首页 资讯频道 互联频道 智能频道 网络 数据频道 安全频道 服务器频道 存储频道

什么是分布式ID?分布式ID的9种生成方式介绍

2020-11-05 10:40:51 来源 : 数据库开发

前两天公众号有个粉丝给我留言吐槽最近面试:“四哥,年前我在公司受点委屈一冲动就裸辞了,然后现在疫情严重两个多月还没找到工作,接了几个视频面试也都没下文。好多面试官问完一个问题,紧接着说还会其他解决方法吗?能干活解决bug不就行了吗?那还得会多少种方法?”

面试官应该是对应聘者的回答不太满意,他想听到一个他认为最优的解决方案,其实这无可厚非。同样一个bug,能用一行代码解决问题的人和用十行代码解决问题的人,你会选哪个入职?显而易见的事情!所以看待问题还是要从多个角度出发,每种方法都有各自的利弊。

一、为什么要用分布式ID?

在说分布式ID的具体实现之前,我们来简单分析一下为什么用分布式ID?分布式ID应该满足哪些特征?

1、什么是分布式ID?

拿MySQL数据库举个栗子:

在我们业务数据量不大的时候,单库单表完全可以支撑现有业务,数据再大一点搞个MySQL主从同步读写分离也能对付。

但随着数据日渐增长,主从同步也扛不住了,就需要对数据库进行分库分表,但分库分表后需要有一个唯一ID来标识一条数据,数据库的自增ID显然不能满足需求;特别一点的如订单、优惠券也都需要有唯一ID做标识。此时一个能够生成全局唯一ID的系统是非常必要的。那么这个全局唯一ID就叫分布式ID。

2、那么分布式ID需要满足那些条件?

全局唯一:必须保证ID是全局性唯一的,基本要求

高性能:高可用低延时,ID生成响应要块,否则反倒会成为业务瓶颈

高可用:100%的可用性是骗人的,但是也要无限接近于100%的可用性

好接入:要秉着拿来即用的设计原则,在系统设计和实现上要尽可能的简单

趋势递增:最好趋势递增,这个要求就得看具体业务场景了,一般不严格要求

二、 分布式ID都有哪些生成方式?

今天主要分析一下以下9种,分布式ID生成器方式以及优缺点:

UUID

数据库自增ID

数据库多主模式

号段模式

Redis

雪花算法(SnowFlake)

滴滴出品(TinyID)

百度 (Uidgenerator)

美团(Leaf)

那么它们都是如何实现?以及各自有什么优缺点?

1、基于UUID

在Java的世界里,想要得到一个具有唯一性的ID,首先被想到可能就是UUID,毕竟它有着全球唯一的特性。那么UUID可以做分布式ID吗?答案是可以的,但是并不推荐!

publicstaticvoidmain(String[]args){

Stringuuid=UUID.randomUUID().toString().replaceAll("-","");

System.out.println(uuid);

}

UUID的生成简单到只有一行代码,输出结果 c2b8c2b9e46c47e3b30dca3b0d447718,但UUID却并不适用于实际的业务需求。像用作订单号UUID这样的字符串没有丝毫的意义,看不出和订单相关的有用信息;而对于数据库来说用作业务主键ID,它不仅是太长还是字符串,存储性能差查询也很耗时,所以不推荐用作分布式ID

优点:

生成足够简单,本地生成无网络消耗,具有唯一性

缺点:

无序的字符串,不具备趋势自增特性

没有具体的业务含义

长度过长16 字节128位,36位长度的字符串,存储以及查询对MySQL的性能消耗较大,MySQL官方明确建议主键要尽量越短越好,作为数据库主键 UUID 的无序性会导致数据位置频繁变动,严重影响性能。

2、基于数据库自增ID

基于数据库的auto_increment自增ID完全可以充当分布式ID,具体实现:需要一个单独的MySQL实例用来生成ID,建表结构如下:

CREATEDATABASE`SEQ_ID`;

CREATETABLESEQID.SEQUENCE_ID(

idbigint(20)unsignedNOTNULLauto_increment,

valuechar(10)NOTNULLdefault'',

PRIMARYKEY(id),

)ENGINE=MyISAM;

insertintoSEQUENCE_ID(value)VALUES('values');

当我们需要一个ID的时候,向表中插入一条记录返回主键ID,但这种方式有一个比较致命的缺点,访问量激增时MySQL本身就是系统的瓶颈,用它来实现分布式服务风险比较大,不推荐!

