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。