个人博客地址:
http://www.chengxy-nds.top ,别有洞天
前两天公众号有个粉丝给我留言吐槽最近面试:“小富,年前我在公司受点委屈一冲动就裸辞了,然后现在疫情严重两个多月还没找到工作,接了几个视频面试也都没下文。好多面试官问完一个问题,紧接着说还会其他解决方法吗?能干活解决bug不就行了吗?那还得会多少种方法? ”
面试官应该是对应聘者的回答不太满意,他想听到一个他认为最优的解决方案,其实这无可厚非。同样一个bug,能用一行代码解决问题的人和用十行代码解决问题的人,你会选哪个入职?显而易见的事情!所以看待问题还是要从多个角度出发,每种方法都有各自的利弊。
一、为什么要用分布式ID?
在说分布式ID的具体实现之前,我们来简单分析一下为什么用分布式ID?分布式ID应该满足哪些特征?
1、什么是分布式ID?
拿MySQL数据库举个栗子:
在我们业务数据量不大的时候,单库单表完全可以支撑现有业务,数据再大一点搞个MySQL主从同步读写分离也能对付。
但随着数据日渐增长,主从同步也扛不住了,就需要对数据库进行分库分表,但分库分表后需要有一个唯一ID来标识一条数据,数据库的自增ID显然不能满足需求;特别一点的如订单、优惠券也都需要有唯一ID
做标识。此时一个能够生成全局唯一ID
的系统是非常必要的。那么这个全局唯一ID
就叫分布式ID
。
2、那么分布式ID需要满足那些条件?
全局唯一:必须保证ID是全局性唯一的,基本要求 高性能:高可用低延时,ID生成响应要块,否则反倒会成为业务瓶颈 高可用:100%的可用性是骗人的,但是也要无限接近于100%的可用性 好接入:要秉着拿来即用的设计原则,在系统设计和实现上要尽可能的简单 趋势递增:最好趋势递增,这个要求就得看具体业务场景了,一般不严格要求
二、 分布式ID都有哪些生成方式?
今天主要分析一下以下9种,分布式ID生成器方式以及优缺点:
UUID 数据库自增ID 数据库多主模式 号段模式 Redis 雪花算法(SnowFlake) 滴滴出品(TinyID) 百度 (Uidgenerator) 美团(Leaf)
那么它们都是如何实现?以及各自有什么优缺点?我们往下看
以上图片源自网络,如有侵权联系删除
1、基于UUID
在Java的世界里,想要得到一个具有唯一性的ID,首先被想到可能就是UUID
,毕竟它有着全球唯一的特性。那么UUID
可以做分布式ID
吗?答案是可以的,但是并不推荐!
public static void main (String [] args ) {
String uuid = UUID.randomUUID().toString().replaceAll("-" ,"" );
System.out.println(uuid);
}
UUID
的生成简单到只有一行代码,输出结果 c2b8c2b9e46c47e3b30dca3b0d447718
,但UUID却并不适用于实际的业务需求。像用作订单号UUID
这样的字符串没有丝毫的意义,看不出和订单相关的有用信息;而对于数据库来说用作业务主键ID
,它不仅是太长还是字符串,存储性能差查询也很耗时,所以不推荐用作分布式ID
。
优点:
缺点:
无序的字符串,不具备趋势自增特性 没有具体的业务含义 长度过长16 字节128位,36位长度的字符串,存储以及查询对MySQL的性能消耗较大,MySQL官方明确建议主键要尽量越短越好,作为数据库主键 UUID
的无序性会导致数据位置频繁变动,严重影响性能。
2、基于数据库自增ID
基于数据库的auto_increment
自增ID完全可以充当分布式ID
,具体实现:需要一个单独的MySQL实例用来生成ID,建表结构如下:
CREATE DATABASE `SEQ_ID` ;
CREATE TABLE SEQID.SEQUENCE_ID (
id bigint(20 ) unsigned NOT NULL auto_increment,
value char(10 ) NOT NULL default '' ,
PRIMARY KEY (id),
) ENGINE=MyISAM;
insert into SEQUENCE_ID(value) VALUES ('values' );
当我们需要一个ID的时候,向表中插入一条记录返回主键ID
,但这种方式有一个比较致命的缺点,访问量激增时MySQL本身就是系统的瓶颈,用它来实现分布式服务风险比较大,不推荐!