优点:

实现简单,ID单调自增,数值类型查询速度快

缺点:

DB单点存在宕机风险,无法扛住高并发场景

3、基于数据库集群模式

前边说了单点数据库方式不可取,那对上边的方式做一些高可用优化,换成主从模式集群。害怕一个主节点挂掉没法用,那就做双主模式集群,也就是两个Mysql实例都能单独的生产自增ID。

那这样还会有个问题,两个MySQL实例的自增ID都从1开始,会生成重复的ID怎么办?

解决方案:设置起始值和自增步长

MySQL_1 配置:

[email protected]@auto_increment_offset=1;--起始值

[email protected]@auto_increment_increment=2;--步长

MySQL_2 配置:

[email protected]@auto_increment_offset=2;--起始值

[email protected]@auto_increment_increment=2;--步长

这样两个MySQL实例的自增ID分别就是:

1、3、5、7、9

2、4、6、8、10

那如果集群后的性能还是扛不住高并发咋办?就要进行MySQL扩容增加节点,这是一个比较麻烦的事。

从上图可以看出,水平扩展的数据库集群,有利于解决数据库单点压力的问题,同时为了ID生成特性,将自增步长按照机器数量来设置。

增加第三台MySQL实例需要人工修改一、二两台MySQL实例的起始值和步长,把第三台机器的ID起始生成位置设定在比现有最大自增ID的位置远一些,但必须在一、二两台MySQL实例ID还没有增长到第三台MySQL实例的起始ID值的时候,否则自增ID就要出现重复了,必要时可能还需要停机修改。

优点:

解决DB单点问题

缺点:

不利于后续扩容,而且实际上单个数据库自身压力还是大,依旧无法满足高并发场景。

4、基于数据库的号段模式

号段模式是当下分布式ID生成器的主流实现方式之一,号段模式可以理解为从数据库批量的获取自增ID,每次从数据库取出一个号段范围,例如 (1,1000] 代表1000个ID,具体的业务服务将本号段,生成1~1000的自增ID并加载到内存。表结构如下:

CREATETABLEid_generator(

idint(10)NOTNULL,

max_idbigint(20)NOTNULLCOMMENT'当前最大id',

stepint(20)NOTNULLCOMMENT'号段的布长',

biz_typeint(20)NOTNULLCOMMENT'业务类型',

versionint(20)NOTNULLCOMMENT'版本号',

PRIMARYKEY(`id`)

)

biz_type :代表不同业务类型

max_id :当前最大的可用id

step :代表号段的长度

version :是一个乐观锁,每次都更新version,保证并发时数据的正确性

id biz_type max_id step version
1 101 1000 2000 0

等这批号段ID用完,再次向数据库申请新号段,对max_id字段做一次update操作,update max_id= max_id + step,update成功则说明新号段获取成功,新的号段范围是(max_id ,max_id +step]。

updateid_generatorsetmax_id=#{max_id+step},versionversion=version+1whereversion=#{version}andbiz_type=XXX

由于多业务端可能同时操作,所以采用版本号version乐观锁方式更新,这种分布式ID生成方式不强依赖于数据库,不会频繁的访问数据库,对数据库的压力小很多。

5、基于Redis模式

Redis也同样可以实现,原理就是利用redis的 incr命令实现ID的原子性自增。

127.0.0.1:6379>setseq_id1//初始化自增ID为1

OK

127.0.0.1:6379>incrseq_id//增加1,并返回递增后的数值

(integer)2

用redis实现需要注意一点,要考虑到redis持久化的问题。redis有两种持久化方式RDB和AOF

RDB会定时打一个快照进行持久化,假如连续自增但redis没及时持久化,而这会Redis挂掉了,重启Redis后会出现ID重复的情况。

AOF会对每条写命令进行持久化,即使Redis挂掉了也不会出现ID重复的情况,但由于incr命令的特殊性,会导致Redis重启恢复的数据时间过长。

6、基于雪花算法(Snowflake)模式

雪花算法(Snowflake)是twitter公司内部分布式项目采用的ID生成算法,开源后广受国内大厂的好评,在该算法影响下各大公司相继开发出各具特色的分布式生成器。

