目录
https://zhuanlan.zhihu.com/p/152179727
为什么需要分布式全局唯一ID以及分布式ID的业务需求
在复杂的分布式系统中,往往需要对大量的数据和消息进行唯一标识。
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
。
ID生成规则部分硬性要求
软件算法要求
- 全局唯一:不能出现重复的ID号,既然是唯一标识,这是最基本的要求
- 趋势递增:在
Mysql
的innoDB
引擎使用的是聚集索引,由于多数RDBMS
使用B+
树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
,例如事务版本号,IM
增量消息,排序等特殊需求。 - 信息安全:如果
ID
是连续的,恶意用户的扒取工作就非常容易做了,直接按照顺序下载指定url
即可;如果是订单号就更危险了,竞争对手可以直接指导我们一天的单量。所以在一些应用场景下,需要ID
无规则不规则,让竞争对手不好猜。 - 含时间戳:这样就能够在开发中快速了解这个分布式
id
的生成时间
ID号生成系统的可用性要求
硬件要求
- 高可用:发一个获取分布式
ID
的请求,服务器就要保证99.9999%
的情况下给我创建一个唯一分布式ID
- 低延迟:发一个获取分布式
ID
的请求,服务器就要快,极快,毫秒级别。不然双十一根本扛不住 - 高
QPS
:假如并发一口气10
万个创建分布式ID
请求同时杀过来,服务器要顶的住且一下子成功创建10
万个分布式ID
一般通过方案
UUID
String s = UUID.randomUUID().toString();
如果只考虑唯一性,uuid
是ok
的,但是它是无序的,入数据库性能差。
数据库自增主键
数据库的自增ID
机制的主要原理是,数据库自增ID
和mysql
数据库的replace info
实现的。
replace info
根insert
功能类似,不同在于:replace info
首先尝试插入数据列表中,如果发现表中已经有此行数据(根据主键或唯一索引判断),则先删除,再插入;否则,直接插入新数据。
REPLACE INTO goods(STATUS,name,num,version) VALUES(1,"abc",1,1);
select LAST_INSERT_ID();
那数据库自增ID
机制适合做分布式ID
吗?
不合适。
- 系统水平扩展比较困难,比如定义好了步长和机器台数之后,如果要添加机器该怎么做?假设现在只有一台机器发号是1,2,3,4,5(步长是1),这个时候需要扩容机器一台,可以这样做,把第二台机器的初始值,设置得比第一台超过很多,貌似还好,现如果100台机器呢?没法玩了
- 数据库压力还是很大,每次获取ID都得读写一次数据库,非常影响性能,不符合分布式ID里面的延迟低和要高QPS的规则。
基于redis生成全局id策略
因为redis
是单线程的天生保证原子性,可以使用原子操作incr
和incrby
来实现。
集群分布式下:
在Redis
集群情况下,同样和mysql
一样需要设置不同的增长步长,同时key
一定要设置有效期。
可以使用集群来获取更高的吞吐量。
假如一个集群中有5台redis
,可以初始化每台redis的值分别是1,2,3,4,5
,然后步长都是5。
各个redis
生成ID
为:
A:1,6,11,16,21
B:2,7,12,17,22
C:3,8,13,18,23
D:4,9,14,19,24
E:5,10,15,20,25
集群有几台机器,步长就设置为多少
该方案是可行的
唯一缺点:为了一个id
,配置麻烦,维护麻烦,就想要个id
,却要维护一个redis
集群。
雪花算法
Twitter
的分布式自增ID
算法,经过测试snowflake
每秒能够产生26
万个自增可排序的ID
。
Twitter
的雪花算法生成ID
能够按照时间有序生成- 雪花算法生成
id
的结果是一个64bit
大小的整数,为一个long
型 - 分布式系统内不会产生
ID
碰撞并且效率较高
结构
号段解析:
- 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,2的41次方 -1毫秒值就是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。可以部署在2^10=1024个节点,包括5位datacenterId
和5位workerId
- 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
。12位可以表示的最大正整数2^12-1=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(1毫秒)内产生4095个ID序号。
雪花算法可以保证:
所有生成的id按时间趋势递增;
整个分布式系统内不会产生重复id(因为有datacenterId和workerId来做区分)
github:https://github.com/twitter-archive/snowflake
源码
//雪花算法代码实现
public class IdWorker {
// 时间起始标记点,作为基准,一般取系统的最近时间(一旦确定不能变动)
private final static long twepoch = 1288834974657L;
// 机器标识位数
private final static long workerIdBits = 5L;
// 数据中心标识位数
private final static long datacenterIdBits = 5L;
// 机器ID最大值
private final static long maxWorkerId = -1L ^ (-1L << workerIdBits);
// 数据中心ID最大值
private final static long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);
// 毫秒内自增位
private final static long sequenceBits = 12L;
// 机器ID偏左移12位
private final static long workerIdShift = sequenceBits;
// 数据中心ID左移17位
private final static long datacenterIdShift = sequenceBits + workerIdBits;
// 时间毫秒左移22位
private final static long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;
private final static long sequenceMask = -1L ^ (-1L << sequenceBits);
/* 上次生产id时间戳 */
private static long lastTimestamp = -1L;
// 0,并发控制
private long sequence = 0L;
private final long workerId;
// 数据标识id部分
private final long datacenterId;
public IdWorker(){
this.datacenterId = getDatacenterId(maxDatacenterId);
this.workerId = getMaxWorkerId(datacenterId, maxWorkerId);
}
/**
* @param workerId
* 工作机器ID
* @param datacenterId
* 序列号
*/
