![](https://i-blog.csdnimg.cn/blog_migrate/f5fc609b32a3177404aa4d634f3b8a9a.jpeg)
个人中心:SueWakeup
系列专栏:学习Java框架
个性签名:人生乏味啊,我欲令之光怪陆离
![](https://i-blog.csdnimg.cn/blog_migrate/97943964d9ba5560d4f634ecd48653a0.jpeg)
目录
注:手机端浏览本文章可能会出现 “目录”无法有效展示的情况,请谅解,点击侧栏目录进行跳转
1. 什么是分布式 ID
在理解分布式 ID 之前请先阅读:【概念】神马是分布式?
分布式 ID 是指在分布式系统中,数据库的自增 ID 不能满足需求,需要在不同的节点之间通过一个唯一 ID 来进行标识。
个人理解:在分布式微服务项目中,多个线程同时对一张表新增数据,且这张表的主键 ID 存在唯一性
2. 分布式 ID 基本要求
基本要求 | 描述 |
---|---|
全局唯一 | 在整个分布式系统中全局唯一,不能出现重复 ID |
高性能高可用 | 分布式 ID 的生成速度要快,生成分布式 ID 的服务要保证可用性无限接近于 100% |
趋势递增 | 在 MySQL InnoDB 引擎中使用的是聚焦索引,由于多数 RDBMS 使用 B-tree 的数据结构来存储索引数据,在主键的选择上面我们应该尽量使用有序的主键保证写入性能 |
单调递增 | 保证下一个 ID 一定大于上一个 ID |
具体的业务含义 | 生成的 ID 拥有具体的业务含义,可以让定位问题以及开发更透明化 |
独立部署 | 在分布式系统单独有一个发号器服务,专门用来生成分布式 ID,生成的 ID 的服务和业务相关的服务解耦,但会带来服务之间网络调用消耗增加 |
信息安全 | ID 中不能包含敏感信息,如果 ID 是连续的,恶意用户的扒取工作就非常容易做,订单号就更危险了,竞争对手可以获取到我们一天的订单信息,所以一些应用场景下,ID 需要呈现无规则状态 |
3. 数据库主键自增
通过关系型数据库的主键自增的方式,产生唯一的 ID
优点 | 缺点 |
---|---|
|
|
解决方案:
在分布式系统中多部署几台及其,每台机器设置不同的初始值,且步长和机器数相等
如:两台机器,设置步长 step 为 2, TicketServer1 的初始值为 1(1,3,5,7,9...)、TicketServer2 的初始值为 2(2,4,6,8,10...)
4. UUID
Universally Unique Identifier(通用唯一标识符)的缩写
UUID 包含 32 个 16 进制数字(8-4-4-4-12)
生成规则:包括 MAC 地址、时间戳、命名空间(Namespace)、随机或伪随机数、时序等元素,基于这些规则生成的 UUID 不会重复
UUID.randomUUID();
优点 | 缺点 |
---|---|
|
|
5. Snowflake 雪花算法
Snowflake 产生的 ID 由 64位 二进制数字组成,被拆分成 4 个部分:
- 符号位:标识正负,始终为0
- 时间戳:单位 ms(毫秒),可以支持 2^41 毫秒(约 69 年)
- 工作时间 ID:一般前 5 位表示机房 ID,后 5 位表示机器ID,用于区分不同集群/机房的节点,10 位的长度,可以表示 1024 个不同节点。
- 序列号:序列号为自增值,代表单台机器每毫秒能够产生的最大 ID 数,也就是说单台机器每毫秒最多可以生成 4096 个唯一ID,最大支持 400W 左右的并发量。
5.1 开源的雪花算法
public class SnowFlake {
// 机房(数据中心)ID
private long datacenterId;
// 机器 ID
private long workerId;
// 同一时间的序列号
private long sequence;
// 开始时间戳
private long twepoch = 1634393012000L; // 时间起点,这里设置为"2021-10-17 00:00:00"
// 机房ID所占的位数:5个 bit
private long datacenterIdBits = 5L;
// 机器ID所占的位数:5个 bit
private long workerIdBits = 5L;
// 最大机器ID:5 bit 最多只能有31个数字,就是说机器id最多只能是32以内
// 最大:11111(2进制) --> 31(10进制)
private long maxWorkerId = -1L ^ (-1L << workerIdBits); // 最大机器ID值
// 最大数据中心ID:5 bit 最多只能有31个数字,就是说数据中心id最多只能是32以内
private long maxDatacenterId = -1L ^ (-1L << datacenterIdBits); // 最大数据中心ID值
// 同一毫秒内的序列号位数:12 bit
private long sequenceBits = 12L;
// workerId左移位数:12
private long workerIdShift = sequenceBits;
// datacenterId左移位数:12+5
private long datacenterIdShift = sequenceBits + workerIdBits;
// timestamp左移位数:12+5+5
private long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;
// 序列号掩码:4095 (0b111111111111=0xfff=4095)
private long sequenceMask = -1L ^ (-1L << sequenceBits);
// 上次时间戳
private long lastTimestamp = -1L;
// 构造函数,传入workerId和datacenterId
