详解一下UUID的弊端以及雪花算法

前言

问题

一般通用解决方案

雪花算法

前言

在设计系统时，系统唯一ID是我们经常会遇到的问题，也常常为这个问题而苦恼。因此，我们需要一个生成分布式唯一全局ID的方案，以解决这个问题。在本文中，我们将提供一个思路来解决这个问题，希望能对大家有所帮助。

如果有不足之处，还请多多指教！

问题

为什么需要分布式全局唯一ID以及分布式ID的业务需求

在复杂的分布式系统中，为了处理大量的数据和消息，通常需要为它们生成唯一标识符。例如，在美团点评的金融、支付、餐饮和酒店产品的系统中，随着数据的增长，需要对数据库进行分库分表，为了标识每条数据或信息，需要生成一个唯一的ID。尤其是像订单、骑手、优惠券这样的信息，也需要一个唯一的ID作为标识符。

因此，一个能够生成全局唯一ID的系统是非常必要的。这个系统可以通过各种算法来生成唯一ID，例如UUID和Snowflake算法等。这些算法可以保证生成的ID的唯一性和性能的高效性。此时一个能够生成全局唯一ID的系统是非常必要的

 

ID生成规则部分硬性要求

全局唯一，即在分布式环境下也能保证唯一性。

趋势递增，这一特性在MySQL的InnoDB引擎中使用的是聚集索引。在大多数关系型数据库中，使用Btree的数据结构来存储索引。因此，在选择主键时，我们应该尽量使用有序的主键，以保证写入性能。

单调递增，这一特性保证下一个ID一定大于上一个ID。这在一些特殊需求下非常重要，例如事务版本号、IM增量消息、排序等。

信息安全，如果ID是连续的，恶意用户的爬取工作就非常容易进行，他们只需要按照顺序下载指定的URL即可。如果是订单号，情况就更加危险了，因为竞争对手可以直接知道我们一天的单量。因此，在一些应用场景下，需要让ID无规则不规则，让竞争对手难以猜测。

含时间戳，这一特性能够快速在开发中确定这个分布式ID是何时生成的。除此之外，时间戳也能够帮助我们更好地理解数据的变化。

唯一性检查，分布式ID生成过程中，需要进行唯一性检查，以保证生成的ID是唯一的。唯一性检查是非常重要的步骤，它直接影响到后续的业务逻辑。

可反解，分布式ID除了要生成，也要支持反解回原始数据。这对于一些分析应用是非常重要的特性。

ID号生成系统的可用性要求

高可用

在每次向服务器发送分布式ID请求时，服务器都应该以99.999%的可靠性创建唯一的分布式ID，以确保分布式系统的可靠性和稳定性。

在分布式系统中，服务器不应该停机或崩溃，因为这会导致分布式ID无法创建，从而影响系统的性能和功能。

低延迟

服务器应该能够快速响应分布式ID请求，以确保系统的高效性和用户的满意度。

服务器的响应时间应该极短，以便用户可以快速获取分布式ID并继续使用系统。

高QPS

服务器应该能够同时处理大量的分布式ID请求，以确保系统的高并发性和稳定性。

服务器应该有足够的处理能力来处理一次性发送10万个分布式ID请求的情况，以保证系统不会受到性能瓶颈的影响。

在高并发的情况下，服务器应该能够快速处理请求并成功创建分布式ID，以确保系统的正常运行和用户体验的良好性。

一般通用解决方案

UUID

UUID.randomUUID(), UUID的标准型包含32个16进制数字，以连字号分为五段，形式为 8-4-4-4-12的36个字符，性能非常高，本地生成，没有网络消耗。

存在问题

入数据库性能差，因为UUID是无序的

无序，无法预测他的生成顺序，不能生成递增有序的数字

首先分布式id一般都会作为逐渐，但是按照mysql官方推荐主键尽量越短越好，UUID每一个都很长，所以不是很推荐。

主键，ID作为主键时，在特定的环境下会存在一些问题

比如做DB主键的场景下，UUID就非常不适用MySQL官方有明确的说明

索引，B+树索引的分裂

既然分布式ID是主键，然后主键是包含索引的，而mysql的索引是通过B+树来实现的，每一次新的UUID数据的插入，为了查询的优化，都会对索引底层的B+树进行修改，因为UUID数据是无序的，所以每一次UUID数据的插入都会对主键的B+树进行很大的修改，这一点很不好，插入完全无序，不但会导致一些中间节点产生分裂，也会白白创造出很多不饱和的节点，这样大大降低了数据库插入的性能。

UUID只能保证全局唯一性，不满足后面的趋势递增，单调递增

数据库自增主键

单机

在分布式系统中，数据库的自增ID机制主要是通过数据库自增ID和mysql数据库的replace into实现的。这里的replace into与insert功能类似，但是不同点在于：replace into首先尝试插入数据列表中，如果发现表中已经有此行数据（根据主键或唯一索引判断），则先删除，再插入，否则直接插入新数据。这个机制在分布式系统中非常重要。它可以确保在不同的节点之间操作同一个数据库时，数据的唯一性和完整性得到保障。

此外，REPLACE INTO的含义是插入一条记录，如果表中唯一索引的值遇到冲突，则替换老数据。这个机制在分布式系统中也非常有用，因为它可以确保数据的一致性和准确性。因此，在分布式系统中使用自增ID机制和REPLACE INTO操作可以提高系统的可靠性和稳定性。

 

