MYSQL INNODB主键使用varchar和int的区别

原创，如果有误请指出

今天同事讨论关于主键使用varchar和int的区别。

我现在总结的3个问题：
1、tablespace中空间浪费
   当然我们知道使用varchar可能会导致辅助索引比较大，因为用到varchar可能存储的字符较多，同时
   在行头也存在一个可变字段字符区域(1-2)字节
   而辅助索引叶子结点毕竟都存储了主键值，这样至少会多varchar数据字节数量+1(或者2) 字节- 4(int)字节空间。
   如果辅助索引比较多空间浪费是可想而知的。
2、辅助索引B+树扫描性能
    由于辅助索引B+树的空间要求更大，虽然在B+树层次一般都是3层-4层，索引单值定位I/O消耗并不明显，如果涉及到
    范围查询(比如PAGE_CUR_G),需要访问的块就更多，同时比如例如辅助索引的using index，需要访问的块自然
    更多
3、比较更加复杂
   innodb 在进行元组比较的时候，不管是DML，select都会涉及到元组的比较，同时回表的时候也涉及
   到比较操作。而varchar类型的比较比int类型更为复杂一些。
那么我们就来分析第三个问题，第一个问题和第二个问题是显而易见的。
我这里数据库字符集为latin1\latin1_swedish_ci

其实在innodb底层进行比较的时候都调用cmp_data这个函数
在innodb中有自己的定义的数据类型如下：

点击(此处)折叠或打开

1. /*-------------------------------------------*/
   
2. /* The 'MAIN TYPE' of a column */
   
3. #define DATA_MISSING    0    /* missing column */
   
4. #define    DATA_VARCHAR    1    /* character varying of the
   
5. latin1_swedish_ci charset-collation; note
   
6. that the MySQL format for this, DATA_BINARY,
   
7. DATA_VARMYSQL, is also affected by whether the
   
8. 'precise type' contains
   
9. DATA_MYSQL_TRUE_VARCHAR */
   
10. #define DATA_CHAR    2    /* fixed length character of the
    
11. latin1_swedish_ci charset-collation */
    
12. #define DATA_FIXBINARY    3    /* binary string of fixed length */
    
13. #define DATA_BINARY    4    /* binary string */
    
14. #define DATA_BLOB    5    /* binary large object, or a TEXT type;
    
15. if prtype & DATA_BINARY_TYPE == 0, then this is
    
16. actually a TEXT column (or a BLOB created
    
17. with < 4.0.14; since column prefix indexes
    
18. came only in 4.0.14, the missing flag in BLOBs
    
19. created before that does not cause any harm) */
    
20. #define    DATA_INT    6    /* integer: can be any size 1 - 8 bytes */
    
21. #define    DATA_SYS_CHILD    7    /* address of the child page in node pointer */
    
22. #define    DATA_SYS    8    /* system column */

我们熟悉的int类型属于DATA_INT而varchar属于DATA_VARCHAR，rowid属于DATA_SYS
在函数cmp_data根据各种类型的不同进行了不同比较的方式，这里就将int和varchar
判断的方式进行说明：
1、innodb int类型比较
实际上是在cmp_data中进行了大概的方式如下

点击(此处)折叠或打开

1. if (len) {
   
2. #if defined __i386__ || defined __x86_64__ || defined _M_IX86 || defined _M_X64
   
3. /* Compare the first bytes with a loop to avoid the call
   
4. overhead of memcmp(). On x86 and x86-64, the GCC built-in
   
5. (repz cmpsb) seems to be very slow, so we will be calling the
   
6. libc version. http://gcc.gnu.org/bugzilla/show_bug.cgi?id=43052
   
7. tracks the slowness of the GCC built-in memcmp().
   
8. 
   
9. 
   
10. We compare up to the first 4..7 bytes with the loop.
    
11. The (len & 3) is used for "normalizing" or
    
12. "quantizing" the len parameter for the memcmp() call,
    
13. in case the whole prefix is equal. On x86 and x86-64,
    
14. the GNU libc memcmp() of equal strings is faster with
    
15. len=4 than with len=3.
    
16. 
    
17. 
    
18. On other architectures than the IA32 or AMD64, there could
    
19. be a built-in memcmp() that is faster than the loop.
    
20. We only use the loop where we know that it can improve
    
21. the performance. */
    
22. for (ulint i = 4 + (len & 3); i > 0; i--) {
    
23. cmp = int(*data1++) - int(*data2++);
    
24. if (cmp) {
    
25. return(cmp);
    
26. }
    
27. 
    
28.