文章目錄
- Posted by 微博@Yangsc_o
- 原創文章,版權聲明:自由轉載-非商用-非衍生-保持署名 | Creative Commons BY-NC-ND 3.0
分佈式id特點
- 唯一性:確保生成的ID是全網唯一的。
- 有序遞增性:確保生成的ID是對於某個用戶或者業務是按一定的數字有序遞增的。
- 高可用性:確保任何時候都能正確的生成ID。
- 帶時間:ID裏面包含時間。
常見的分佈式id算法比較
UUID
算法的核心思想是結合機器的網卡、當地時間、一個隨記數來生成UUID。
-
優點:本地生成,生成簡單,性能好,沒有高可用風險
-
缺點:長度過長,存儲冗餘,且無序不可讀,查詢效率低
數據庫自增ID
使用數據庫的id自增策略,如 MySQL 的 auto_increment。並且可以使用兩臺數據庫分別設置不同步長,生成不重複ID的策略來實現高可用。
- 優點:數據庫生成的ID絕對有序,高可用實現方式簡單
- 缺點:需要獨立部署數據庫實例,成本高,有性能瓶頸
批量生成ID
一次按需批量生成多個ID,每次生成都需要訪問數據庫,將數據庫修改爲最大的ID值,並在內存中記錄當前值及最大值。
- 優點:避免了每次生成ID都要訪問數據庫並帶來壓力,提高性能
- 缺點:屬於本地生成策略,存在單點故障,服務重啓造成ID不連續
Redis生成ID
Redis的所有命令操作都是單線程的,本身提供像 incr 和 increby 這樣的自增原子命令,所以能保證生成的 ID 肯定是唯一有序的。
- 優點:不依賴於數據庫,靈活方便,且性能優於數據庫;數字ID天然排序,對分頁或者需要排序的結果很有幫助。
- 缺點:如果系統中沒有Redis,還需要引入新的組件,增加系統複雜度;需要編碼和配置的工作量比較大。
考慮到單節點的性能瓶頸,可以使用 Redis 集羣來獲取更高的吞吐量。假如一個集羣中有5臺 Redis。可以初始化每臺 Redis 的值分別是1, 2, 3, 4, 5,然後步長都是 5。各個 Redis 生成的 ID 爲:
A:1, 6, 11, 16, 21
B:2, 7, 12, 17, 22
C:3, 8, 13, 18, 23
D:4, 9, 14, 19, 24
E:5, 10, 15, 20, 25
隨便負載到哪個機確定好,未來很難做修改。步長和初始值一定需要事先確定。使用 Redis 集羣也可以方式單點故障的問題。
另外,比較適合使用 Redis 來生成每天從0開始的流水號。比如訂單號 = 日期 + 當日自增長號。可以每天在 Redis 中生成一個 Key ,使用 INCR 進行累加。
Twitter的snowflake算法
Twitter 利用 zookeeper 實現了一個全局ID生成的服務 Snowflake:
如上圖的所示,Twitter 的 Snowflake 算法由下面幾部分組成:
- 1位符號位:
由於 long 類型在 java 中帶符號的,最高位爲符號位,正數爲 0,負數爲 1,且實際系統中所使用的ID一般都是正數,所以最高位爲 0。
- 41位時間戳(毫秒級):
需要注意的是此處的 41 位時間戳並非存儲當前時間的時間戳,而是存儲時間戳的差值(當前時間戳 - 起始時間戳),這裏的起始時間戳一般是ID生成器開始使用的時間戳,由程序來指定,所以41位毫秒時間戳最多可以使用 (1 << 41) / (1000x60x60x24x365) = 69年
。
- 10位數據機器位:
包括5位數據標識位和5位機器標識位,這10位決定了分佈式系統中最多可以部署 1 << 10 = 1024
s個節點。超過這個數量,生成的ID就有可能會衝突。
- 12位毫秒內的序列:
這 12 位計數支持每個節點每毫秒(同一臺機器,同一時刻)最多生成 1 << 12 = 4096個ID
加起來剛好64位,爲一個Long型。
-
優點:高性能,低延遲,按時間有序,一般不會造成ID碰撞
-
缺點:需要獨立的開發和部署,依賴於機器的時鐘
百度UidGenerator
UidGenerator是百度開源的分佈式ID生成器,基於於snowflake算法的實現,看起來感覺還行。不過,國內開源的項目維護性真是擔憂。
具體可以參考官網說明:github.com/baidu/uid-g…
美團Leaf
Leaf 是美團開源的分佈式ID生成器,能保證全局唯一性、趨勢遞增、單調遞增、信息安全,裏面也提到了幾種分佈式方案的對比,但也需要依賴關係數據庫、Zookeeper等中間件。
具體可以參考官網說明:tech.meituan.com/MT_Leaf.htm…
設計一個id生成算法
主要方案
參考twitter的snowflake算法,id生成方案:
方案:1符號位+41位時間戳+(10位ip段最後一位)+12位毫秒級自增序列
詳細代碼可以參考一下這個地址,再加上ip的獲取即可,地址:https://github.com/beyondfengyu/SnowFlake/blob/master/SnowFlake.java
public class SnowFlake {
/**
* 起始的時間戳
*/
private final static long START_STMP = 1480166465631L;
/**
* 每一部分佔用的位數
*/