优点:
缺点:
3、基于数据库集群模式
前边说了单点数据库方式不可取,那对上边的方式做一些高可用优化,换成主从模式集群。害怕一个主节点挂掉没法用,那就做双主模式集群,也就是两个Mysql实例都能单独的生产自增ID。
那这样还会有个问题,两个MySQL实例的自增ID都从1开始,会生成重复的ID怎么办?
解决方案 :设置起始值
和自增步长
MySQL_1 配置:
set @@auto_increment_offset = 1 ; -- 起始值
set @@auto_increment_increment = 2 ; -- 步长
MySQL_2 配置:
set @@auto_increment_offset = 2 ; -- 起始值
set @@auto_increment_increment = 2 ; -- 步长
这样两个MySQL实例的自增ID分别就是:
1、3、5、7、9
2、4、6、8、10
那如果集群后的性能还是扛不住高并发咋办?就要进行MySQL扩容增加节点,这是一个比较麻烦的事。
从上图可以看出,水平扩展的数据库集群,有利于解决数据库单点压力的问题,同时为了ID生成特性,将自增步长按照机器数量来设置。
增加第三台MySQL
实例需要人工修改一、二两台MySQL实例
的起始值和步长,把第三台机器的ID
起始生成位置设定在比现有最大自增ID
的位置远一些,但必须在一、二两台MySQL实例
ID还没有增长到第三台MySQL实例
的起始ID
值的时候,否则自增ID
就要出现重复了,必要时可能还需要停机修改 。
优点:
缺点:
不利于后续扩容,而且实际上单个数据库自身压力还是大,依旧无法满足高并发场景。
4、基于数据库的号段模式
号段模式是当下分布式ID生成器的主流实现方式之一,号段模式可以理解为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] 代表1000个ID,具体的业务服务将本号段,生成1~1000的自增ID并加载到内存。表结构如下:
CREATE TABLE id_generator (
id int(10 ) NOT NULL,
max_id bigint(20 ) NOT NULL COMMENT '当前最大id' ,
step int(20 ) NOT NULL COMMENT '号段的布长' ,
biz_type int(20 ) NOT NULL COMMENT '业务类型' ,
version int(20 ) NOT NULL COMMENT '版本号' ,
PRIMARY KEY (`id` )
)
biz_type :代表不同业务类型
max_id :当前最大的可用id
step :代表号段的长度
version :是一个乐观锁,每次都更新version,保证并发时数据的正确性
id biz_type max_id step version 1 101 1000 2000 0
等这批号段ID用完,再次向数据库申请新号段,对max_id
字段做一次update
操作,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]
。
update id_generator set max_id = #{max_id+step}, version = version + 1 where version = # {version} and biz_type = XXX
由于多业务端可能同时操作,所以采用版本号version
乐观锁方式更新,这种分布式ID
生成方式不强依赖于数据库,不会频繁的访问数据库,对数据库的压力小很多。
5、基于Redis模式
Redis
也同样可以实现,原理就是利用redis
的 incr
命令实现ID的原子性自增。
127.0 .0 .1 :6379 > set seq_id 1
OK
127.0 .0 .1 :6379 > incr seq_id
(integer) 2
用redis
实现需要注意一点,要考虑到redis持久化的问题。redis
有两种持久化方式RDB
和AOF
6、基于雪花算法(Snowflake)模式
雪花算法(Snowflake)是twitter公司内部分布式项目采用的ID生成算法,开源后广受国内大厂的好评,在该算法影响下各大公司相继开发出各具特色的分布式生成器。
以上图片源自网络,如有侵权联系删除
Snowflake
生成的是Long类型的ID,一个Long类型占8个字节,每个字节占8比特,也就是说一个Long类型占64个比特。
Snowflake 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)+ 数据中心
(占5比特)+ 自增值
(占12比特),总共64比特组成的一个Long类型。
第一个bit位(1bit):Java中long的最高位是符号位代表正负,正数是0,负数是1,一般生成ID都为正数,所以默认为0。 时间戳部分(41bit):毫秒级的时间,不建议存当前时间戳,而是用(当前时间戳 - 固定开始时间戳)的差值,可以使产生的ID从更小的值开始;41位的时间戳可以使用69年,(1L << 41) / (1000L 60 60 24 365) = 69年 工作机器id(10bit):也被叫做workId
,这个可以灵活配置,机房或者机器号组合都可以。 序列号部分(12bit),自增值支持同一毫秒内同一个节点可以生成4096个ID
根据这个算法的逻辑,只需要将这个算法用Java语言实现出来,封装为一个工具方法,那么各个业务应用可以直接使用该工具方法来获取分布式ID,只需保证每个业务应用有自己的工作机器id即可,而不需要单独去搭建一个获取分布式ID的应用。
Java版本的Snowflake
算法实现:
}" title="" data-original-title=“复制”>
Twitter的SnowFlake算法,使用SnowFlake算法生成一个整数,然后转化为62进制变成一个短地址URL