Snowflake生成的是Long类型的ID,一个Long类型占8个字节,每个字节占8比特,也就是说一个Long类型占64个比特。

Snowflake ID组成结构:正数位(占1比特)+ 时间戳(占41比特)+ 机器ID(占5比特)+ 数据中心(占5比特)+ 自增值(占12比特),总共64比特组成的一个Long类型。

第一个bit位(1bit):Java中long的最高位是符号位代表正负,正数是0,负数是1,一般生成ID都为正数,所以默认为0。

时间戳部分(41bit):毫秒级的时间,不建议存当前时间戳,而是用(当前时间戳 - 固定开始时间戳)的差值,可以使产生的ID从更小的值开始;41位的时间戳可以使用69年,(1L << 41) / (1000L * 60 * 60 * 24 * 365) = 69年

工作机器id(10bit):也被叫做workId,这个可以灵活配置,机房或者机器号组合都可以。

序列号部分(12bit),自增值支持同一毫秒内同一个节点可以生成4096个ID

根据这个算法的逻辑,只需要将这个算法用Java语言实现出来,封装为一个工具方法,那么各个业务应用可以直接使用该工具方法来获取分布式ID,只需保证每个业务应用有自己的工作机器id即可,而不需要单独去搭建一个获取分布式ID的应用。

Java版本的Snowflake算法实现:

/**

*Twitter的SnowFlake算法,使用SnowFlake算法生成一个整数,然后转化为62进制变成一个短地址URL

*

*https://github.com/beyondfengyu/SnowFlake

*/

publicclassSnowFlakeShortUrl{

/**

*起始的时间戳

*/

privatefinalstaticlongSTART_TIMESTAMP=1480166465631L;

/**

*每一部分占用的位数

*/

privatefinalstaticlongSEQUENCE_BIT=12;//序列号占用的位数

privatefinalstaticlongMACHINE_BIT=5;//机器标识占用的位数

privatefinalstaticlongDATA_CENTER_BIT=5;//数据中心占用的位数

/**

*每一部分的最大值

*/

privatefinalstaticlongMAX_SEQUENCE=-1L^(-1L<

privatefinalstaticlongMAX_MACHINE_NUM=-1L^(-1L<

privatefinalstaticlongMAX_DATA_CENTER_NUM=-1L^(-1L<

/**

*每一部分向左的位移

*/

privatefinalstaticlongMACHINE_LEFT=SEQUENCE_BIT;

privatefinalstaticlongDATA_CENTER_LEFT=SEQUENCE_BIT+MACHINE_BIT;

privatefinalstaticlongTIMESTAMP_LEFT=DATA_CENTER_LEFT+DATA_CENTER_BIT;

privatelongdataCenterId;//数据中心

privatelongmachineId;//机器标识

privatelongsequence=0L;//序列号

privatelonglastTimeStamp=-1L;//上一次时间戳

privatelonggetNextMill(){

longmill=getNewTimeStamp();

while(mill<=lastTimeStamp){

mill=getNewTimeStamp();

}

returnmill;

}

privatelonggetNewTimeStamp(){

returnSystem.currentTimeMillis();

}

/**

*根据指定的数据中心ID和机器标志ID生成指定的序列号

*

*@paramdataCenterId数据中心ID

*@parammachineId机器标志ID

*/

publicSnowFlakeShortUrl(longdataCenterId,longmachineId){

if(dataCenterId>MAX_DATA_CENTER_NUM||dataCenterId<0){

thrownewIllegalArgumentException("DtaCenterIdcan'tbegreaterthanMAX_DATA_CENTER_NUMorlessthan0!");

}

if(machineId>MAX_MACHINE_NUM||machineId<0){

thrownewIllegalArgumentException("MachineIdcan'tbegreaterthanMAX_MACHINE_NUMorlessthan0!");

}

this.dataCenterId=dataCenterId;

this.machineId=machineId;

}

/**

*产生下一个ID

*

*@return

*/

publicsynchronizedlongnextId(){

longcurrTimeStamp=getNewTimeStamp();

if(currTimeStamp

thrownewRuntimeException("Clockmovedbackwards.Refusingtogenerateid");

}

if(currTimeStamp==lastTimeStamp){

//相同毫秒内,序列号自增

sequence=(sequence+1)&MAX_SEQUENCE;

//同一毫秒的序列数已经达到最大

if(sequence==0L){

currTimeStamp=getNextMill();

