分布式系统唯一ID生成方案

系统唯一ID是我们在开发过程中遇到的一个常见问题，简单的来说，生成ID的方式有很多种，它们适应不同性能。

一、数据库自增长序列或者字段

这是最常见的方式,利用数据库的AUTO_INCREMENT

• 优点
  • 简单，代码方便，性能可接受
  • 数字ID具有天然排序，对需要分页或者排序的结果很有帮组
• 缺点
  • 不同数据库的语法和实现不同，数据库迁移或者数据库版本支持的时候需要处理
  • 在单个数据库或读写分离或者一主多从的情况下，只有一个主库可以生成，可能会造成单点故障。
  • 在性能达不到要求的情况下，比较难扩展。
  • 分表分库的时候会比较麻烦
• 优化点
  • 针对主库单点，如果是有多个master库，则每个master库设置的起始数字不一样，但是他们的步长一样，可以是master的个数，比如是1、4、7、10_{，master2生成的是2、5、8、11}，master3生成的是3、6、9、12~这样就可以有效生成集群中的唯一ID，也可以大大降低ID生成数据库操作的负载。

二、UUID

这是最常见的方式，可以利用数据库也可以利用程序生成。

• 优点
  • 简单，代码生成方便
  • 生成ID的性能非常好，基本不会有性能问题。
  • 全球唯一，在遇见数据迁移，系统数据合并，或者数据库变更时，很难产生冲突，较易解决。
• 缺点
  • 没有排序，无法保证趋势递增
  • UUID往往使用的是字符串存储，查询效率比较低
  • 存储空间比较大，一般是16位或者32位
  • 传输数据量大
  • 不可读

三、UUID变种

为了解决UUID不可读，可以使用UUID to Int64的方法。及

/// <summary>
/// 根据GUID获取唯一数字序列
/// </summary>
public static long GuidToInt64() {
    byte[] bytes = Guid.NewGuid().ToByteArray();
    return BitConverter.ToInt64(bytes, 0);
}

为了解决UUID无序的问题，NHibernate在其主键生成方式中提供了Comb算法（combined guid/timestamp）。保留GUID的10个字节，用另6个字节表示GUID生成的时间（DateTime）。

/// <summary> 
/// Generate a new <see cref="Guid"/> using the comb algorithm. 
/// </summary> 
private Guid GenerateComb()
{
    byte[] guidArray = Guid.NewGuid().ToByteArray();
 
    DateTime baseDate = new DateTime(1900, 1, 1);
    DateTime now = DateTime.Now;
 
    // Get the days and milliseconds which will be used to build    
    //the byte string    
    TimeSpan days = new TimeSpan(now.Ticks - baseDate.Ticks);
    TimeSpan msecs = now.TimeOfDay;
 
    // Convert to a byte array        
    // Note that SQL Server is accurate to 1/300th of a    
    // millisecond so we divide by 3.333333    
    byte[] daysArray = BitConverter.GetBytes(days.Days);
    byte[] msecsArray = BitConverter.GetBytes((long)
      (msecs.TotalMilliseconds / 3.333333));
 
    // Reverse the bytes to match SQL Servers ordering    
    Array.Reverse(daysArray);
    Array.Reverse(msecsArray);
 
    // Copy the bytes into the guid    
    Array.Copy(daysArray, daysArray.Length - 2, guidArray,
      guidArray.Length - 6, 2);
    Array.Copy(msecsArray, msecsArray.Length - 4, guidArray,
      guidArray.Length - 4, 4);
 
    return new Guid(guidArray);
}

用上面的算法测试一下，得到如下的结果：作为比较，前面3个是使用COMB算法得出的结果，最后12个字符串是时间序（统一毫秒生成的3个UUID），过段时间如果再次生成，则12个字符串会比图示的要大。后面3个是直接生成的GUID。

四、Redis生成ID

当使用数据库来生成ID性能不能够达到要求时，可以使用Redis来生成ID，这主要依赖于Redis是单线程的，所有也可以利用生成全局唯一ID，可以使用Redis的INCR或INCRBY来实现

可以使用Redis集群来获取更高的吞吐量。假如一个集群中有5台Redis。可以初始化每台Redis的值分别是1,2,3,4,5，然后步长都是5。各个Redis生成的ID为：

A：1,6,11,16,21

B：2,7,12,17,22

C：3,8,13,18,23

D：4,9,14,19,24

E：5,10,15,20,25

这个，随便负载到哪个机确定好，未来很难做修改。但是3-5台服务器基本能够满足器上，都可以获得不同的ID。但是步长和初始值一定需要事先需要了。使用Redis集群也可以方式单点故障的问题。

另外，比较适合使用Redis来生成每天从0开始的流水号。比如订单号 = 日期 + 当日自增长号。可以每天在Redis中生成一个Key，使用INCR进行累加。

• 优点
  • 不依赖数据库，灵活方便，且性能优于数据库
  • 数字ID天然排序，对分页或者需要有排序的结果良好
• 缺点
  • 如果系统中没有Redis，还需要引入Redis，增加了系统组件的复杂度
  • 如需要编码和配置的工作量比较大

四、利用zookeeper生成唯一ID

zookeeper主要通过其znode数据版本来生成序列号，可以生成32位和64位的数据版本号，客户端可以使用这个版本号来作为唯一的序列号。

很少会使用zookeeper来生成唯一ID。主要是由于需要依赖zookeeper，并且是多步调用API，如果在竞争较大的情况下，需要考虑使用分布式锁。因此，性能在高并发的分布式环境下，也不甚理想。

五、MongoDB的ObjectId

MongoDB的ObjectId和snowflake算法类似。它设计成轻量型的，不同的机器都能用全局唯一的同种方法方便地生成它。MongoDB 从一开始就设计用来作为分布式数据库，处理多个节点是一个核心要求。使其在分片环境中要容易生成得多。

六、Twitter的snowflake算法

snowflake是Twitter开源的分布式ID生成算法，结果是一个long型的ID。其核心思想是：使用41bit作为毫秒数，10bit作为机器的ID（5个bit是数据中心，5个bit的机器ID），12bit作为毫秒内的流水号（意味着每个节点在每毫秒可以产生 4096 个 ID），最后还有一个符号位，永远是0。具体实现的代码可以参看https://github.com/twitter/snowflake。