public IdWorker(long workerId, long datacenterId) {
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));
}
this.workerId = workerId;
this.datacenterId = datacenterId;
}
/**
* 获取下一个ID
*
* @return
*/
public synchronized long nextId() {
long timestamp = timeGen();
if (timestamp < lastTimestamp) {
throw new RuntimeException(String.format("Clock moved backwards. Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));
}
if (lastTimestamp == timestamp) {
// 当前毫秒内,则+1
sequence = (sequence + 1) & sequenceMask;
if (sequence == 0) {
// 当前毫秒内计数满了,则等待下一秒
timestamp = tilNextMillis(lastTimestamp);
}
} else {
sequence = 0L;
}
lastTimestamp = timestamp;
// ID偏移组合生成最终的ID,并返回ID
long nextId = ((timestamp - twepoch) << timestampLeftShift)
| (datacenterId << datacenterIdShift)
| (workerId << workerIdShift) | sequence;
return nextId;
}
private long tilNextMillis(final long lastTimestamp) {
long timestamp = this.timeGen();
while (timestamp <= lastTimestamp) {
timestamp = this.timeGen();
}
return timestamp;
}
private long timeGen() {
return System.currentTimeMillis();
}
/**
* <p>
* 获取 maxWorkerId
* </p>
*/
protected static long getMaxWorkerId(long datacenterId, long maxWorkerId) {
StringBuffer mpid = new StringBuffer();
mpid.append(datacenterId);
String name = ManagementFactory.getRuntimeMXBean().getName();
if (!name.isEmpty()) {
/*
* GET jvmPid
*/
mpid.append(name.split("@")[0]);
}
/*
* MAC + PID 的 hashcode 获取16个低位
*/
return (mpid.toString().hashCode() & 0xffff) % (maxWorkerId + 1);
}
/**
* <p>
* 数据标识id部分
* </p>
*/
protected static long getDatacenterId(long maxDatacenterId) {
long id = 0L;
try {
InetAddress ip = InetAddress.getLocalHost();
NetworkInterface network = NetworkInterface.getByInetAddress(ip);
if (network == null) {
id = 1L;
} else {
byte[] mac = network.getHardwareAddress();
id = ((0x000000FF & (long) mac[mac.length - 1])
| (0x0000FF00 & (((long) mac[mac.length - 2]) << 8))) >> 6;
id = id % (maxDatacenterId + 1);
}
} catch (Exception e) {
System.out.println(" getDatacenterId: " + e.getMessage());
}
return id;
}
public static void main(String[] args) {
IdWorker idWorker = new IdWorker(0, 0);
for (int i = 0; i < 10; i++) {
long id = idWorker.nextId();
System.out.println(id);
System.out.println("========================");
}
}
}
注意这是源码,工作中不会用这个。要封装。不过已经有人封装好了。
缩短id到16
去掉了datacenterId机房号,同时序列号缩短到SEQUENCE_BIT=8
// 毫秒内自增位
// private final static long sequenceBits = 12L;
private final static long sequenceBits = 8L;
// 时间毫秒左移22位
// private final static long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;
private final static long timestampLeftShift = sequenceBits + workerIdBits;
public synchronized long nextId() {
.。。。。。。。。。。
// ID偏移组合生成最终的ID,并返回ID
long nextId = ((timestamp - twepoch) << timestampLeftShift)
// | (datacenterId << datacenterIdShift)
| (workerId << workerIdShift) | sequence;
return nextId;
}
工程落地经验
糊涂工具包:
github:https://github.com/looly/hutool
官网:https://hutool.cn/
依赖:
<!--糊涂工具包-->
<dependency>
<groupId>cn.hutool</groupId>
<artifactId>hutool-all</artifactId>
<version>5.3.9</version>
</dependency>
使用:
@Slf4j
@Component
public class IdGeneratorSnowFlake {
/**
* 工作中心(机房) 0-31
*/
private long workerId=0;
/**
* 1号机器 0-31
*/
private long datacenterId=1;
private Snowflake snowflake= IdUtil.createSnowflake(workerId, datacenterId);
@PostConstruct
public void init(){
try {
workerId = NetUtil.ipv4ToLong(NetUtil.getLocalhostStr());
