【分布式ID生成器】

【分布式ID生成器】

---

【博文目录>>>】

---

【工程下载>>>】

---

一、需求缘起

---

几乎所有的业务系统，都有生成一个唯一记录标识的需求，例如：

• 消息标识：message-id

• 订单标识：order-id

• 帖子标识：tiezi-id

这个记录标识往往就是数据库中的主键，数据库上会建立聚集索引（cluster index），即在物理存储上以这个字段排序。

这个记录标识上的查询，往往又有分页或者排序的业务需求，例如：

• 拉取最新的一页消息：select message-id/ order by time/ limit 100

• 拉取最新的一页订单：select order-id/ order by time/ limit 100

• 拉取最新的一页帖子：select tiezi-id/ order by time/ limit 100

所以往往要有一个time字段，并且在time字段上建立普通索引（non-cluster index）。普通索引存储的是实际记录的指针，其访问效率会比聚集索引慢，如果记录标识在生成时能够基本按照时间有序，则可以省去这个time字段的索引查询：

select message-id/ (order by message-id)/limit 100

强调，能这么做的前提是，message-id的生成基本是趋势时间递增的。
这就引出了记录标识生成（也就是上文提到的三个XXX-id）的两大核心需求：

• 全局唯一

• 趋势有序

这也是本文要讨论的核心问题：如何高效生成趋势有序的全局唯一ID。

二、常见方法、不足与优化

---

方法一：使用数据库的 auto_increment 来生成全局唯一递增ID

优点：

• 简单，使用数据库已有的功能

• 能够保证唯一性

• 能够保证递增性

• 步长固定

缺点：

• 可用性难以保证：数据库常见架构是一主多从+读写分离，生成自增ID是写请求，主库挂了就玩不转了

• 扩展性差，性能有上限：因为写入是单点，数据库主库的写性能决定ID的生成性能上限，并且难以扩展

改进方法：

• 冗余主库，避免写入单点

• 数据水平切分，保证各主库生成的ID不重复

如上图所述，由1个写库变成3个写库，每个写库设置不同的auto_increment初始值，以及相同的增长步长，以保证每个数据库生成的ID是不同的（上图中库0生成0,3,6,9…，库1生成1,4,7,10，库2生成2,5,8,11…）

改进后的架构保证了可用性，但缺点是：

• 丧失了ID生成的“绝对递增性”：先访问库0生成0,3，再访问库1生成1，可能导致在非常短的时间内，ID生成不是绝对递增的（这个问题不大，目标是趋势递增，不是绝对递增）

• 数据库的写压力依然很大，每次生成ID都要访问数据库
  为了解决上述两个问题，引出了第二个常见的方案。

方法二：单点批量ID生成服务

分布式系统之所以难，很重要的原因之一是“没有一个全局时钟，难以保证绝对的时序”，要想保证绝对的时序，还是只能使用单点服务，用本地时钟保证“绝对时序”。

数据库写压力大，是因为每次生成ID都访问了数据库，可以使用批量的方式降低数据库写压力。

如上图所述，数据库使用双master保证可用性，数据库中只存储当前ID的最大值，例如0。

ID生成服务假设每次批量拉取6个ID，服务访问数据库，将当前ID的最大值修改为5，这样应用访问ID生成服务索要ID，ID生成服务不需要每次访问数据库，就能依次派发0,1,2,3,4,5这些ID了。

当ID发完后，再将ID的最大值修改为11，就能再次派发6,7,8,9,10,11这些ID了，于是数据库的压力就降低到原来的1/6。

优点：

• 保证了ID生成的绝对递增有序

• 大大的降低了数据库的压力，ID生成可以做到每秒生成几万几十万个

缺点：

• 服务仍然是单点

• 如果服务挂了，服务重启起来之后，继续生成ID可能会不连续，中间出现空洞（服务内存是保存着0,1,2,3,4,5，数据库中max-id是5，分配到3时，服务重启了，下次会从6开始分配，4和5就成了空洞，不过这个问题也不大）

