9种分布式ID生成方式
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？
什么是分布式ID？
拿My数据库举个例子：
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ID做标识。此时一个能够生成全局ID的系统是非常必要的。那么这个全局ID就叫分布式ID。
那么分布式ID需要满足那些条件？
全局：必须保证ID是全局性的，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：较好趋势递增，这个要求就得看具体业务场景了，一般不严格要求
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
雪花（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？我们往下看。
基于UUID
在的世界里，想要得到一个具有性的ID，首先被想到可能就是UUID，毕竟它有着全球的特性。那么UUID可以做分布式ID吗？答案是可以的，但是并不推荐！
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。
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：
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
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：
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较大自增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。
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：
biz_type ：代表不同业务类型
max_id ：当前较大的可用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。
等这批号段ID用完，再次向数据库申请新号段，对maxid字段做一次update操作，update maxid= maxid + step，update成功则说明新号段获取成功，新的号段范围是(maxid ,max_id +step]。
update id_generator
set
max_id
=
#{max_id+step}, version = version + 1 where version = # {version} and biz_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。
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。
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。
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的较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
*/
public
class
SnowFlakeShortUrl
{
/**
* 起始的时间戳
*/
private
final
static
long
START_TIMESTAMP
=
1480166465631L
;
/**
* 每一部分占用的位数
*/
private
final
static
long
SEQUENCE_BIT
=
12
;
//序列号占用的位数
private
final
static
long
MACHINE_BIT
=
5
;
//机器标识占用的位数
private
final
static
long
DATA_CENTER_BIT
=
5
;
//数据中心占用的位数
/**
* 每一部分的较大值
*/
private
final
static
long
MAX_SEQUENCE
=
-
1L
^
(-
1L
<<
SEQUENCE_BIT
);
private
final
static
long
MAX_MACHINE_NUM
=
-
1L
^
(-
1L
<<
MACHINE_BIT
);
private
final
static
long
MAX_DATA_CENTER_NUM
=
-
1L
^
(-
1L
<<
DATA_CENTER_BIT
);
/**
* 每一部分向左的位移
*/
private
final
static
long
MACHINE_LEFT
=
SEQUENCE_BIT
;
private
final
static
long
DATA_CENTER_LEFT
=
SEQUENCE_BIT
+
MACHINE_BIT
;
private
final
static
long
TIMESTAMP_LEFT
=
DATA_CENTER_LEFT
+
DATA_CENTER_BIT
;
private
long
dataCenterId
;
//数据中心
private
long
machineId
;
//机器标识
private
long
sequence
=
0L
;
//序列号
private
long
lastTimeStamp
=
-
1L
;
//上一次时间戳
private
long
getNextMill
()
{
long
mill
=
getNewTimeStamp
();
while
(
mill
<=
lastTimeStamp
)
{
mill
=
getNewTimeStamp
();
}
return
mill
;
}
private
long
getNewTimeStamp
()
{
return
System
.
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
*
* @param dataCenterId 数据中心ID
* @param machineId 机器标志ID
*/
public
SnowFlakeShortUrl
(
long
dataCenterId
,
long
machineId
)
{
if
(
dataCenterId
>
MAX_DATA_CENTER_NUM
||
dataCenterId
<
0
)
{
throw
new
IllegalArgumentException
(
"DtaCenterId can't be greater than MAX_DATA_CENTER_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
;
}
/**
* 产生下一个ID
*
* @return
*/
public
synchronized
long
nextId
()
{
long
currTimeStamp
=
getNewTimeStamp
();
if
(
currTimeStamp
<
lastTimeStamp
)
{
throw
new
RuntimeException
(
"Clock moved backwards. Refusing to generate id"
);
}
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较大
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
)
<<
TIMESTAMP_LEFT
//时间戳部分
|
dataCenterId
<<
DATA_CENTER_LEFT
//数据中心部分
|
machineId
<<
MACHINE_LEFT
//机器标识部分
|
sequence
;
//序列号部分
}
public
static
void
main
(
String
[]
args
)
{
SnowFlakeShortUrl
snowFlake
=
new
SnowFlakeShortUrl
(
2
,
3
);
for
(
int
i
=
0
;
i
<
(
1
<<
4
);
i
++)
{
//10进制
System
.
out
.
println
(
snowFlake
.