log.info("当前机器的workerId:{}", workerId);
}catch (Exception e){
e.printStackTrace();
log.warn("当前机器的workerId获取失败",e);
workerId=NetUtil.getLocalhostStr().hashCode();
}
}
public synchronized long snowflakeId(){
return snowflake.nextId();
}
public synchronized long snowflakeId(long workerId, long datacenterId){
Snowflake snowflake= IdUtil.createSnowflake(workerId, datacenterId);
return snowflake.nextId();
}
public static void main(String[] args) {
// long id = new IdGeneratorSnowFlake().snowflakeId();
// System.out.println(id);
//多线程下测试
IdGeneratorSnowFlake idGeneratorSnowFlake=new IdGeneratorSnowFlake();
ExecutorService executorService = Executors.newFixedThreadPool(5);
for (int i = 0; i < 20; i++) {
executorService.submit(()->{
System.out.println(idGeneratorSnowFlake.snowflakeId());
});
}
executorService.shutdown();
}
}
优缺点
对于时钟回拨导致重复ID
生成的问题,业内已经有完整的解决方案:
- 百度开源的分布式唯一ID生成器UidGenerator
- Leaf——美团点评分布式ID生成系统
使用
雪花id在前端js超限,损失了精度,改造为生成16位
去掉了datacenterId机房号,同时序列号缩短到SEQUENCE_BIT=8
@Component
@ConditionalOnProperty(name = "boe.park.tool.snowflake.enabled",havingValue = "true")
public class CustomerIdGenerator implements IdentifierGenerator {
@Override
public Long nextId(Object entity) {
return IdGenerator.generateId();
}
}
import java.util.Date;
import java.util.UUID;
/**
* compressed id generator, result id not great than 53bits before 2318-06-04.
*/
public class IdGenerator {
private static IdGenerator instance = new IdGenerator(0);
public static IdGenerator initDefaultInstance(int machineId) {
instance = new IdGenerator(machineId);
return instance;
}
public static IdGenerator getInstance() {
return instance;
}
public static long generateId() {
return instance.nextId();
}
// total bits=53(max 2^53-1:9007199254740992-1)
// private final static long TIME_BIT = 40; // max: 2318-06-04
private final static long MACHINE_BIT = 5; // max 31
private final static long SEQUENCE_BIT = 8; // 256/10ms
/**
* mask/max value
*/
private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT);
private final static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT);
private final static long MACHINE_LEFT = SEQUENCE_BIT;
private final static long TIMESTMP_LEFT = MACHINE_BIT + SEQUENCE_BIT;
private long machineId;
private long sequence = 0L;
private long lastStmp = -1L;
private IdGenerator(long machineId) {
if (machineId > MAX_MACHINE_NUM || machineId < 0) {
throw new IllegalArgumentException(
"machineId can't be greater than " + MAX_MACHINE_NUM + " or less than 0");
}
this.machineId = machineId;
}
/**
* generate new ID
*
* @return
*/
public synchronized long nextId() {
long currStmp = getTimestamp();
if (currStmp < lastStmp) {
throw new RuntimeException("Clock moved backwards. Refusing to generate id");
}
if (currStmp == lastStmp) {
sequence = (sequence + 1) & MAX_SEQUENCE;
if (sequence == 0L) {
currStmp = getNextTimestamp();
}
} else {
sequence = 0L;
}
lastStmp = currStmp;
return currStmp << TIMESTMP_LEFT //
| machineId << MACHINE_LEFT //
| sequence;
}
private long getNextTimestamp() {
long mill = getTimestamp();
while (mill <= lastStmp) {
mill = getTimestamp();
}
return mill;
}
private long getTimestamp() {
// per 10ms
return System.currentTimeMillis() / 10;// 10ms
}
public static Date parseIdTimestamp(long id) {
return new Date((id >>> TIMESTMP_LEFT) * 10);
}
public static String uuid() {
return UUID.randomUUID().toString().replaceAll("-", "");
}
}