https://github.com/beyondfengyu/SnowFlake */ public class SnowFlakeShortUrl {
起始的时间戳 */ private final static long START_TIMESTAMP = 1480166465631L;
每一部分占用的位数 */ private final static long SEQUENCE_BIT = 12 ; private final static long MACHINE_BIT = 5 ; private final static long DATA_CENTER_BIT = 5 ;
每一部分的最大值 */ private final static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT); private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT); private final static long MAX_DATA_CENTER_NUM = -1L ^ (-1L << DATA_CENTER_BIT);
每一部分向左的位移 */ private final static long MACHINE_LEFT = SEQUENCE_BIT; private final static long DATA_CENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT; private final static long TIMESTAMP_LEFT = DATA_CENTER_LEFT + DATA_CENTER_BIT; private long dataCenterId; private long machineId; private long sequence = 0L; private long lastTimeStamp = -1L;
private long getNextMill ( ) { long mill = getNewTimeStamp(); while (mill <= lastTimeStamp) { mill = getNewTimeStamp(); } return mill; }
private long getNewTimeStamp ( ) { return System.currentTimeMillis(); }
根据指定的数据中心ID和机器标志ID生成指定的序列号 @param dataCenterId 数据中心ID@param machineId 机器标志ID */ public SnowFlakeShortUrl (long dataCenterId, long machineId ) { if (dataCenterId > MAX_DATA_CENTER_NUM || dataCenterId < 0 ) { throw new IllegalArgumentException(“DtaCenterId can’t be greater than MAX_DATA_CENTER_NUM or less than 0!” ); } if (machineId > MAX_MACHINE_NUM || machineId < 0 ) { throw new IllegalArgumentException(“MachineId can’t be greater than MAX_MACHINE_NUM or less than 0!” ); } this .dataCenterId = dataCenterId; this .machineId = machineId; }
产生下一个ID
@return */ public synchronized long nextId ( ) { long currTimeStamp = getNewTimeStamp(); if (currTimeStamp < lastTimeStamp) { throw new RuntimeException(“Clock moved backwards. Refusing to generate id” ); }
if (currTimeStamp == lastTimeStamp) { sequence = (sequence + 1 ) & MAX_SEQUENCE; if (sequence == 0L) { currTimeStamp = getNextMill(); } } else { sequence = 0L; }
lastTimeStamp = currTimeStamp;
return (currTimeStamp - START_TIMESTAMP) << TIMESTAMP_LEFT | dataCenterId << DATA_CENTER_LEFT | machineId << MACHINE_LEFT | sequence; }
public static void main (String [] args ) { SnowFlakeShortUrl snowFlake = new SnowFlakeShortUrl(2 , 3 );
<span class="hljs-keyword">for</span> (int i = <span class="hljs-number">0</span>; i < (<span class="hljs-number">1</span> << <span class="hljs-number">4</span>); i++) {
<span class="hljs-comment">//10进制</span>
System.out.println(snowFlake.nextId());
}
} }
7、百度(uid-generator)
uid-generator
是由百度技术部开发,项目GitHub地址 https://github.com/baidu/uid-...