}

}else{

//不同毫秒内,序列号置为0

sequence=0L;

}

lastTimeStamp=currTimeStamp;

return(currTimeStamp-START_TIMESTAMP)<

|dataCenterId<

|machineId<

|sequence;//序列号部分

}

publicstaticvoidmain(String[]args){

SnowFlakeShortUrlsnowFlake=newSnowFlakeShortUrl(2,3);

for(inti=0;i<(1<<4);i++){

//10进制

System.out.println(snowFlake.nextId());

}

}

}

7、百度(uid-generator)

uid-generator是由百度技术部开发

uid-generator是基于Snowflake算法实现的,与原始的snowflake算法不同在于,uid-generator支持自定义时间戳、工作机器ID和 序列号 等各部分的位数,而且uid-generator中采用用户自定义workId的生成策略。

uid-generator需要与数据库配合使用,需要新增一个WORKER_NODE表。当应用启动时会向数据库表中去插入一条数据,插入成功后返回的自增ID就是该机器的workId数据由host,port组成。

对于uid-generator ID组成结构:

workId,占用了22个bit位,时间占用了28个bit位,序列化占用了13个bit位,需要注意的是,和原始的snowflake不太一样,时间的单位是秒,而不是毫秒,workId也不一样,而且同一应用每次重启就会消费一个workId。

8、美团(Leaf)

Leaf由美团开发

Leaf同时支持号段模式和snowflake算法模式,可以切换使用。

号段模式

先导入源码 ,在建一张表leaf_alloc

DROPTABLEIFEXISTS`leaf_alloc`;

CREATETABLE`leaf_alloc`(

`biz_tag`varchar(128)NOTNULLDEFAULT''COMMENT'业务key',

`max_id`bigint(20)NOTNULLDEFAULT'1'COMMENT'当前已经分配了的最大id',

`step`int(11)NOTNULLCOMMENT'初始步长,也是动态调整的最小步长',

`description`varchar(256)DEFAULTNULLCOMMENT'业务key的描述',

`update_time`timestampNOTNULLDEFAULTCURRENT_TIMESTAMPONUPDATECURRENT_TIMESTAMPCOMMENT'数据库维护的更新时间',

PRIMARYKEY(`biz_tag`)

)ENGINE=InnoDB;

然后在项目中开启号段模式,配置对应的数据库信息,并关闭snowflake模式

leaf.name=com.sankuai.leaf.opensource.test

leaf.segment.enable=true

leaf.jdbc.url=jdbc:mysql://localhost:3306/leaf_test?useUnicode=true&characterEncoding=utf8&characterSetResults=ut

leaf.jdbc.username=root

leaf.jdbc.password=root

leaf.snowflake.enable=false

#leaf.snowflake.zk.address=

#leaf.snowflake.port=

启动leaf-server 模块的 LeafServerApplication项目就跑起来了

snowflake模式

Leaf的snowflake模式依赖于ZooKeeper,不同于原始snowflake算法也主要是在workId的生成上,Leaf中workId是基于ZooKeeper的顺序Id来生成的,每个应用在使用Leaf-snowflake时,启动时都会都在Zookeeper中生成一个顺序Id,相当于一台机器对应一个顺序节点,也就是一个workId。

leaf.snowflake.enable=true

leaf.snowflake.zk.address=127.0.0.1

leaf.snowflake.port=2181

9、滴滴(Tinyid)

Tinyid由滴滴开发

Tinyid是基于号段模式原理实现的与Leaf如出一辙,每个服务获取一个号段(1000,2000]、(2000,3000]、(3000,4000]

Tinyid提供http和tinyid-client两种方式接入

Http方式接入

(1)导入Tinyid源码:

git clone

(2)创建数据表:

CREATETABLE`tiny_id_info`(

`id`bigint(20)unsignedNOTNULLAUTO_INCREMENTCOMMENT'自增主键',

`biz_type`varchar(63)NOTNULLDEFAULT''COMMENT'业务类型,唯一',

`begin_id`bigint(20)NOTNULLDEFAULT'0'COMMENT'开始id,仅记录初始值,无其他含义。初始化时begin_id和max_id应相同',

