美团分布式mysql_9种分布式ID生成之美团（Leaf）实战

整理了一些Java方面的架构、面试资料(微服务、集群、分布式、中间件等)，有须要的小伙伴能够关注公众号【程序员内点事】，无套路自行领取javascript

更多优选java

引言

前几天写过一篇《一口气说出 9种 分布式ID生成方式，面试官有点懵了》，里边简单的介绍了九种分布式ID生成方式，可是对于像美团(Leaf)、滴滴(Tinyid)、百度(uid-generator)都是一笔带过。而经过读者留言发现，你们广泛对他们哥三更感兴趣，因此后边会结合实战，详细的对三种分布式ID生成器学习，今天先啃下美团(Leaf)。mysql

不了解分布式ID的同窗，先行去看《一口气说出 9种 分布式ID生成方式，面试官有点懵了》温习一下基础知识，这里就再也不赘述了git

美团(Leaf)

Leaf是美团推出的一个分布式ID生成服务，名字取自德国哲学家、数学家莱布尼茨的一句话：“There are no two identical leaves in the world.”(“世界上没有两片相同的树叶”)，取个名字都这么有寓意，美团程序员牛掰啊！程序员

Leaf的优点：高可靠、低延迟、全局惟一等特色。github

目前主流的分布式ID生成方式，大体都是基于数据库号段模式和雪花算法(snowflake)，而美团(Leaf)恰好同时兼具了这两种方式，能够根据不一样业务场景灵活切换。面试

接下来结合实战，详细的介绍一下Leaf的Leaf-segment号段模式和Leaf-snowflake模式算法

1、 Leaf-segment号段模式

Leaf-segment号段模式是对直接用数据库自增ID充当分布式ID的一种优化，减小对数据库的频率操做。至关于从数据库批量的获取自增ID，每次从数据库取出一个号段范围，例如 (1,1000] 表明1000个ID，业务服务将号段在本地生成1~1000的自增ID并加载到内存.。sql

大体的流程入下图所示：

号段耗尽以后再去数据库获取新的号段，能够大大的减轻数据库的压力。对max_id字段作一次update操做，update max_id= max_id + step，update成功则说明新号段获取成功，新的号段范围是(max_id ,max_id +step]。数据库

因为依赖数据库，咱们先设计一下表结构：

CREATE TABLE `leaf_alloc` (

`biz_tag` varchar(128) NOT NULL DEFAULT '' COMMENT '业务key',

`max_id` bigint(20) NOT NULL DEFAULT '1' COMMENT '当前已经分配了的最大id',

`step` int(11) NOT NULL COMMENT '初始步长，也是动态调整的最小步长',

`description` varchar(256) DEFAULT NULL COMMENT '业务key的描述',

`update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '数据库维护的更新时间',

PRIMARY KEY (`biz_tag`)

) ENGINE=InnoDB DEFAULT CHARSET=utf8;

预先插入一条测试的业务数据

INSERT INTO `leaf_alloc` (`biz_tag`, `max_id`, `step`, `description`, `update_time`) VALUES ('leaf-segment-test', '0', '10', '测试', '2020-02-28 10:41:03');

biz_tag：针对不一样业务需求，用biz_tag字段来隔离，若是之后须要扩容时，只需对biz_tag分库分表便可

max_id：当前业务号段的最大值，用于计算下一个号段

step：步长，也就是每次获取ID的数量

description：对于业务的描述，没啥好说的

将Leaf项目下载到本地：https://github.com/Meituan-Dianping/Leaf

修改一下项目中的leaf.properties文件，添加数据库配置

leaf.name=com.sankuai.leaf.opensource.test

leaf.segment.enable=true

leaf.jdbc.url=jdbc:mysql://127.0.0.1:3306/xin-master?useUnicode=true&characterEncoding=utf8

leaf.jdbc.username=junkang

leaf.jdbc.password=junkang

leaf.snowflake.enable=false

注意：leaf.snowflake.enable 与 leaf.segment.enable 是没法同时开启的，不然项目将没法启动。

配置至关的简单，直接启动LeafServerApplication后就OK了，接下来测试一下，leaf是基于Http请求的发号服务， LeafController 中只有两个方法，一个号段接口，一个snowflake接口，key就是数据库中预先插入的业务biz_tag。

@RestController

public class LeafController {

private Logger logger = LoggerFactory.getLogger(LeafController.class);

@Autowired

private SegmentService segmentService;

@Autowired

private SnowflakeService snowflakeService;

/**

* 号段模式

* @param key

* @return

*/

@RequestMapping(value = "/api/segment/get/{key}")

public String getSegmentId(@PathVariable("key") String key) {

return get(key, segmentService.getId(key));

}

/**

* 雪花算法模式

* @param key

* @return

*/

@RequestMapping(value = "/api/snowflake/get/{key}")

public String getSnowflakeId(@PathVariable("key") String key) {

return get(key, snowflakeService.getId(key));

}

private String get(@PathVariable("key") String key, Result id) {

Result result;

if (key == null || key.isEmpty()) {

throw new NoKeyException();

}

result = id;

if (result.getStatus().equals(Status.EXCEPTION)) {

throw new LeafServerException(result.toString());

}

return String.valueOf(result.getId());

