些表和索引的页数上：

sql
select relname, relpages from pg_class where relname like 'bank_transfer%';

+-----------------------+--------+
|relname                |relpages|
+-----------------------+--------+
|bank_transfer          |83334   |
|bank_transfer_pkey     |85498   |
|bank_transfer_uuid     |54055   |
|bank_transfer_uuid_pkey|50463   |
+-----------------------+--------+

更大的表、索引和更多的表意味着 Postgres 必须执行插入新行和获取行的工作 - 特别是当索引大小大于可用 RAM 内存时，Postgres 必须从磁盘加载索引。

UUID 和 B 树索引

随机 UUID 不太适合 B 树索引 - 并且 B 树索引是主键唯一可用的索引类型。

B 树索引最适合处理有序值 - 例如自动递增列或时间排序列。

UUID - 尽管看起来总是相似 - 有多种变体。 Java 的 UUID.randomUUID() - 返回 UUID v4 - 这是一个伪随机值。对我们来说，更有趣的是 UUID v7 - 它生成按时间排序的值。这意味着每生成一个新的UUID v7，它就有一个更大的值。这使得它非常适合 B 树索引。

python如何生成uuid v7:

python
import uuid

def generate_uuid_v7():
    return uuid.uuid7()

if __name__ == "__main__":
    # 生成 UUID v7
    uuid_v7 = generate_uuid_v7()
    print(f"生成的 UUID v7: {uuid_v7}")

运行上述代码后，输出可能类似于：

生成的 UUID v7: 7b2fa7a6-0dd8-7e43-b27e-9e735f8d5e60

UUID v7 如何影响 INSERT 性能

我创建了另一个表，与 bank_transfer_uuid 完全相同，但它将仅存储使用上述库生成的 UUID v7：

sql
create table bank_transfer_uuid_v7(
   id uuid primary key
);

然后，我运行 10 轮，向每个表插入 10000 行，并测量需要多长时间：

结果看起来有点随机，尤其是在比较具有常规 text 列和 uuid v4 的表的时间时：

sql
+-------+-------+---------+
| text  | uuid  | uuid v7 |
+-------+-------+---------+
| 7428  | 8584  | 3398    |
| 5611  | 4966  | 3654    |
| 13849 | 10398 | 3771    |
| 6585  | 7624  | 3679    |
| 6131  | 5142  | 3861    |
| 6199  | 10336 | 3722    |
| 6764  | 6039  | 3644    |
| 9053  | 5515  | 3621    |
| 6134  | 5367  | 3706    |
| 11058 | 5551  | 3850    |
+-------+-------+---------+

但我们可以清楚地看到，插入 UUID v7 比插入常规 UUID v4 快约 2 倍。

概括

正如一开始提到的 - 由于 UUID 长度 - 即使进行了所有这些优化，它也不是主键的最佳类型。如果您可以选择，请查看由 Vlad Mihalcea 维护的 TSID。

但如果您必须或出于某种原因想要使用 UUID，请考虑我提到的优化。另请记住，此类优化对于大型数据集会产生影响。如果您存储数百甚至数千行，并且流量较低，您可能不会看到应用程序性能有任何差异。但是，如果您有可能拥有大型数据集或大流量 - 最好从一开始就这样做，因为更改主键可能是一个相当大的挑战。

深入阅读