• 虽然每秒可以生成几万几十万个ID，但毕竟还是有性能上限，无法进行水平扩展

改进方法：

单点服务的常用高可用优化方案是“备用服务”，也叫“影子服务”，所以我们能用以下方法优化上述缺点（1）：

如上图，对外提供的服务是主服务，有一个影子服务时刻处于备用状态，当主服务挂了的时候影子服务顶上。

这个切换的过程对调用方是透明的，可以自动完成，常用的技术是vip+keepalived，具体就不在这里展开。

另外，ID-gen-service也可以实施水平扩展，以解决上述缺点（3），但会引发一致性问题。

方法三：uuid/guid

不管是通过数据库，还是通过服务来生成ID，业务方Application都需要进行一次远程调用，比较耗时。

有没有一种本地生成ID的方法，即高性能，又时延低呢？

uuid是一种常见的方案：

string ID =GenUUID();

优点：

• 本地生成ID，不需要进行远程调用，时延低

• 扩展性好，基本可以认为没有性能上限

缺点：

• 无法保证趋势递增

• uuid过长，往往用字符串表示，作为主键建立索引查询效率低，常见优化方案为“转化为两个uint64整数存储”或者“折半存储”（折半后不能保证唯一性）

方法四：取当前毫秒数

uuid是一个本地算法，生成性能高，但无法保证趋势递增，且作为字符串ID检索效率低，有没有一种能保证递增的本地算法呢？
取当前毫秒数是一种常见方案：
uint64 ID = GenTimeMS();

优点：

• 本地生成ID，不需要进行远程调用，时延低

• 生成的ID趋势递增

• 生成的ID是整数，建立索引后查询效率高

缺点：

• 如果并发量超过1000，会生成重复的ID

这个缺点要了命了，不能保证ID的唯一性。当然，使用微秒可以降低冲突概率，但每秒最多只能生成1000000个ID，再多的话就一定会冲突了，所以使用微秒并不从根本上解决问题。

方法五：类snowflake算法

snowflake是twitter开源的分布式ID生成算法，其核心思想为，一个long型的ID：
- 41bit作为毫秒数

• 10bit作为机器编号

• 12bit作为毫秒内序列号

算法单机每秒内理论上最多可以生成1000*(2^12)，也就是400W的ID，完全能满足业务的需求。

借鉴snowflake的思想，结合各公司的业务逻辑和并发量，可以实现自己的分布式ID生成算法。

举例：假设公司ID生成器服务的需求如下：

• 单机高峰并发量小于1W，预计未来5年单机高峰并发量小于10W

• 有2个机房，预计未来5年机房数量小于4个

• 每个机房机器数小于100台

• 目前有5个业务线有ID生成需求，预计未来业务线数量小于10个

• …

分析过程如下：

• 高位取从2017年1月1日到现在的毫秒数（假设系统ID生成器服务在这个时间之后上线），假设系统至少运行10年，那至少需要10年*365天*24小时*3600秒*1000毫秒=320*10^9，差不多预留39bit给毫秒数

• 每秒的单机高峰并发量小于10W，即平均每毫秒的单机高峰并发量小于100，差不多预留7bit给每毫秒内序列号

• 5年内机房数小于4个，预留2bit给机房标识

• 每个机房小于100台机器，预留7bit给每个机房内的服务器标识

• 业务线小于10个，预留4bit给业务线标识

这样设计的64bit标识，可以保证：

• 每个业务线、每个机房、每个机器生成的ID都是不同的

• 同一个机器，每个毫秒内生成的ID都是不同的

• 同一个机器，同一个毫秒内，以序列号区区分保证生成的ID是不同的

将毫秒数放在最高位，保证生成的ID是趋势递增的

缺点：

• 由于“没有一个全局时钟”，每台服务器分配的ID是绝对递增的，但从全局看，生成的ID只是趋势递增的（有些服务器的时间早，有些服务器的时间晚）

六、改进方案

条件：

• 单机高峰并发量小于1W，预计未来5年单机高峰并发量小于10W

• 机器运行20年

• 最多不超过50个区域独立布署应用

• 每个区域的应用数不超过100个

七、实现

• 需要40位用于记录毫秒数

• 需要6位记录区域

• 需要7位记录毫秒内的序列号

• 需要7位记录应用编号

• 剩下4位进行保留

七、代码

package wjc.example;

