我正在将约 50M 行导入 MySQL 8、InnoDB。它位于具有 GP3 存储的 AWS RDS 上。
行的唯一键是类似 uuid 的字符串。
查询时，我们永远不会关心这个唯一键，除非从主源更新插入新的/修改的行。
通常，唯一的 id 就是 PK。但我读到 MySQL 中的 PK 索引很特别，因为它旨在将相似值的数据“聚集”，以提高性能。
看起来，通过使用类似于 uuid 的字符串作为 PK，聚类不会对我们的查询有帮助。
如果我要对表进行分区，我会按日期范围进行分区。
我可以想象定义一个合成 PK 或复合 PK，它将日期字段和 uuid 结合起来以获得更有可能支持我们实际执行的查询的集群。
我的问题是：拥有一个支持典型查询（即获取的结果可能在索引中“接近”）的 PK 集群有多重要？
据推测，PK 的自动递增 id 的典型情况也会导致与典型查询关系不大的聚类（通常没有理由选择相邻的 id）。
我正在特别思考现代 SSD 存储是否使这种类型的优化变得不那么重要、过时......甚至更重要？
更多背景信息
https://dev.mysql.com/doc/refman/8.0/en/innodb-index-types.html
聚集索引如何加速查询
通过聚集索引访问行的速度很快，因为索引搜索直接指向包含行数据的页面。如果表很大，则与使用与索引记录不同的页存储行数据的存储组织相比，聚集索引架构通常可以节省磁盘 I/O 操作。
看来 PK 索引的“聚集”性仅对于通过 PK 选择的查询有价值。
这是关于将行数据与索引（？）
因此，如果我关心的所有应用程序查询都使用二级索引，我想 PK 的属性是什么并不重要？例如，在 PK 中包含日期分区列不会神奇地加快使用不同索引的查询速度。
是对的吗？
这取决于。
对于通过 PK 的“点查询”，有 1 个 BTree 查找。
对于通过二级索引的“点查询”，有两个 BTree 查找。
对于“范围查询”，UUID 实际上毫无用处——行将分散在各处。（但是，请参阅UUID。）
对于按时间顺序聚集的信息...如果您有新闻文章，并且大多数请求都是针对“最近”的文章，那么按时间顺序对数据进行排序将是有益的。
AUTO_INCREMENT（大部分）实现了这一点；UUID 没有（再次参见上面的链接）如果您的外部提供商为您提供了 UUID，并在稍后引用它们，那么请务必使用 UUID 作为 PK。将 UUID 转换为 auto_inc id 的开销可能不值得。
如果整个表适合
innodb_buffer_pool_size，那么生产服务器最终将获得所有块（每个块 16KB），最终将缓存在 RAM 中。在这种情况下，PK 是 auto_inc 还是 UUID 或者其他什么都没有关系。在一些罕见的应用中（2D索引有用）
PARTITIONing可能有用。（但我在问题中没有看到这一点。）将 UUID 打包到
BINARY(16)（请参阅 MySQL 和 MariaDB 中现在可用的链接或函数）。（节省空间会稍微减少 I/O，从而提高性能。）一般的指数是多少？Wу 指定一些表达式。该表达式值是针对行集中的每一行计算的。然后对这些值（以及对生成该值的行的引用）进行排序。现在，当我们知道表达式的值时，我们可以使用半除法轻松找到表达式具有所需值的行。
InnoDB中什么是二级索引和非聚集索引？服务器计算每一行的索引表达式，对结果进行排序并将结果保存到单独的磁盘结构的索引中。现在，当我们指定索引表达式值时，服务器在索引中搜索该值，然后获取对该行本身的引用（该引用存在于磁盘上的表体文件中），并使用该引用检索该行本身。
什么是聚集索引？服务器计算每一行的索引表达式，根据该表达式值对行进行排序，并将行按此顺序保存到磁盘。现在，当我们指定索引表达式值时，服务器会在索引中搜索该值，当找到该索引值时，它也会找到该行本身。我们不需要跳到表体 - 我们已经在其中了。
再次关于二级索引。我已经说过，其中的索引表达式值伴随着行本身的引用。该引用应该有助于尽快找到行本身 - 因此该引用是聚集索引表达式值。即，当我们通过二级索引搜索时，我们通过其表达式值使用二分搜索，根据聚集索引表达式值，并通过该聚集表达式值使用二分搜索来查找行本身。
最后。当我们通过二级索引搜索行时，我们需要执行两次搜索。当我们通过聚集索引搜索时，我们只需要一次搜索。