uid-generator
是基于Snowflake
算法实现的,与原始的snowflake
算法不同在于,uid-generator
支持自定义时间戳
、工作机器ID
和 序列号
等各部分的位数,而且uid-generator
中采用用户自定义workId
的生成策略。
uid-generator
需要与数据库配合使用,需要新增一个WORKER_NODE
表。当应用启动时会向数据库表中去插入一条数据,插入成功后返回的自增ID就是该机器的workId
数据由host,port组成。
对于uid-generator
ID组成结构 :
workId
,占用了22个bit位,时间占用了28个bit位,序列化占用了13个bit位,需要注意的是,和原始的snowflake
不太一样,时间的单位是秒,而不是毫秒,workId
也不一样,而且同一应用每次重启就会消费一个workId
。
参考文献
https://github.com/baidu/uid-...
8、美团(Leaf)
Leaf
由美团开发,github地址:https://github.com/Meituan-Di...
Leaf
同时支持号段模式和snowflake
算法模式,可以切换使用。
号段模式
先导入源码 https://github.com/Meituan-Di... ,在建一张表leaf_alloc
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; " title="" data-original-title=“复制”>
DROP TABLE IF EXISTS leaf_alloc
;
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;
然后在项目中开启号段模式
,配置对应的数据库信息,并关闭snowflake
模式
leaf.snowflake.enable=false #leaf.snowflake.zk.address= #leaf.snowflake.port= " title="" data-original-title=“复制”>
leaf.name=com.sankuai.leaf.opensource.test
leaf.segment.enable=true
leaf.jdbc.url=jdbc:mysql:
leaf.jdbc.username=root
leaf.jdbc.password=root
leaf.snowflake.enable=false #leaf.snowflake.zk.address= #leaf.snowflake.port=
启动leaf-server
模块的 LeafServerApplication
项目就跑起来了
号段模式获取分布式自增ID的测试url :http://localhost:8080/api/segment/get/leaf-segment-test
监控号段模式:http://localhost :8080/cache
snowflake模式
Leaf
的snowflake模式依赖于ZooKeeper
,不同于原始snowflake
算法也主要是在workId
的生成上,Leaf
中workId
是基于ZooKeeper
的顺序Id来生成的,每个应用在使用Leaf-snowflake
时,启动时都会都在Zookeeper
中生成一个顺序Id,相当于一台机器对应一个顺序节点,也就是一个workId
。
leaf.snowflake.enable=true
leaf.snowflake.zk.address=127.0 .0 .1
leaf.snowflake.port=2181
snowflake模式获取分布式自增ID的测试url:http://localhost :8080/api/snowflake/get/test
9、滴滴(Tinyid)
Tinyid
由滴滴开发,Github地址:https://github.com/didi/tinyid 。
Tinyid
是基于号段模式原理实现的与Leaf
如出一辙,每个服务获取一个号段(1000,2000]、(2000,3000]、(3000,4000]Tinyid
提供http
和tinyid-client
两种方式接入
Http方式接入
(1)导入Tinyid源码:
git clone https://github.com/didi/tinyi...