import java.util.ArrayList;
import java.util.GregorianCalendar;
import java.util.List;
import java.util.concurrent.atomic.AtomicInteger;

/**
 * <pre>
 *
 * 需要40位用于记录毫秒数
 * 需要6位记录区域
 * 需要7位记录毫秒内的序列号
 * 需要7位记录应用编号
 * 剩下4位进行保留
 *
 *  ---- ---------------------------------------- ------ ------- -------
 * |4   |40                                      |6     |7      |7      |
 *  ---- ---------------------------------------- ------ ------- -------
 * </pre>
 * Author: 王俊超
 * Date: 2017-10-31 08:05
 * Blog: http://blog.csdn.net/derrantcm
 * Github: https://github.com/wang-jun-chao
 * All Rights Reserved !!!
 */
public class DistributedIdGenerator {
    private static final long DEFAULT = 0;
    // 2017-01-01 00:00:00.000距1900-01-01 00:00:00毫秒数
    private static final long START = new GregorianCalendar(2017, 0, 1, 0, 0, 0).getTimeInMillis();

    /**
     * 用于生成1毫秒内的序号，值的范围[0, 127]
     */
    private final AtomicInteger seq = new AtomicInteger(0);

    /**
     * 区域编号
     */
    private long region = DEFAULT;

    /**
     * 应用编号
     */

    private long application = DEFAULT;
    /**
     * 保留位
     */
    private long reservation = DEFAULT;

    public DistributedIdGenerator() {
    }

    public DistributedIdGenerator(long region, long application, long reservation) {
        this.region = region;
        this.application = application;
        this.reservation = reservation;
    }

    public long getRegion() {
        return region;
    }

    public void setRegion(byte region) {
        this.region = region;
    }

    public long getApplication() {
        return application;
    }

    public void setApplication(byte application) {
        this.application = application;
    }

    public long getReservation() {
        return reservation;
    }

    public void setReservation(byte reservation) {
        this.reservation = reservation;
    }

    /**
     * 获取从2017.01.01 00:00:00以来的毫秒数
     *
     * @return
     */
    public long getMillisecond() {
        return System.currentTimeMillis() - START;
    }

    /**
     * 下一个序列号
     *
     * @return
     */
    public long getNextNumber() {
        int n = seq.getAndIncrement();
        // 在1毫秒内生成的序列号只占7位，值[0, 127]，超过要重新开始
        seq.compareAndSet(128, 0);
        return n;
    }

    public long next() {
        return (getReservation() << (40 + 6 + 7 + 7))   // 保留位
                + ((getMillisecond() << (6 + 7 + 7)))   // 当前距2017.01.01 00:00:00以来的毫秒数
                + (getRegion() << (7 + 7))              // 区域编号
                + (getApplication() << 7)               // 保留位编号
                + getNextNumber();                      // 毫秒内的序号
    }


    private List<Long> next(int size) {
        List<Long> result = new ArrayList<>();

        for (int i = 0; i < size; i++) {
            result.add(next());
        }

        return result;
    }

    public static String toString(long n) {
        StringBuilder builder = new StringBuilder(64);
        String s = Long.toBinaryString(n);
        for (int i = 0; i < 64 - s.length(); i++) {
            builder.append(0);
        }
        builder.append(s);
        return builder.toString();
    }
}

八、结果