INT 和 VARCHAR 主键之间是否存在真正的性能差异？

Question

使用 INT 与使用 INT 之间是否存在可测量的性能差异？VARCHAR 作为 MySQL 中的主键？我想使用 VARCHAR 作为参考列表的主键（想想美国各州、国家/地区代码），并且同事不会在 INT AUTO_INCRMENT 作为所有表的主键上让步。

我的论点，详细 这里, 的一点是，INT 和 VARCHAR 之间的性能差异可以忽略不计，因为每个 INT 外键引用都需要 JOIN 来理解引用，而 VARCHAR 键将直接呈现信息。

那么，是否有人对这个特定用例以及与之相关的性能问题有经验？

Answer 1

您说的很对，你可以使用什么叫做的避免加入了查询的一些数自然键 代替 代理键 。只有你可以评估，如果这样做的好处是在应用程序中显著。

这是，你可以测量你的应用程序，它是最重要的是快速的查询，因为他们有大量数据的工作，或者他们执行得非常频繁。如果这些查询从消除加盟，并且不使用VARCHAR主键遭受获益，然后再去做。

不要使用两种策略数据库中的所有表。这可能是因为在某些情况下，一个自然的关键是更好的，但是在其他情况下，代理键更好。

其他人说的很对，它是罕见的在实践中自然键永远不会改变或有重复，所以代理键通常是值得的。

Answer 2

这不是性能。这是关于如何成为一名优秀的主键。独特的和不变的一段时间。你可能会认为一个实体，如国家代码永远不会随时间变化而将是一个主键一个很好的候选人。但痛定思痛的是，很少如此。

INT AUTO_INCREMENT满足“的独特的和不变的一段时间”的条件。因此，偏好。

Answer 3

取决于长度。如果将varchar将是20个字符，int是4，那么如果您使用int，你的指数将有每索引空间页五倍之多节点上盘...这意味着遍历索引将需要五分之一尽可能多的物理和/或逻辑读取..

所以，如果性能是一个问题，有机会，总是用你的表的组成无意义的密钥（称为代理），并为这些表中引用的行外键...

同时，以保证数据的一致性，每个表，其中它的事项应的 也 有一个有意义的非数字备用键， （或唯一索引），以确保重复的行不能插入（重复基于有意义的表属性）。

有关你在谈论（如状态查询），它其实并不重要，因为表的大小是如此之小的具体使用。一般情况下也用不到几对性能没有影响，从上表中的索引1000行...

Answer 4

绝对不是。

我已经做INT之间的若干... ...几个性能检查，VARCHAR和CHAR。

千万记录表具有主键（独特和群集）有相同的速度和性能（和子树成本）无论哪个三个予使用。

话虽这么说...使用什么是最适合你的应用程序。不要担心性能。

Answer 5

我对网上缺乏基准测试感到有点恼火，所以我自己进行了测试。

请注意，虽然我不会定期这样做，所以请检查我的设置和步骤是否有任何可能无意中影响结果的因素，并在评论中发表您的疑虑。

设置如下：

• 英特尔® 酷睿™ i7-7500U CPU @ 2.70GHz × 4
• 15.6 GiB RAM，我在测试期间确保其中大约 8 GB 是可用的。
• 148.6 GB SSD 驱动器，具有充足的可用空间。
• Ubuntu 16.04 64 位
• MySQL 版本 14.14 Distrib 5.7.20，适用于 Linux (x86_64)

表格：

create table jan_int (data1 varchar(255), data2 int(10), myindex tinyint(4)) ENGINE=InnoDB;
create table jan_int_index (data1 varchar(255), data2 int(10), myindex tinyint(4), INDEX (myindex)) ENGINE=InnoDB;
create table jan_char (data1 varchar(255), data2 int(10), myindex char(6)) ENGINE=InnoDB;
create table jan_char_index (data1 varchar(255), data2 int(10), myindex char(6), INDEX (myindex)) ENGINE=InnoDB;
create table jan_varchar (data1 varchar(255), data2 int(10), myindex varchar(63)) ENGINE=InnoDB;
create table jan_varchar_index (data1 varchar(255), data2 int(10), myindex varchar(63), INDEX (myindex)) ENGINE=InnoDB;

然后，我用一个PHP脚本填充了每个表中的1000万行，其本质是这样的：

$pdo = get_pdo();

$keys = [ 'alabam', 'massac', 'newyor', 'newham', 'delawa', 'califo', 'nevada', 'texas_', 'florid', 'ohio__' ];

for ($k = 0; $k < 10; $k++) {
    for ($j = 0; $j < 1000; $j++) {
        $val = '';
        for ($i = 0; $i < 1000; $i++) {
            $val .= '("' . generate_random_string() . '", ' . rand (0, 10000) . ', "' . ($keys[rand(0, 9)]) . '"),';
        }
        $val = rtrim($val, ',');
        $pdo->query('INSERT INTO jan_char VALUES ' . $val);
    }
    echo "\n" . ($k + 1) . ' millon(s) rows inserted.';
}

