全局唯一序号生成方案

全局唯一序列号设计方案

系统唯一ID是我们在设计一个系统的时候常常会遇见的问题，也常常为这个问题而纠结。生成ID的方法有很多，适应不同的场景、需求以及性能要求。所以有些比较复杂的系统会有多个ID生成的策略。

一、全局唯一ID具备下面几个特性

1、全局唯一性：不能出现重复的ID
2、趋势递增：按照一定规则有序递增
3、单调递增：保证下一个ID一定大于上一个ID
4、信息安全：特定场景下连续递增ID的安全性

单调递增与信息安全两个特性是互斥的，无法同时满足
分布式系统架构中，除了需要满足ID生成自身的需求外，还需要高可用性，高性能。

二、方案一：数据库自增长序列或字段

比如oracle的sequence,mysql的auto_increment

【1】、优点

实现简单
能够保证唯一性
能够保证递增性

【2】、缺点

扩展性差，性能有上限
可用性难以保证，有单点故障的风险
数据合并，数据迁移比较麻烦

三、方案二：UUID

常见的方式。可以利用数据库也可以利用程序生成，一般来说全球唯一。

【1】、优点

实现简单
性能高，本地生成，不会有网络开销
数据合并，数据迁移比较简单

【2】、缺点

没有排序，无法保证趋势递增
可读性差，不直观
UUID过长，往往用32或48位字符串表示，作为主键建立索引查询效率低

四、方案三：Redis生成ID

当使用数据库来生成ID性能达不到要求的时候，可以采用Redis来生成ID。利用Redis的原子操作 INCR和INCRBY来实现。使用Redis集群可以获取更高的吞吐量,还可以防止单点故障问题。假如一个集群中有3台Redis。可以初始化每台Redis的值分别是1,2,3，然后步长都是3(主Redis机器数)。每个Redis生成的ID为：
A：1,4,7,10,13
B：2,5,8,11,14
C：3,6,9,12,15

【1】、优点

不依赖于数据库，性能优于数据库
数字ID排序，对分页或排序很有帮助

【2】、缺点

1、如果系统中没有Redis，还需要引入新的组件，增加系统复杂度
2、需要编码和配置的工作量比较大

五、方案四：数据库segment

通过一个序列表记录当前序列号，机器每次从序列表中获取一定步长的序列数然后缓存再本地，等用完后再重新从步长表获取，本地可以用的序号数可以再做放大，如放大1000倍 X 1000；那么实际上本地可用的序列个数=步长大小 X 放大倍数。读写数据库的频率从1减小到了1/(step * 放大倍数)

【1】、优点：

大大降低了数据库的访问频率

【2】、缺点：

性能较差，例如几百个应用同时来获取这条序列记录的话行锁等待时间长

TP999数据波动大，当号段使用完之后还是会hang在更新数据库的I/O上，tg999数据会出现偶尔的尖刺。

DB宕机会造成整个系统不可用。

【3】、优化方案：双buffer

​ 取号段的时机是在号段消耗完的时候进行的，也就意味着号段临界点的ID下发时间取决于下一次从DB取回号段的时间，并且在这期间进来的请求也会因为DB号段没有取回来，导致线程阻塞。如果请求DB的网络和DB的性能稳定，这种情况对系统的影响是不大的，但是假如取DB的时候网络发生抖动，或者DB发生慢查询就会导致整个系统的响应时间变慢。

​ 为此，我们希望DB取号段的过程能够做到无阻塞，不需要在DB取号段的时候阻塞请求线程，即当号段消费到某个点时就异步的把下一个号段加载到内存中。而不需要等到号段用尽的时候才去更新号段。这样做就可以很大程度上的降低系统的TP999指标。

六、方案五：数据库自增序列改进方案

​ 跟通过数据库步长的方式类似，生成一张序列表，表结构如下所示，当应用需要获取序号的时候向该表中插入一条数据，记录访问应用的ip信息，然后得到一个唯一的自增的id，这个【（id-1）X 应用设置的步长】 就是应用起始的序列号，【id X 应用设置的步长】就是应用最大的序列号；例如每台机器可得步长为1000，那么插入完记录后该应用得到的序列范围就是0-1000；当这1000个序号用完后就在访问步长表再插入一条记录，得到新的id重新计算新的序列号，同时删除该机器ip id比当前id小的记录。