我们每次插入的时候，发现都会把原来的数据给替换，并且ID也会增加

这就满足了

• 递增性

• 单调性

• 唯一性

在分布式情况下，并且并发量不多的情况，可以使用这种方案来解决，获得一个全局的唯一ID

 
集群分布式集群

那数据库自增ID机制适合做分布式ID吗？答案是不太适合

系统水平扩展比较困难，比如定义好步长和机器台数之后，如果要添加机器该怎么办，假设现在有一台机器发号是：1,2,3,4,5,（步长是1），这个时候需要扩容机器一台，可以这样做：把第二胎机器的初始值设置得比第一台超过很多，貌似还好，但是假设线上如果有100台机器，这个时候扩容要怎么做，简直是噩梦，所以系统水平扩展方案复杂难以实现。

数据库压力还是很大，每次获取ID都得读写一次数据库，非常影响性能，不符合分布式ID里面的延迟低和高QPS的规则（在高并发下，如果都去数据库里面获取ID，那是非常影响性能的）

基于Redis生成全局ID策略

单机版

因为Redis是单线程，天生保证原子性，可以使用原子操作INCR和INCRBY来实现

INCRBY：设置增长步长

集群分布式

注意：在Redis集群情况下，同样和MySQL一样需要设置不同的增长步长，同时key一定要设置有效期，可以使用Redis集群来获取更高的吞吐量。

假设一个集群中有5台Redis，可以初始化每台Redis的值分别是 1,2,3,4,5 ， 然后设置步长都是5

各个Redis生成的ID为：

雪花算法

是什么

Twitter的分布式自增ID算法，Snowflake

最初Twitter把存储系统从MySQL迁移到Cassandra（由Facebook开发一套开源分布式NoSQL数据库系统）因为Cassandra没有顺序ID生成机制，所有开发了这样一套全局唯一ID生成服务。

Twitter的分布式雪花算法SnowFlake，经测试SnowFlake每秒可以产生26万个自增可排序的ID

• twitter的SnowFlake生成ID能够按照时间有序生成

• SnowFlake算法生成ID的结果是一个64Bit大小的整数，为一个Long型（转换成字符串后长度最多19）

• 分布式系统内不会产生ID碰撞（由datacenter 和 workerID做区分）并且效率较高

分布式系统中，有一些需要全局唯一ID的场景，生成ID的基本要求

• 在分布式环境下，必须全局唯一性

• 一般都需要单调递增，因为一般唯一ID都会存在数据库，而InnoDB的特性就是将内容存储在主键索引上的叶子节点，而且是从左往右递增的，所有考虑到数据库性能，一般生成ID也最好是单调递增的。为了防止ID冲突可以使用36位UUID，但是UUID有一些缺点，首先是它相对比较长，并且另外UUID一般是无序的

• 可能还会需要无规则，因为如果使用唯一ID作为订单号这种，为了不让别人知道一天的订单量多少，就需要这种规则 

• 结构

• 雪花算法的几个核心组成部分

  在Java中64bit的证书是long类型，所以在SnowFlake算法生成的ID就是long类存储的
  
  第一部分 

• 二进制中最高位是符号位，1表示负数，0表示正数。生成的ID一般都是用整数，所以最高位固定为0。

• 第二部分

• 第二部分是41bit时间戳位，用来记录时间戳，毫秒级

  41位可以表示 2^41 -1 个数字

  如果只用来表示正整数，可以表示的范围是：0 - 2^41 -1，减1是因为可以表示的数值范围是从0开始计算的，而不是从1。

  也就是说41位可以表示 2^41 - 1 毫秒的值，转换成单位年则是 69.73年
  第三部分

  第三部分为工作机器ID，10Bit用来记录工作机器ID

  可以部署在2^10 = 1024个节点，包括5位 datacenterId（数据中心，机房） 和 5位 workerID（机器码）

  5位可以表示的最大正整数是 2 ^ 5 = 31个数字，来表示不同的数据中心 和 机器码

  第四部分

• 12位bit可以用来表示的正整数是 2^12 = 4095，即可以用0 1 2 … 4094 来表示同一个机器同一个时间戳内产生的4095个ID序号。

  SnowFlake可以保证

  所有生成的ID按时间趋势递增

  整个分布式系统内不会产生重复ID，因为有datacenterId 和 workerId来做区分

  实现

  雪花算法是由scala算法编写的，有人使用java实现，github地址

  https://github.com/beyondfengyu/SnowFlake/blob/master/SnowFlake.java

  

   

  
  SpringBoot整合雪花算法 

• 引入hutool工具类

  整合 

  得到结果 

• 优缺点

  优点

• 毫秒数在高维，自增序列在低位，整个ID都是趋势递增的

• 不依赖数据库等第三方系统，以服务的方式部署，稳定性更高，生成ID的性能也是非常高的

• 可以根据自身业务特性分配bit位，非常灵活

  缺点

  依赖机器时钟，如果机器时钟回拨，会导致重复ID生成。这可能会导致一些问题，例如，如果你依赖于唯一的ID作为数据表的主键，那么这个缺陷可能会导致数据表中的冲突。为了避免这种情况，你可以使用其他技术来确保主键的唯一性，例如使用UUID或GUID。

  在单机上是递增的，但由于涉及到分布式环境，每台机器上的时钟不可能完全同步，有时候会出现不是全局递增的情况。虽然这个缺陷可以认为无所谓，因为分布式ID只要求趋势递增，但是如果你需要更精确的ID生成，你可以使用其他技术来确保递增的唯一性，例如使用Snowflake算法。这个算法可以确保在分布式环境下，每个ID都是全局递增的。

• 其它补充

  为了解决时钟回拨问题，导致ID重复，后面有人专门提出了解决的方案

  百度开源的分布式唯一ID生成器 UidGenerator

  Leaf - 美团点评分布式ID生成系统

  还有其他的解决方案，例如：

  Twitter Snowflake

  UUID

  GUID

  等等。这些方案都有不同的优缺点，需要根据具体的需求进行选择。