`max_id`bigint(20)NOTNULLDEFAULT'0'COMMENT'当前最大id',

`step`int(11)DEFAULT'0'COMMENT'步长',

`delta`int(11)NOTNULLDEFAULT'1'COMMENT'每次id增量',

`remainder`int(11)NOTNULLDEFAULT'0'COMMENT'余数',

`create_time`timestampNOTNULLDEFAULT'2010-01-0100:00:00'COMMENT'创建时间',

`update_time`timestampNOTNULLDEFAULT'2010-01-0100:00:00'COMMENT'更新时间',

`version`bigint(20)NOTNULLDEFAULT'0'COMMENT'版本号',

PRIMARYKEY(`id`),

UNIQUEKEY`uniq_biz_type`(`biz_type`)

)ENGINE=InnoDBAUTO_INCREMENT=1DEFAULTCHARSET=utf8COMMENT'id信息表';

CREATETABLE`tiny_id_token`(

`id`int(11)unsignedNOTNULLAUTO_INCREMENTCOMMENT'自增id',

`token`varchar(255)NOTNULLDEFAULT''COMMENT'token',

`biz_type`varchar(63)NOTNULLDEFAULT''COMMENT'此token可访问的业务类型标识',

`remark`varchar(255)NOTNULLDEFAULT''COMMENT'备注',

`create_time`timestampNOTNULLDEFAULT'2010-01-0100:00:00'COMMENT'创建时间',

`update_time`timestampNOTNULLDEFAULT'2010-01-0100:00:00'COMMENT'更新时间',

PRIMARYKEY(`id`)

)ENGINE=InnoDBAUTO_INCREMENT=1DEFAULTCHARSET=utf8COMMENT'token信息表';

INSERTINTO`tiny_id_info`(`id`,`biz_type`,`begin_id`,`max_id`,`step`,`delta`,`remainder`,`create_time`,`update_time`,`version`)

VALUES

(1,'test',1,1,100000,1,0,'2018-07-2123:52:58','2018-07-2223:19:27',1);

INSERTINTO`tiny_id_info`(`id`,`biz_type`,`begin_id`,`max_id`,`step`,`delta`,`remainder`,`create_time`,`update_time`,`version`)

VALUES

(2,'test_odd',1,1,100000,2,1,'2018-07-2123:52:58','2018-07-2300:39:24',3);

INSERTINTO`tiny_id_token`(`id`,`token`,`biz_type`,`remark`,`create_time`,`update_time`)

VALUES

(1,'0f673adf80504e2eaa552f5d791b644c','test','1','2017-12-1416:36:46','2017-12-1416:36:48');

INSERTINTO`tiny_id_token`(`id`,`token`,`biz_type`,`remark`,`create_time`,`update_time`)

VALUES

(2,'0f673adf80504e2eaa552f5d791b644c','test_odd','1','2017-12-1416:36:46','2017-12-1416:36:48');

(3)配置数据库:

datasource.tinyid.names=primary

datasource.tinyid.primary.driver-class-name=com.mysql.jdbc.Driver

datasource.tinyid.primary.url=jdbc:mysql://ip:port/databaseName?autoReconnect=true&useUnicode=true&characterEncoding=UTF-8

datasource.tinyid.primary.username=root

datasource.tinyid.primary.password=123456

(4)启动tinyid-server后测试

获取分布式自增ID:http://localhost:9999/tinyid/id/nextIdSimple?bizType=test&token=0f673adf80504e2eaa552f5d791b644c'

返回结果:3

批量获取分布式自增ID:

http://localhost:9999/tinyid/id/nextIdSimple?bizType=test&token=0f673adf80504e2eaa552f5d791b644c&batchSize=10'

返回结果:4,5,6,7,8,9,10,11,12,13

Java客户端方式接入

重复Http方式的(2)(3)操作

引入依赖

com.xiaoju.uemc.tinyid

tinyid-client

${tinyid.version}

 

配置文件

tinyid.server=localhost:9999

tinyid.token=0f673adf80504e2eaa552f5d791b644c

test 、tinyid.token是在数据库表中预先插入的数据,test 是具体业务类型,tinyid.token表示可访问的业务类型

//获取单个分布式自增ID

Longid=TinyId.nextId("test");

//按需批量分布式自增ID

Listids=TinyId.nextId("test",10);

总结

本文只是简单介绍一下每种分布式ID生成器,旨在给大家一个详细学习的方向,每种生成方式都有它自己的优缺点,具体如何使用还要看具体的业务需求。

关键词:分布式ID
相关文章

最近更新