public SnowFlake(long workerId, long datacenterId) {
this(workerId, datacenterId, 0);
}
// 构造函数,传入workerId、datacenterId和sequence
public SnowFlake(long workerId, long datacenterId, long sequence) {
// 参数校验
if (workerId > maxWorkerId || workerId < 0) {
throw new IllegalArgumentException(String.format("worker Id can't be greater than %d or less than 0", maxWorkerId));
}
if (datacenterId > maxDatacenterId || datacenterId < 0) {
throw new IllegalArgumentException(String.format("datacenter Id can't be greater than %d or less than 0", maxDatacenterId));
}
// 输出信息
System.out.printf("worker starting. timestamp left shift %d, datacenter id bits %d, worker id bits %d, sequence bits %d, workerid %d",
timestampLeftShift, datacenterIdBits, workerIdBits, sequenceBits, workerId);
// 初始化参数
this.workerId = workerId;
this.datacenterId = datacenterId;
this.sequence = sequence;
}
// 生成下一个ID
public synchronized long nextId() {
// 获取当前时间戳
long timestamp = timeGen();
// 检查时间回拨
if (timestamp < lastTimestamp) {
System.err.printf("clock is moving backwards. Rejecting requests until %d.", lastTimestamp);
throw new RuntimeException(String.format("Clock moved backwards. Refusing to generate id for %d milliseconds",
lastTimestamp - timestamp));
}
if (lastTimestamp == timestamp) {
// 同一毫秒内的序列号自增
sequence = (sequence + 1) & sequenceMask;
if (sequence == 0) {
// 如果同一毫秒内的序列号超出范围,等待下一毫秒
timestamp = tilNextMillis(lastTimestamp);
}
} else {
// 不同毫秒内,序列号重置为0
sequence = 0;
}
// 更新上次时间戳
lastTimestamp = timestamp;
// 生成ID
return ((timestamp - twepoch) << timestampLeftShift) |
(datacenterId << datacenterIdShift) |
(workerId << workerIdShift) |
sequence;
}
// 等待下一毫秒
private long tilNextMillis(long lastTimestamp) {
long timestamp = timeGen();
while (timestamp <= lastTimestamp) {
timestamp = timeGen();
}
return timestamp;
}
// 获取当前时间戳
private long timeGen() {
return System.currentTimeMillis();
}
// 主函数,测试生成ID
public static void main(String[] args) {
SnowFlake worker = new SnowFlake(1, 1);
for (int i = 0; i < 100; i++) {
System.out.println(worker.nextId());
}
System.out.println();
worker = new SnowFlake(1, 2);
for (int i = 0; i < 100; i++) {
System.out.println(worker.nextId());
}
}
}
测试用例
SnowFlake flake1 = new SnowFlake(1, 12);
SnowFlake flake2 = new SnowFlake(1, 12);
Thread t1 = new Thread(){
@Override
public void run() {
for(int i=0;i<10;i++){
System.out.println("t1-"+flake1.nextId());
}
}
};
Thread t2 =new Thread(){
@Override
public void run(){
for(int i=0;i<10;i++){
System.out.println("t2-"+flake2.nextId());
}
}
};
t1.start();
t2.start();
try {
t1.join();
t2.join();
} catch (InterruptedException e) {
e.printStackTrace();
}