(2)创建数据表:
CREATE TABLE tiny_id_token
( id
int(11) unsigned NOT NULL AUTO_INCREMENT COMMENT ‘自增id’, token
varchar(255) NOT NULL DEFAULT ‘’ COMMENT ‘token’, biz_type
varchar(63) NOT NULL DEFAULT ‘’ COMMENT ‘此token可访问的业务类型标识’, remark
varchar(255) NOT NULL DEFAULT ‘’ COMMENT ‘备注’, create_time
timestamp NOT NULL DEFAULT ‘2010-01-01 00:00:00’ COMMENT ‘创建时间’, update_time
timestamp NOT NULL DEFAULT ‘2010-01-01 00:00:00’ COMMENT ‘更新时间’, PRIMARY KEY (id
) ) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT ‘token信息表’;
INSERT INTO tiny_id_info
(id
, biz_type
, begin_id
, max_id
, step
, delta
, remainder
, create_time
, update_time
, version
) VALUES (1, ‘test’, 1, 1, 100000, 1, 0, ‘2018-07-21 23:52:58’, ‘2018-07-22 23:19:27’, 1);
INSERT INTO tiny_id_info
(id
, biz_type
, begin_id
, max_id
, step
, delta
, remainder
, create_time
, update_time
, version
) VALUES (2, ‘test_odd’, 1, 1, 100000, 2, 1, ‘2018-07-21 23:52:58’, ‘2018-07-23 00:39:24’, 3);
INSERT INTO tiny_id_token
(id
, token
, biz_type
, remark
, create_time
, update_time
) VALUES (1, ‘0f673adf80504e2eaa552f5d791b644c’, ‘test’, ‘1’, ‘2017-12-14 16:36:46’, ‘2017-12-14 16:36:48’);
INSERT INTO tiny_id_token
(id
, token
, biz_type
, remark
, create_time
, update_time
) VALUES (2, ‘0f673adf80504e2eaa552f5d791b644c’, ‘test_odd’, ‘1’, ‘2017-12-14 16:36:46’, ‘2017-12-14 16:36:48’);" title="" data-original-title=“复制”>
CREATE TABLE tiny_id_info
(
id
bigint(20 ) unsigned NOT NULL AUTO_INCREMENT COMMENT ‘自增主键’ ,
biz_type
varchar(63 ) NOT NULL DEFAULT ‘’ COMMENT ‘业务类型,唯一’ ,
begin_id
bigint(20 ) NOT NULL DEFAULT ‘0’ COMMENT ‘开始id,仅记录初始值,无其他含义。初始化时begin_id和max_id应相同’ ,
max_id
bigint(20 ) NOT NULL DEFAULT ‘0’ COMMENT ‘当前最大id’ ,
step
int(11 ) DEFAULT ‘0’ COMMENT ‘步长’ ,
delta
int(11 ) NOT NULL DEFAULT ‘1’ COMMENT ‘每次id增量’ ,
remainder
int(11 ) NOT NULL DEFAULT ‘0’ COMMENT ‘余数’ ,
create_time
timestamp NOT NULL DEFAULT ‘2010-01-01 00:00:00’ COMMENT ‘创建时间’ ,
update_time
timestamp NOT NULL DEFAULT ‘2010-01-01 00:00:00’ COMMENT ‘更新时间’ ,
version
bigint(20 ) NOT NULL DEFAULT ‘0’ COMMENT ‘版本号’ ,
PRIMARY KEY (id
),
UNIQUE KEY uniq_biz_type
(biz_type
)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT ‘id信息表’ ;
CREATE TABLE tiny_id_token
( id
int(11 ) unsigned NOT NULL AUTO_INCREMENT COMMENT ‘自增id’ , token
varchar(255 ) NOT NULL DEFAULT ‘’ COMMENT ‘token’ , biz_type
varchar(63 ) NOT NULL DEFAULT ‘’ COMMENT ‘此token可访问的业务类型标识’ , remark