nextId
());
}
}
}
百度（uid-generator）
uid-generator是由百度技术部开发，项目GitHub地址：https://github.com/baidu/uid-generator。
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。
美团（Leaf）
Leaf由美团开发，GitHub地址：https://github.com/Meituan-Dianping/Leaf。
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https://github.com/Meituan-Dianping/Leaf，在建一张表leaf_alloc：
DROP TABLE IF EXISTS
`leaf_alloc`
;
CREATE TABLE
`leaf_alloc`
(
`biz_tag`
varchar
(
128
)
NOT NULL DEFAULT
''
COMMENT
'业务key'
,
`max_id`
bigint
(
20
)
NOT NULL DEFAULT
'1'
COMMENT
'当前已经分配了的较大id'
,
`step`
int
(
11
)
NOT NULL COMMENT
'初始步长，也是动态调整的最小步长'
,
`description`
varchar
(
256
)
DEFAULT NULL COMMENT
'业务key的描述'
,
`update_time`
timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT
'数据库维护的更新时间'
,
PRIMARY KEY
(
`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=utf8
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。
号段模式获取分布式自增ID的测试url ：http：//localhost：8080/api/segment/get/leaf-segment-test。
监控号段模式：http://localhost:8080/cache
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。
snowflake模式获取分布式自增ID的测试url：http://localhost:8080/api/snowflake/get/test。
滴滴（Tinyid）
Tinyid由滴滴开发，GitHub地址：https://github.com/didi/tinyid%E3%80%82。
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：https://github.com/didi/tinyid.git
2、创建数据表：
CREATE TABLE
`tiny_id_info`
(
`id`
bigint
(
20
)
unsigned
NOT NULL AUTO_INCREMENT COMMENT
'自增主键'
,
`biz_type`
varchar
(
63
)
NOT NULL DEFAULT
''
COMMENT
'业务类型，'
,
`begin_id`
bigint
(
20
)
NOT NULL DEFAULT
'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
)
NOT NULL DEFAULT
'0'
COMMENT
'当前较大id'
,
`step`
int
(
11
)
DEFAULT
'0'
COMMENT
'步长'
,
`delta`
int
(
11
)
NOT NULL DEFAULT
'1'
COMMENT
'每次id增量'
,
`remainder`
int
(
11
)
NOT NULL DEFAULT
'0'
COMMENT
'余数'
,
`create_time`
timestamp NOT NULL DEFAULT
'2010-01-01 00:00:00'
COMMENT
'创建时间'
,
`update_time`
timestamp NOT NULL DEFAULT
'2010-01-01 00:00:00'
COMMENT
'更新时间'
,
`version`
bigint
(
20
)
NOT NULL DEFAULT
'0'
COMMENT
'版本号'
,
PRIMARY KEY
(
`id`
),
UNIQUE KEY
`uniq_biz_type`
(
`biz_type`
)
)
ENGINE
=
InnoDB
AUTO_INCREMENT
=
1
DEFAULT CHARSET
=
utf8 COMMENT
'id信息表'
;
CREATE TABLE
`tiny_id_token`
(
`id`
int
(
11
)
unsigned
NOT NULL AUTO_INCREMENT COMMENT
'自增id'
,
`token`
varchar
(
255
)
NOT NULL DEFAULT
''
COMMENT
'token'
,
`biz_type`
varchar
(
63
)
NOT NULL DEFAULT
''
COMMENT
'此token可访问的业务类型标识'
,
`remark`
varchar
(
255
)
NOT NULL DEFAULT
''
COMMENT
'备注'
,
`create_time`
timestamp NOT NULL DEFAULT
'2010-01-01 00:00:00'
COMMENT
'创建时间'
,
`update_time`
timestamp NOT NULL DEFAULT
'2010-01-01 00:00:00'
COMMENT
'更新时间'
,
PRIMARY KEY
(
`id`
)
)
ENGINE
=
InnoDB
AUTO_INCREMENT
=
1
DEFAULT CHARSET
=
utf8 COMMENT
'token信息表'
;
INSERT INTO
`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
,
'2018-07-21 23:52:58'
,
'2018-07-22 23:19:27'
,
1
);
INSERT INTO
`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
,
'2018-07-21 23:52:58'
,
'2018-07-23 00:39:24'
,
3
);
INSERT INTO
`tiny_id_token`
(
`id`
,
`token`
,
`biz_type`
,
`remark`
,
`create_time`
,
`update_time`
)
VALUES
(
1
,
'0f673adf80504e2eaa552f5d791b644c'
,
'test'
,
'1'
,
'2017-12-14 16:36:46'
,
'2017-12-14 16:36:48'
);
INSERT INTO
`tiny_id_token`
(
`id`
,
`token`
,
`biz_type`
,
`remark`
,
`create_time`
,
`update_time`
)
VALUES
(
2
,
'0f673adf80504e2eaa552f5d791b644c'
,
'test_odd'
,
'1'
,
'2017-12-14 16:36:46'
,
'2017-12-14 16:36:48'
);
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：
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。
声明：文章收集于网络，版权归原作者所有，为传播信息而发，如有侵权，请联系小编删除，谢谢！
时间:2020-03-02 23:10 来源: 转发量:次
声明：本站部分作品是由网友自主投稿和发布、编辑整理上传，对此类作品本站仅提供交流平台，转载的目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，不为其版权负责。如果您发现网站上有侵犯您的知识产权的作品，请与我们取得联系，我们会及时修改或删除。
相关文章：
相关推荐：
网友评论：
最新文章
热门文章