CREATE TABLE `coupon_no_sequence` (
  `ID` bigint(20) NOT NULL AUTO_INCREMENT COMMENT 'auto increment id',
  `HOST_NAME` varchar(64) NOT NULL COMMENT 'host name',
  `PORT` varchar(64) NOT NULL COMMENT 'port',
  `TYPE` int(2) NOT NULL COMMENT 'node type: ACTUAL or CONTAINER',
  PRIMARY KEY (`ID`)
) ENGINE=InnoDB AUTO_INCREMENT=1659 DEFAULT CHARSET=utf8 COMMENT='券号序列表';

实例：券号生成策略

实现代码

【1】、spring配置

<bean id="couponService" class="com.suning.ebuy.cous.components.CouponSequenceService" lazy-init="false">
		<!-- ID号分段的最大值，如果不配置，代码中默认是999999999999-->
		<property name="segmentMaxIdValue" value="999999999999"/>
		<!-- 每个ID号分段的ID数（必须是10的整数次幂，如果不配置，代码中默认是1000） -->
		<property name="perSegmentQty" value="1000"/>
		<!--号段表名-->
		<property name="sequenceTableName" value="coupon_no_sequence"/>
		<property name="idSegmentDao" ref="IdSegmentDao"/>
	</bean>

【2】、获取券号的生成方法

券号获取服务，前面补0补齐13位并在前面拼接上券类型的标记

public class CouponSequenceService {

    /**
     * 当前序号
     */
    private long currentId = 0L;

    /**
     * 当前分段最大的序号
     */
    private long currentMaxId = 0L;

    /**
     * 最大段号
     */
    private long segmentMaxIdValue = 999999999999L;

    /**
     * 每段段长
     */
    private int perSegmentQty = 1000;

    /**
     * 序列表表名
     */
    private String sequenceTableName = "id_segement";
    
    private IdSegmentDao idSegmentDao;

    /**
     *
     * 功能描述: 获取券号
     *
     * @param 
     * @return 
     * @see [相关类/方法](可选)
     * @since [产品/模块版本](可选)
     */
    public synchronized String getNextLongSequence() {
        // 如果本地没有序号剩余，获取新的分段好，并重置起始序号
        if (this.currentId == this.currentMaxId) {
            this.getNextSegmentAndReset();
        }

        // 本地序号有剩余，直接+1
        ++this.currentId;
        return Long.toString(this.currentId);
    }

    /**
     *
     * 功能描述: 获取新的分段号
     *
     * @param
     * @return
     * @see [相关类/方法](可选)
     * @since [产品/模块版本](可选)
     */
    private void getNextSegmentAndReset() {
        try {
            long segment = assignIdSegment(sequenceTableName);
            if (segment > this.segmentMaxIdValue) {
                throw new UidGenerateException("ID超过了最大范围!");
            }

            // mysql id 是从0开始，因此当前起始序号 = (id -1) * 段长
            this.currentId = (segment - 1L) * (long) this.perSegmentQty;

            // 最大的序列号 = id * 端长
            this.currentMaxId = segment * (long) this.perSegmentQty;
        } catch (Exception e) {
            throw new UidGenerateException("获取ID号分段异常", e);
        }
    }

    /**
     *
     * 功能描述: 从数据库获取段号，段号即id
     *
     * @param tableName
     * @return
     * @see [相关类/方法](可选)
     * @since [产品/模块版本](可选)
     */
    @Transactional
    public long assignIdSegment(String tableName) {
        IdSegementEntity idSegementEntity = new IdSegementEntity();
        idSegementEntity.setHostName(NetUtils.getLocalAddress());
        idSegementEntity.setTableName(tableName);

        // 插入一条记录
        idSegmentDao.addIdSegment(idSegementEntity);

        // 拿到id = 段号
        Long idSegment = this.idSegmentDao.queryIdSegmentByIP(idSegementEntity);

        idSegementEntity.setId(idSegment);

