P7领导建议：可以用UUIDv7作为数据库主键
前言
大家好，我是田螺。
我们提到分布式主键ID的时候，可能都会想到UUID，比如在设计数据库主键的时候。但是可能最终都不会考虑它。但是呢，最近领导却建议说，可以考虑它作为数据库主键了，因为UUIDv7的出现~~
1. 传统 UUID 作为主键的缺点
传统 UUID（尤其是 v4）的 完全随机性 是其作为数据库主键的“原罪”：
无序性 (最主要问题):
数据库索引（尤其是 B+Tree）依赖主键顺序插入新记录效率最高。UUID 随机生成，插入位置不确定，导致索引树频繁分裂和重组，大幅降低写入性能。破坏聚簇索引（如 InnoDB）的物理存储顺序，增加磁盘 I/O。范围查询和排序效率低下，性能低下。存储空间大：
占用存储空间是自增整数（如 64位 BigInt）的 2倍。导致索引更大，占用更多内存/磁盘，缓存效率降低，查询变慢2. UUIDv7 的核心突破：时间有序性架构设计
UUIDv7 的革新性在于将 时间戳嵌入最高有效位（Most Significant Bits），实现了全局单调递增。其 128 位结构如下：
复制
0 1 2 3
0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
┌─────────────────────┬─────┬─────┬─────────────────────────────┐
│ Unix毫秒时间戳 │ Ver │Var │ 随机位 │
│ (48位) │(4) │(2) │ (74位) │
└─────────────────────┴─────┴─────┴─────────────────────────────┘1.2.3.4.5.6.
设计关键点解析：
高精度时间前缀（48位）：精确到毫秒的 Unix 时间戳，确保 ID 严格按时间递增（需 NTP 时钟同步）。尾部随机位（74位）：保证分布式唯一性，避免 v1 的 MAC 地址泄露风险。有序性如何解决性能问题？
B+树索引优化新生成的 UUIDv7 总是大于之前的值，因此被追加到索引尾部，避免中间节点分裂。
缓冲池友好顺序写入使新记录集中在少数数据页。当页写满时，数据库只需分配新页追加，减少旧页淘汰与磁盘I/O。范围查询加速时间有序性使 WHERE id > 2025-06-01 可转化为 时间戳范围过滤，大幅降低扫描范围3. UUIDv7 和其他版本的横向对比
4.项目实战：如何使用 UUIDv7？
生成 UUIDv7复制
import com.github.f4b6a3.uuid.UuidCreator;
public class UuidUtils {
public static UUID generateUuidV7() {
return UuidCreator.getTimeOrdered(); // 生成 UUIDv7
}
// 转为数据库存储格式
public static byte[] toBytes(UUID uuid) {
ByteBuffer bb = ByteBuffer.wrap(new byte[16]);
bb.putLong(uuid.getMostSignificantBits());
bb.putLong(uuid.getLeastSignificantBits());
return bb.array();
}
// 从数据库读取转换
public static UUID fromBytes(byte[] bytes) {
ByteBuffer bb = ByteBuffer.wrap(bytes);
return new UUID(bb.getLong(), bb.getLong());
}
}
// 使用示例
UUID id = UuidService.generateUuidV7();1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.
复制
CREATE TABLE users (
id BINARY(16) PRIMARY KEY, -- 二进制存储 UUID
name VARCHAR(50) NOT NULL,
email VARCHAR(100)
);1.2.3.4.5.
复制
// 插入数据
UUID userId = UuidUtils.generateUuidV7();
String sql = "INSERT INTO users (id, name) VALUES (?, ?)";
try (PreparedStatement ps = conn.prepareStatement(sql)) {
ps.setBytes(1, UuidUtils.toBytes(userId));
ps.setString(2, "John Doe");
ps.executeUpdate();
}
// 查询数据
String query = "SELECT * FROM users WHERE id = ?";
try (PreparedStatement ps = conn.prepareStatement(query)) {
ps.setBytes(1, UuidUtils.toBytes(userId));
ResultSet rs = ps.executeQuery();
while (rs.next()) {
UUID id = UuidUtils.fromBytes(rs.getBytes("id"));
String name = rs.getString("name");
}
}1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.
5. 关于UUIDv7 常见问题解答
5.1 UUIDv7到底会不会重复极低概率，可视为唯一
UUIDv7由48位毫秒级Unix时间戳（约8.5万年后才会耗尽） + 74位随机数组成，总组合数达2^122（约5.3×10^36）。即使每秒生成10亿个UUID，重复概率也远低于10^-15，理论上可忽略。
极端场景，若系统时钟回拨且在同一毫秒内生成大量UUID（超过2^74个），可能冲突，但实际中几乎不可能发生。
5.2 什么是时钟回拨？对UUIDv7有何影响？原因：服务器时间因NTP同步错误、电源波动、虚拟机宿主机调整等意外回退。问题：时钟回拨后，新生成的UUIDv7时间戳可能小于前值，若回拨期间随机数碰撞则可能重复如何解决呢？（1）预防措施：
使用冗余时钟源：如GPS+原子钟+NTP多层级同步，减少单点故障。监控时钟漂移：通过Kalman滤波等算法实时修正时间偏差。避免虚拟机时钟漂移：优先部署于物理机。（2）生成时容错：
时间戳延续：检测到回拨时，延续最后记录的时间戳直至超过回拨区间。随机数扩容：回拨期间扩展随机数位数（如占用预留位），降低碰撞概率阅读剩余
THE END