varchar(255 ) NOT NULL DEFAULT ‘’ COMMENT ‘备注’ , create_time
timestamp NOT NULL DEFAULT ‘2010-01-01 00:00:00’ COMMENT ‘创建时间’ , update_time
timestamp NOT NULL DEFAULT ‘2010-01-01 00:00:00’ COMMENT ‘更新时间’ , PRIMARY KEY (id
) ) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT ‘token信息表’ ;
INSERT INTO tiny_id_info
(id
, biz_type
, begin_id
, max_id
, step
, delta
, remainder
, create_time
, update_time
, version
) VALUES (1 , ‘test’ , 1 , 1 , 100000 , 1 , 0 , ‘2018-07-21 23:52:58’ , ‘2018-07-22 23:19:27’ , 1 );
INSERT INTO tiny_id_info
(id
, biz_type
, begin_id
, max_id
, step
, delta
, remainder
, create_time
, update_time
, version
) VALUES (2 , ‘test_odd’ , 1 , 1 , 100000 , 2 , 1 , ‘2018-07-21 23:52:58’ , ‘2018-07-23 00:39:24’ , 3 );
INSERT INTO tiny_id_token
(id
, token
, biz_type
, remark
, create_time
, update_time
) VALUES (1 , ‘0f673adf80504e2eaa552f5d791b644c’ , ‘test’ , ‘1’ , ‘2017-12-14 16:36:46’ , ‘2017-12-14 16:36:48’ );
INSERT INTO tiny_id_token
(id
, token
, biz_type
, remark
, create_time
, update_time
) VALUES (2 , ‘0f673adf80504e2eaa552f5d791b644c’ , ‘test_odd’ , ‘1’ , ‘2017-12-14 16:36:46’ , ‘2017-12-14 16:36:48’ );
(3)配置数据库:
datasource.tinyid.names=primary
datasource.tinyid.primary.driver-class -name =com.mysql.jdbc.Driver
datasource.tinyid.primary.url=jdbc:mysql:
datasource.tinyid.primary.username=root
datasource.tinyid.primary.password=123456
(4)启动tinyid-server
后测试
批量获取分布式自增ID: http://localhost:9999/tinyid/id/nextIdSimple?bizType=test&token=0f673adf80504e2eaa552f5d791b644c&batchSize=10’ 返回结果: 4,5,6,7,8,9,10,11,12,13" title="" data-original-title=“复制”>
获取分布式自增ID: http:
返回结果: 3
批量获取分布式自增ID: http: 返回结果: 4 ,5 ,6 ,7 ,8 ,9 ,10 ,11 ,12 ,13
Java客户端方式接入
重复Http方式的(2)(3)操作
引入依赖
<dependency>
<groupId > com.xiaoju.uemc.tinyid</groupId >
<artifactId > tinyid-client</artifactId >
<version > ${tinyid.version}</version >
</dependency>
配置文件
tinyid.server =localhost:9999
tinyid.token =0f673adf80504e2eaa552f5d791b644c
test
、tinyid.token
是在数据库表中预先插入的数据,test
是具体业务类型,tinyid.token
表示可访问的业务类型
// 按需批量分布式自增ID List< Long > ids = TinyId . nextId( " test " , 10 );" title="" data-original-title=“复制”>
Long id = TinyId . nextId( " test " );
List< Long > ids = TinyId . nextId( " test " , 10 );
总结
本文只是简单介绍一下每种分布式ID生成器,旨在给大家一个详细学习的方向,每种生成方式都有它自己的优缺点,具体如何使用还要看具体的业务需求。
整理了几百本各类技术电子书和视频课程,送给小伙伴们。同名公号【程序员内点事】内自行领取。和一些小伙伴们建了一个技术交流群,一起探讨技术、分享技术资料,旨在共同学习进步,如果感兴趣就加入我们吧!
Java进阶课
关注公众号:【程序员内点事】,架构技术、面试资料持续分享
关注专栏