        // 删除该ip id < idSegment 的记录
        idSegmentDao.deleteIdSegment(idSegementEntity);

        return idSegment;
    }

    public long getSegmentMaxIdValue() {
        return segmentMaxIdValue;
    }

    public void setSegmentMaxIdValue(long segmentMaxIdValue) {
        this.segmentMaxIdValue = segmentMaxIdValue;
    }

    public int getPerSegmentQty() {
        return perSegmentQty;
    }

    public void setPerSegmentQty(int perSegmentQty) {
        this.perSegmentQty = perSegmentQty;
    }

    public String getSequenceTableName() {
        return sequenceTableName;
    }

    public void setSequenceTableName(String sequenceTableName) {
        this.sequenceTableName = sequenceTableName;
    }

    public IdSegmentDao getIdSegmentDao() {
        return idSegmentDao;
    }

    public void setIdSegmentDao(IdSegmentDao idSegmentDao) {
        this.idSegmentDao = idSegmentDao;
    }
}

【3】、SQL

<!--删除过期的ID号段-->
	<sql id="delete_id_segment"  jdbcTimout="3">
		<![CDATA[
            DELETE FROM ${TABLENAME} WHERE HOST_NAME = :HOSTNAME AND ID < :ID
        ]]>
	</sql>
	
<!--查询正在使用的ID号段-->
	<sql id="query_id_segment_by_ip"  jdbcTimout="3">
		<![CDATA[
            SELECT t.ID FROM ${TABLENAME} t WHERE t.HOST_NAME = :HOSTNAME ORDER BY t.ID DESC LIMIT 1
        ]]>
	</sql>
    
<!--新增ID号段-->
	<sql id="insert_id_segment"  jdbcTimout="3">
		<![CDATA[
            INSERT INTO ${TABLENAME} (HOST_NAME,PORT,TYPE) VALUES (:HOSTNAME,:PORT,:TYPE)
        ]]>
	</sql>    

七、方案六：雪花算法

【1】雪花算法原理

1. 1bit，不用，因为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。
2. 41bit-时间戳，用来记录时间戳，毫秒级。
   41位可以表示2199023255552个数字，
   如果只用来表示正整数（计算机中正数包含0），可以表示的数值范围是：0 至 2199023255552，减1是因为可表示的数值范围是从0开始算的，而不是1。
   也就是说41位可以表示2199023255552个毫秒的值，转化成单位年则是69年
3. 10bit-工作机器id，用来记录工作机器id。
   可以部署在1024个节点，包括5位datacenterId和5位workerId
   5位（bit）可以表示的最大正整数是31，即可以用0、1、2、3、…31这32个数字，来表示不同的datecenterId或workerId
4. 12bit-序列号，序列号，用来记录同毫秒内产生的不同id。
   12位（bit）可以表示的最大正整数是4095，即可以用0、1、2、3、…4094这4095个数字，来表示同一机器同一时间截（毫秒)内产生的4095个ID序号。

由于在Java中64bit的整数是long类型，所以在Java中SnowFlake算法生成的id就是long来存储的。

【2】Snowflake 存在的问题

​ snowflake 不依赖数据库，也不依赖内存存储，随时可生成 ID，这也是它如此受欢迎的原因。但因为它在设计时通过时间戳来避免对内存和数据库的依赖，所以它依赖于服务器的时间。上面我们提到了 Snowflake 的 4 段结构，实际上影响 ID 大小的是较高位的值，由于最高位固定为 0，遂影响 ID 大小的是中位的值，也就是时间戳。

​ 试想，服务器的时间发生了错乱或者回拨，这就直接影响到生成的 ID，有很大概率生成重复的 ID且一定会打破递增属性。这是一个致命缺点，你想想，支付订单和购买订单的编号重复，这是多么严重的问题！

​ 另外，由于它的中下位和末位 bit 数限制，它每毫秒生成 ID 的上限严重受到限制。由于中位是 41 bit 的毫秒级时间戳，所以从当前起始到 41 bit 耗尽，也只能坚持 70 年。

​ 再有，程序获取操作系统时间会耗费较多时间，相比于随机数和常数来说，性能相差太远，这是制约它生成性能的最大因素。