private final static long SEQUENCE_BIT = 12; //序列號佔用的位數
private final static long MACHINE_BIT = 5; //機器標識佔用的位數
private final static long DATACENTER_BIT = 5;//數據中心佔用的位數
/**
* 每一部分的最大值
*/
private final static long MAX_DATACENTER_NUM = -1L ^ (-1L << DATACENTER_BIT);
private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT);
private final static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT);
/**
* 每一部分向左的位移
*/
private final static long MACHINE_LEFT = SEQUENCE_BIT;
private final static long DATACENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;
private final static long TIMESTMP_LEFT = DATACENTER_LEFT + DATACENTER_BIT;
private long datacenterId; //數據中心
private long machineId; //機器標識
private long sequence = 0L; //序列號
private long lastStmp = -1L;//上一次時間戳
public SnowFlake(long datacenterId, long machineId) {
if (datacenterId > MAX_DATACENTER_NUM || datacenterId < 0) {
throw new IllegalArgumentException("datacenterId can't be greater than MAX_DATACENTER_NUM or less than 0");
}
if (machineId > MAX_MACHINE_NUM || machineId < 0) {
throw new IllegalArgumentException("machineId can't be greater than MAX_MACHINE_NUM or less than 0");
}
this.datacenterId = datacenterId;
this.machineId = machineId;
}
/**
* 產生下一個ID
*
* @return
*/
public synchronized long nextId() {
long currStmp = getNewstmp();
if (currStmp < lastStmp) {
throw new RuntimeException("Clock moved backwards. Refusing to generate id");
}
if (currStmp == lastStmp) {
//相同毫秒內,序列號自增
sequence = (sequence + 1) & MAX_SEQUENCE;
//同一毫秒的序列數已經達到最大
if (sequence == 0L) {
currStmp = getNextMill();
}
} else {
//不同毫秒內,序列號置爲0
sequence = 0L;
}
lastStmp = currStmp;
return (currStmp - START_STMP) << TIMESTMP_LEFT //時間戳部分
| datacenterId << DATACENTER_LEFT //數據中心部分
| machineId << MACHINE_LEFT //機器標識部分
| sequence; //序列號部分
}
private long getNextMill() {
long mill = getNewstmp();
while (mill <= lastStmp) {
mill = getNewstmp();
}
return mill;
}
private long getNewstmp() {
return System.currentTimeMillis();
}
public static void main(String[] args) {
SnowFlake snowFlake = new SnowFlake(2, 3);
for (int i = 0; i < (1 << 12); i++) {
System.out.println(snowFlake.nextId());
}
}
}
踩過的坑
重點:如果你們的系統中有使用id生成算法作爲分庫分表鍵時,如果考慮方便擴容,分庫分表設置的2^N時,可能會導致hash數據分佈非常不均勻,此時需要對這段代碼進行改造,防止每一毫秒的都從0開始自增;當然,如果使用一個素數做爲取模的值時,那就沒有必要修改了;