为了 int 表格，一点 ($keys[rand(0, 9)]) 被替换为刚刚 rand(0, 9), ，并且对于 varchar 表中，我使用了完整的美国州名，没有将其剪切或扩展至 6 个字符。 generate_random_string() 生成一个 10 个字符的随机字符串。

然后我在MySQL中运行：

• SET SESSION query_cache_type=0;
• 为了 jan_int 桌子：
  • SELECT count(*) FROM jan_int WHERE myindex = 5;
  • SELECT BENCHMARK(1000000000, (SELECT count(*) FROM jan_int WHERE myindex = 5));
• 对于其他表，同上，用 myindex = 'califo' 为了 char 表和 myindex = 'california' 为了 varchar 表。

时代的 BENCHMARK 对每个表进行查询：

• 一月int：21.30 秒
• jan_int_index：18.79秒
• 一月字符：21.70 秒
• jan_char_index：18.85秒
• 简_varchar：21.76 秒
• jan_varchar_index：18.86秒

关于表和索引大小，这是输出 show table status from janperformancetest; （有几列未显示）：

|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| Name              | Engine | Version | Row_format | Rows    | Avg_row_length | Data_length | Max_data_length | Index_length | Data_free | Auto_increment | Collation              |
|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| jan_int           | InnoDB |      10 | Dynamic    | 9739094 |             43 |   422510592 |               0 |            0 |   4194304 |           NULL | utf8mb4_unicode_520_ci |  
| jan_int_index     | InnoDB |      10 | Dynamic    | 9740329 |             43 |   420413440 |               0 |    132857856 |   7340032 |           NULL | utf8mb4_unicode_520_ci |   
| jan_char          | InnoDB |      10 | Dynamic    | 9726613 |             51 |   500170752 |               0 |            0 |   5242880 |           NULL | utf8mb4_unicode_520_ci |  
| jan_char_index    | InnoDB |      10 | Dynamic    | 9719059 |             52 |   513802240 |               0 |    202342400 |   5242880 |           NULL | utf8mb4_unicode_520_ci |  
| jan_varchar       | InnoDB |      10 | Dynamic    | 9722049 |             53 |   521142272 |               0 |            0 |   7340032 |           NULL | utf8mb4_unicode_520_ci |   
| jan_varchar_index | InnoDB |      10 | Dynamic    | 9738381 |             49 |   486539264 |               0 |    202375168 |   7340032 |           NULL | utf8mb4_unicode_520_ci | 
|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|

我的结论是，这个特定用例没有性能差异。

Answer 6

对于短代码，可能没有区别。尤其如此，因为保存这些代码的表可能非常小（最多几千行）并且不经常更改（我们最后一次添加新的美国州是什么时候）。

对于键之间变化较大的较大表，这可能很危险。例如，考虑使用用户表中的电子邮件地址/用户名。当您有几百万用户并且其中一些用户的名称或电子邮件地址很长时，会发生什么情况？现在，任何时候您需要使用该键加入该表时，它都会变得更加昂贵。

Answer 7

至于主键，无论物理使得应当被确定作为主键唯一的行。

有关的参考作为外键，使用自动递增的整数作为替代为两个主要的原因是个好主意。结果   - 首先，有一个在加入通常发生更少的开销结果。   - 第二，如果你需要更新包含独特的VARCHAR那么更新有向下级联到所有的子表，并更新所有的人，以及指标，而用INT替代，它只有更新表主表和它的索引。

在drawaback使用替代的是，你可能允许的替代的含义改变：

ex.
id value
1 A
2 B
3 C

Update 3 to D
id value
1 A
2 B
3 D

Update 2 to C
id value
1 A
2 C
3 D

Update 3 to B
id value
1 A
2 C
3 B

这一切都取决于你真正需要担心在你的结构和用什么方法最。

Answer 8

代理人的常见情况 AUTO_INCREMENT 痛：

常见的模式模式是 多对多映射:

CREATE TABLE map (
    id ... AUTO_INCREMENT,
    foo_id ...,
    bar_id ...,
    PRIMARY KEY(id),
    UNIQUE(foo_id, bar_id),
    INDEX(bar_id) );

这种模式的性能要好得多，特别是在使用 InnoDB 时：

CREATE TABLE map (
    # No surrogate
    foo_id ...,
    bar_id ...,
    PRIMARY KEY(foo_id, bar_id),
    INDEX      (bar_id, foo_id) );

为什么？

• InnoDB辅助键需要额外的查找；通过将这一对移入 PK，就可以避免一个方向的情况。
• 二级索引是“覆盖”的，因此不需要额外的查找。
• 由于去掉了这个表，所以变得更小 id 和一个索引。

另一个案例（国家):

country_id INT ...
-- versus
country_code CHAR(2) CHARACTER SET ascii

新手常常将 Country_code 标准化为 4 字节 INT 而不是使用“自然”的 2 字节、几乎不变的 2 字节字符串。更快、更小、更少的 JOIN、更具可读性。

