最常用的分佈式 ID 解決方案，都在這裏了！

作者：James_Shangguan

來源：urlify.cn/3ARJRr

「一、分佈式ID概念」

說起ID，特性就是唯一，在人的世界裏，ID就是身份證，是每個人的唯一的身份標識。在複雜的分佈式系統中，往往也需要對大量的數據和消息進行唯一標識。舉個例子，數據庫的ID字段在單體的情況下可以使用自增來作爲ID，但是對數據分庫分表後一定需要一個唯一的ID來標識一條數據，這個ID就是分佈式ID。對於分佈式ID而言，也需要具備分佈式系統的特點：高併發，高可用，高性能等特點。

「二、分佈式ID實現方案」

下表爲一些常用方案對比：

	描述	優點	缺點
UUID	UUID是通用唯一標識碼的縮寫，其目的是上分佈式系統中的所有元素都有唯一的辨識信息，而不需要通過中央控制器來指定唯一標識。	1. 降低全局節點的壓力，使得主鍵生成速度更快；2. 生成的主鍵全局唯一；3. 跨服務器合併數據方便	1. UUID佔用16個字符，空間佔用較多；2. 不是遞增有序的數字，數據寫入IO隨機性很大，且索引效率下降
數據庫主鍵自增	MySQL數據庫設置主鍵且主鍵自動增長	1. INT和BIGINT類型佔用空間較小；2. 主鍵自動增長，IO寫入連續性好；3. 數字類型查詢速度優於字符串	1. 併發性能不高，受限於數據庫性能；2. 分庫分表，需要改造，複雜；3. 自增：數據量泄露
Redis自增	Redis計數器，原子性自增	使用內存，併發性能好	1. 數據丟失；2. 自增：數據量泄露
雪花算法（snowflake）	大名鼎鼎的雪花算法，分佈式ID的經典解決方案	1. 不依賴外部組件；2. 性能好	時鐘回撥

目前流行的分佈式ID解決方案有兩種：「號段模式」和「雪花算法」。

「號段模式」依賴於數據庫，但是區別於數據庫主鍵自增的模式。假設100爲一個號段100，200，300，每取一次可以獲得100個ID，性能顯著提高。

「雪花算法」是由符號位+時間戳+工作機器id+序列號組成的，如圖所示：

符號位爲0，0表示正數，ID爲正數。

時間戳位不用多說，用來存放時間戳，單位是ms。

工作機器id位用來存放機器的id，通常分爲5個區域位+5個服務器標識位。

序號位是自增。

• 雪花算法能存放多少數據？時間範圍：2^41 / (365 2460 601000) = 69年 工作進程範圍：2^10 = 1024 序列號範圍：2^12 = 4096，表示1ms可以生成4096個ID。

根據這個算法的邏輯，只需要將這個算法用Java語言實現出來，封裝爲一個工具方法，那麼各個業務應用可以直接使用該工具方法來獲取分佈式ID，只需保證每個業務應用有自己的工作機器id即可，而不需要單獨去搭建一個獲取分佈式ID的應用。下面是推特版的Snowflake算法：

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());        }
    }}

「三、分佈式ID開源組件」

3.1 如何選擇開源組件

選擇開源組件首先需要看軟件特性是否滿足需求，主要包括兼容性和擴展性。

其次需要看目前的技術能力，根據目前自己或者團隊的技術棧和技術能力，能否可以平滑的使用。

第三，要看開源組件的社區，主要關注更新是否頻繁、項目是否有人維護、遇到坑的時候可以取得聯繫尋求幫助、是否在業內被廣泛使用等。

3.2 美團Leaf

Leaf是美團基礎研發平臺推出的一個分佈式ID生成服務，名字取自德國哲學家、數學家萊布尼茨的一句話：“There are no two identical leaves in the world.”Leaf具備高可靠、低延遲、全局唯一等特點。目前已經廣泛應用於美團金融、美團外賣、美團酒旅等多個部門。具體的技術細節，可參考美團技術博客的一篇文章：《Leaf美團分佈式ID生成服務》。目前，Leaf項目已經在Github上開源：https://github.com/Meituan-Dianping/Leaf。Leaf在特性如下：

1. 全局唯一，絕對不會出現重複的ID，且ID整體趨勢遞增。
2. 高可用，服務完全基於分佈式架構，即使MySQL宕機，也能容忍一段時間的數據庫不可用。
3. 高併發低延時，在CentOS 4C8G的虛擬機上，遠程調用QPS可達5W+，TP99在1ms內。
4. 接入簡單，直接通過公司RPC服務或者HTTP調用即可接入。

3.3 百度UidGenerator

UidGenerator百度開源的一款基於Snowflake算法的分佈式高性能唯一ID生成器。採用官網的一段描述：UidGenerator以組件形式工作在應用項目中, 支持自定義workerId位數和初始化策略, 從而適用於docker等虛擬化環境下實例自動重啓、漂移等場景。在實現上, UidGenerator通過借用未來時間來解決sequence天然存在的併發限制; 採用RingBuffer來緩存已生成的UID, 並行化UID的生產和消費, 同時對CacheLine補齊，避免了由RingBuffer帶來的硬件級「僞共享」問題. 最終單機QPS可達600萬。UidGenerator的GitHub地址：https://github.com/baidu/uid-generator

3.4 開源組件對比

百度UidGenerator是Java語言的；最近一次提交記錄是兩年前，基本無人維護；只支持雪花算法。

美團Leaf也是Java語言的；最近維護爲2020年；支持號段模式和雪花算法。

綜上理論和兩款開源組件的對比，還是美團Leaf稍勝一籌。

你還知道哪些常用的分佈式ID解決方案呢？

本文分享自微信公衆號 - JAVA高級架構（gaojijiagou）。
如有侵權，請聯繫 [email protected] 刪除。
本文參與“OSC源創計劃”，歡迎正在閱讀的你也加入，一起分享。