SQLite UUID 主鍵的效能陷阱：B-Tree 碎片化與寫入放大
andersmurphy.com · 2026-06-05
一篇在 Lobsters 獲得高關注的技術文章詳細分析在 SQLite 中使用 UUID 作為主鍵的效能代價，結論是 UUID v4 作為主鍵會導致 B-Tree 結構嚴重碎片化，在寫入密集場景下產生顯著的效能退化，作者以 Clojure + SQLite 應用為背景提供了具體測量數據與解決方案。
問題根源：隨機插入導致 B-Tree 分裂
SQLite 的主鍵索引是一棵 B-Tree，頁面大小預設 4 KB。UUID v4 是隨機生成的 128 位元值，新記錄的主鍵幾乎必然落在已存在記錄的隨機位置，觸發 B-Tree 中間頁的分裂與重新平衡。對比之下，自增整數（ROWID）永遠追加到 B-Tree 最右側葉子節點，不觸發已有頁面的修改。
隨機插入的直接後果有三：（1）每次插入平均需要讀取並寫回更多 B-Tree 頁面（寫入放大）；（2）頁面填充率下降（B-Tree 分裂後兩個子節點各約半滿），導致相同資料量需要更多頁面，增加讀取時的 I/O；（3）SQLite 的 WAL（Write-Ahead Log）需要記錄更多頁面修改，checkpoint 時的同步工作增加。
測量結果
文章以 100 萬筆記錄的插入測試比較：
- ROWID（自增整數）：插入耗時基準值
- UUID v4：插入耗時約 ROWID 的 4–6 倍，資料庫文件大小約 ROWID 的 1.5–2 倍（頁面碎片化）
- UUID v7（時間排序 UUID）：插入耗時接近 ROWID，因為 UUID v7 的高位元是 Unix 毫秒時間戳記，保證新值大於既有值，不觸發隨機分裂
解決方案
UUID v7 是在需要全域唯一識別符的情況下，保留 SQLite 插入效能的最佳選擇。UUID v7 格式（RFC 9562）的前 48 位元為 Unix 毫秒時間戳記，後 74 位元為隨機值，保證在相同毫秒內多個節點生成的 UUID 幾乎嚴格遞增（偶爾的毫秒衝突由隨機位元部分緩解），讓 B-Tree 退化為近似追加模式。對於不需要跨系統唯一性的場景，SQLite 原生的 INTEGER PRIMARY KEY AUTOINCREMENT 仍是效能最優選項。
原始來源：andersmurphy.com
Redis 8.8：Array 資料型別、INCREX 限速器與 Stream 效能改進
Redis Blog · 2026-06-04
Redis 發布 8.8 版本，引入三個主要新特性：原生 Array 資料型別、INCREX 帶過期時間的增量指令，以及 XNACK 的 Stream pending entry 批次確認。8.8 延續 Redis 8.x 系列的高效能方向，同時提升 MGET/MSET 與 Stream 操作的吞吐量。
Array 資料型別
Redis 新增 ARRAY 型別，支援有序、支援下標存取的可變長序列，區別於現有的 List（雙向鏈結串列，O(n) 隨機存取）。Array 型別使用緊湊的連續記憶體佈局，提供 O(1) 下標讀寫，代價是插入（非追加端）仍為 O(n) 移位。新指令集：
ASET key index value：設定指定下標的元素AGET key index：讀取指定下標的元素APUSH key value [value ...]：追加元素ALEN key：回傳長度ARANGE key start stop：範圍讀取（類似 LRANGE）
INCREX：帶過期時間的原子增量
INCREX key increment milliseconds 在單一原子操作中執行增量並設定毫秒級過期時間，解決限速器（rate limiter）常見的 INCR + PEXPIRE 兩步驟競態條件。傳統做法使用 Lua 腳本保證原子性，INCREX 將此模式提升為原生指令，消除腳本呼叫的開銷與維護負擔。
效能改進
8.8 的效能改進集中在兩個面向：MGET/MSET 在大批次下的吞吐量提升——透過 pipeline 批次路徑最佳化，減少每個鍵的平均處理指令數；以及 Stream 消費者群組（consumer group）的 XACK 批次處理——XNACK 指令允許在一次呼叫中確認多個 pending entry，降低高吞吐 Stream 消費場景的往返次數。基準測試顯示在 100 個鍵的 MGET 批次上有 15–23% 的吞吐量提升。
原始來源：Redis Blog、Array 資料型別深入解析