Answer 9

在HauteLook，我们改变了我们的许多表的使用自然键。我们没有遇到性能真实世界的增长。至于你提到的，我们的很多疑问现在使用较少的加入使查询更好的性能。我们甚至会用复合主键，如果这是有道理的。话虽这么说，一些表只是更容易，如果他们有一个代理键工作。

此外，如果你让人们写信给你的数据库接口，一个代理键会有所帮助。第三方可以依靠的事实，代理键会在极少数情况下才会改变。

Answer 10

现在的问题是关于MySQL，所以我说是有显著差异。如果是关于Oracle（用于存储数字作为字符串 - 是的，我不能在第一次相信它），那么没有太大的区别

存储在表中没有，但更新和参照索引是问题。涉及查找基于其主键的记录查询频繁 - 你想，因为他们经常会发生他们尽可能快地发生

。

的事情是用4个字节和8个字节的整数一个CPU处理自然，在硅。这真是快它来比较两个整数 - 它发生在一个或两个时钟周期。

现在看一个字符串 - 它是由很多个字符（每个字符多个字节这些天）的。对于优先级比较两个字符串不能在一个或两个周期来完成。相反，直到发现差别时字符串字符必须被重复。我敢肯定，有技巧，使其在一些数据库快，而是因为一个int比较自然地完成，快如闪电的硅由CPU这就是这里无关紧要。

我的一般原则 - 每一个主键应该特别是在二OO的自增INT应用使用的是一个ORM（休眠，DataNucleus将什么的），还有很多对象之间的关系 - 他们通常会总是被实现为一个简单的FK和快速解决这些能力为DB是您的应用程序”重要 小号的响应性。

Answer 11

我面临同样的困境。我有3事实表，道路交通事故，车辆的事故和伤亡的事故中，有一个DW（星座模式）。数据包括记录在英国1979年至2012年的所有事故，60个维度表。总之，约20万条记录。

事实表的关系：

+----------+          +---------+
| Accident |>--------<| Vehicle |
+-----v----+ 1      * +----v----+
     1|                    |1
      |    +----------+    |
      +---<| Casualty |>---+
         * +----------+ *

RDMS：MySQL的5.6

本身的事故指数是一个varchar（数字和字母）中，用15位数字。我试图不具有代理键，一旦发生事故指标永远不会改变。 在i7处理器（8个核）的计算机，在DW成为视后的尺寸的1200万条记录负载的查询速度太慢。 大量的返工和增加BIGINT代理键后，我得到了平均20％的速度性能提升。 然而，低性能增益，但有效尝试。林在MySQL调谐和聚类工作。

Answer 12

不知道对性能的影响，但它似乎是一个可能的妥协，在开发过程中，至少将包括自动递增整数“代孕”键，以及你的意图，独一无二的，“自然”键。这将使你有机会评估性能，以及其他可能的问题，包括自然键的可变性。

Answer 13

和往常一样，没有毯答案。 '这取决于！'我不是在开玩笑。我原来的问题的理解是对小表的键 - 就像国家（整数ID或CHAR / VARCHAR代码）是一个外键，如地址/联系表一个潜在的巨大的表

这里有两种情况，当你想将数据从DB回来。首先是一个列表/搜索类型的查询要列出所有与国家和国家代码或名称（IDS不会帮助，因此将需要一个查找）接触。另一种是在主键的GET场景，其示出了状态的名称，国家需要被示出的单个联系人记录。

对于后者GET，它可能并不重要的FK是基于因为我们正在把表一起为单个记录或几个记录，并在关键的读取。前者（搜索或列表）的情况可以通过我们的选择会受到影响。既然是必须出示国家（至少一个识别码，甚至搜索本身包括国家代码），不必通过代理键加入另一个表有可能（我只是在这儿谨慎，因为我没有实际测试这一点，但似乎极有可能），提高性能;尽管事实上它肯定与搜索帮助。

作为代码在大小是小 - 通常不超过3个字符为国家和状态时，它可以是好使用自然键作为外键在这种情况下

。

在其它情形，其中键是依赖于较长VARCHAR值和或许在较大的表;代理键可能具有的优点。

Answer 14

请允许我说是的肯定是有区别的，同时考虑到性能范围（开箱即用的定义）：

1使用替代int是在应用速度更快，因为你并不需要在你的代码或查询中使用ToUpper的（），ToLower将（），ToUpperInvarient（），或ToLowerInvarient（），并且这些4个功能具有不同的业绩基准。看到这个微软性能规则。 （应用程序的性能）

2-使用替代INT保证不随时间变化的键。即使国家代码可能会改变，见维基百科ISO代码是如何随时间变化。这将需要大量的时间来更改子树的主键。 （数据维护性能）

3-似乎存在与ORM解决方案，如NHibernate的问题，当PK / FK是不是int。 （显影剂的性能）