分布式ID的特点
- 全局唯一性:不能出现有重复的ID标识,这是基本要求。
- 递增性:确保生成的ID对于用户或业务是递增的。
- 高可用性:确保任何时候都能生成正确的ID。
- 高性能性:在高并发的环境下依然表现良好。
原理
雪花算法,是Twitter开源的由64位整数组成分布式ID,性能较高,并且在单机上递增
1.第一位 占用1bit,其值始终是0,没有实际作用。
2.时间戳 占用41bit,单位为毫秒,总共可以容纳约69年的时间。当然,我们的时间毫秒计数不会真的从1970年开始记,所以这里的时间戳只是相对于某个时间的增量。
3.工作机器id 占用10bit,其中高位5bit是数据中心ID,低位5bit是工作节点ID,最多可以容纳1024个节点。
4.序列号 占用12bit,用来记录同毫秒内产生的不同id。每个节点每毫秒0开始不断累加,最多可以累加到4095,同一毫秒一共可以产生4096个ID
同一毫秒的ID数量 = 1024 * 4096 = 4194304
算法实现
package main
import (
"fmt"
"github.com/bwmarrin/snowflake"
"time"
)
var node *snowflake.Node
func Init(startTime string, machineID int64) (err error) {
var st time.Time
st, err = time.Parse("2006-01-02", startTime)
if err != nil {
return
}
snowflake.Epoch = st.UnixNano() / 1000000
node, err = snowflake.NewNode(machineID)
return
}
func GenID() int64 {
return node.Generate().Int64()
}
func main() {
if err := Init("2020-07-01", 1); err != nil {
fmt.Printf("init failed, err:%v\n", err)
return
}
id := GenID()
fmt.Println(id)
}
使用场景
不仅仅是用于用户ID,实际上互联网中有很多场景需要能够生成类似MySQL自增ID这样不断增大,同时又不会重复的id,以支持业务中的高并发场景,例如在消息队列系统中,为每一个消息生成全局的唯一ID等。
比较典型的场景有:电商促销时短时间内会有大量的订单涌入到系统,微博出现爆炸性新闻时会产生大量的相关微博转发和评论消息。
优缺点
优点
- 唯一性:雪花算法生成的ID在分布式系统中是唯一的。这是因为它结合了时间戳、机器ID和序列号,确保在相同的时间戳内、相同的机器ID下生成的ID是唯一的。
- 有序性:生成的ID是递增的(在同一毫秒内),这有助于提高数据库索引性能,减少数据库的碎片化。
- 高性能:雪花算法是一种轻量级的算法,计算简单快速,生成ID的速度很高。
- 分布式可用性:适用于分布式系统,不同节点上生成的ID可以保持全局唯一性。
缺点
- 依赖时钟:雪花算法的唯一性基于时间戳,因此如果系统时间发生回退(例如,时钟同步问题、时钟漂移等),可能会导致生成的ID不唯一,甚至出现ID倒序的情况。
- 机器ID有限制:机器ID的位数限制了系统所能容纳的节点数目,一般情况下,最多支持4096个节点。
注意事项
js支持最大的整型范围为53位,超过这个范围就会丢失精度,53之内可以直接由js读取,超过53位就需要转换成字符串才能保证js处理正确。53位存储的话,32位存储秒级时间戳,5位存储机器码,16位存储序列化,这样每台机器每秒可以生产65536个不重复的id。