}

}

访问：http://127.0.0.1:8080/api/segment/get/leaf-segment-test，结果正常返回，感受没毛病，但当查了一下数据库表中数据时发现了一个问题。

一般在用号段模式的时候，取号段的时机是在前一个号段消耗完的时候进行的，可刚刚才取了一个ID，数据库中却已经更新了max_id，也就是说leaf已经多获取了一个号段，这是什么鬼操做？

Leaf为啥要这么设计呢？

Leaf 但愿能在DB中取号段的过程当中作到无阻塞！

当号段耗尽时再去DB中取下一个号段，若是此时网络发生抖动，或者DB发生慢查询，业务系统拿不到号段，就会致使整个系统的响应时间变慢，对流量巨大的业务，这是不可容忍的。

因此Leaf在当前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。而不须要等到号段用尽的时候才去更新号段。这样作很大程度上的下降了系统的风险。

那么某个点究竟是何时呢？

这里作了一个实验，号段设置长度为step=10，max_id=1，

当我拿第一个ID时，看到号段增长了，1/10

当我拿第三个Id时，看到号段又增长了，3/10

Leaf采用双buffer的方式，它的服务内部有两个号段缓存区segment。当前号段已消耗10%时，还没能拿到下一个号段，则会另启一个更新线程去更新下一个号段。

简而言之就是Leaf保证了老是会多缓存两个号段，即使哪一时刻数据库挂了，也会保证发号服务能够正常工做一段时间。

一般推荐号段(segment)长度设置为服务高峰期发号QPS的600倍(10分钟)，这样即便DB宕机，Leaf仍能持续发号10-20分钟不受影响。

优势：

Leaf服务能够很方便的线性扩展，性能彻底可以支撑大多数业务场景。

容灾性高：Leaf服务内部有号段缓存，即便DB宕机，短期内Leaf仍能正常对外提供服务。

缺点：

ID号码不够随机，可以泄露发号数量的信息，不太安全。

DB宕机会形成整个系统不可用(用到数据库的都有可能)。

2、Leaf-snowflake

Leaf-snowflake基本上就是沿用了snowflake的设计，ID组成结构：正数位(占1比特)+ 时间戳(占41比特)+ 机器ID(占5比特)+ 机房ID(占5比特)+ 自增值(占12比特)，总共64比特组成的一个Long类型。

Leaf-snowflake不一样于原始snowflake算法地方，主要是在workId的生成上，Leaf-snowflake依靠Zookeeper生成workId，也就是上边的机器ID(占5比特)+ 机房ID(占5比特)。Leaf中workId是基于ZooKeeper的顺序Id来生成的，每一个应用在使用Leaf-snowflake时，启动时都会都在Zookeeper中生成一个顺序Id，至关于一台机器对应一个顺序节点，也就是一个workId。

Leaf-snowflake启动服务的过程大体以下：

启动Leaf-snowflake服务，链接Zookeeper，在leaf_forever父节点下检查本身是否已经注册过(是否有该顺序子节点)。

若是有注册过直接取回本身的workerID(zk顺序节点生成的int类型ID号)，启动服务。

若是没有注册过，就在该父节点下面建立一个持久顺序节点，建立成功后取回顺序号当作本身的workerID号，启动服务。

但Leaf-snowflake对Zookeeper是一种弱依赖关系，除了每次会去ZK拿数据之外，也会在本机文件系统上缓存一个workerID文件。一旦ZooKeeper出现问题，刚好机器出现故障需重启时，依然可以保证服务正常启动。

启动Leaf-snowflake模式也比较简单，起动本地ZooKeeper，修改一下项目中的leaf.properties文件，关闭leaf.segment模式，启用leaf.snowflake模式便可。

leaf.segment.enable=false

#leaf.jdbc.url=jdbc:mysql://127.0.0.1:3306/xin-master?useUnicode=true&characterEncoding=utf8

#leaf.jdbc.username=junkang

#leaf.jdbc.password=junkang

leaf.snowflake.enable=true

leaf.snowflake.zk.address=127.0.0.1

leaf.snowflake.port=2181

/**

* 雪花算法模式

* @param key

* @return

*/

@RequestMapping(value = "/api/snowflake/get/{key}")

public String getSnowflakeId(@PathVariable("key") String key) {

return get(key, snowflakeService.getId(key));

}

测试一下，访问：http://127.0.0.1:8080/api/snowflake/get/leaf-segment-test

优势：

ID号码是趋势递增的8byte的64位数字，知足上述数据库存储的主键要求。

缺点：

依赖ZooKeeper，存在服务不可用风险(实在不知道有啥缺点了)

3、Leaf监控

请求地址：http://127.0.0.1:8080/cache

针对服务自身的监控，Leaf提供了Web层的内存数据映射界面，能够实时看到全部号段的下发状态。好比每一个号段双buffer的使用状况，当前ID下发到了哪一个位置等信息均可以在Web界面上查看。

总结

对于Leaf具体使用哪一种模式，仍是根据具体的业务场景使用，本文并无对Leaf源码作过多的分析，由于Leaf 代码量简洁很好阅读。后续还会把其余几种分布式ID生成器，依次结合实战介绍给你们，欢迎你们关注。

今天就说这么多，若是本文对您有一点帮助，但愿能获得您一个点赞👍哦

您的承认才是我写做的动力！