分布式id解决方案
一、从mysql本身出发
- 专门用一张表记录最后一次的id
select last_insert_id()
- 每个mysql的库中自增的值不一样
A库 从0开始每次增加2
B库 从1开始每次增加2
- 同2相似
A库 从1开始每次增加1
B库 从100万开始每次增加1
二、通过生成的UUID存值
String s = UUID.randomUUID().toString();
数字生成为32位,浪费资源;且生成的值没有规律,不好储存取值
三、使用redis
于redis生成全局id策略,因为Redis是单线的天生保证原子性,可以使用原子性操作INCR和INCRBY来实现,注意在Redis集群情况下,
同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Redis集群来获取更高的吞吐量
因为redis天生就是单线程的,保证了事务的原子性
四、雪花算法(推荐)
1位: 不用。二进制中最高位为1的都是负数
,但是我们生成的id一般都使用整数,所以这个最高位固定是0
41位: 用来记录时间戳(毫秒)
。
41位可以表示
2
41
−
1
2^{41}-1
241−1个数字,
如果只用来表示正整数(计算机中正数包含0),可以表示的数值范围是:0 至
2
41
−
1
2^{41}-1
241−1,减1是因为可表示的数值范围是从0开始算的,而不是1。
也就是说41位可以表示
2
41
−
1
2^{41}-1
241−1个毫秒的值,转化成单位年则是
(
2
41
−
1
)
/
(
1000
∗
60
∗
60
∗
24
∗
365
)
=
69
(2^{41}-1) / (1000 * 60 * 60 * 24 * 365) = 69
(241−1)/(1000∗60∗60∗24∗365)=69年
10位: 用来记录工作机器id
。
可以部署在
2
10
=
1024
2^{10} = 1024
210=1024个节点,包括5位datacenterId和5位workerId
5位(bit)可以表示的最大正整数是
2
5
−
1
=
31
2^{5}-1 = 31
25−1=31,即可以用0、1、2、3、…31这32个数字,来表示不同的datecenterId或workerId
12位,序列号,用来记录同毫秒内产生的不同id。
12位: (bit)可以表示的最大正整数是
2
12
−
1
=
4095
2^{12}-1 = 4095
212−1=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截(毫秒)内产生的4095个ID序号
由于在Java中64bit的整数是long类型,所以在Java中SnowFlake算法生成的id就是long来存储的。
SnowFlake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)
·
·
·
代码实现
算法来自githup:https://github.com/souyunku/SnowFlake,仅作参考以辅助算法理解
package snowFlake;
public class SnowFlake {
/**
* 起始的时间戳
*/
private final static long START_STMP = 1480166465631L;
/**
* 每一部分占用的位数
*/
private final static long SEQUENCE_BIT = 12; //序列号占用的位数
private final static long MACHINE_BIT = 5; //机器标识占用的位数
private final static long DATACENTER_BIT = 5;//数据中心占用的位数
/**
* 每一部分的最大值
*/
private final static long MAX_DATACENTER_NUM = -1L ^ (-1L << DATACENTER_BIT);
private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT);
private final static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT);
/**
* 每一部分向左的位移
*/
private final static long MACHINE_LEFT = SEQUENCE_BIT;
private final static long DATACENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;
private final static long TIMESTMP_LEFT = DATACENTER_LEFT + DATACENTER_BIT;
private long datacenterId; //数据中心
private long machineId; //机器标识
private long sequence = 0L; //序列号
private long lastStmp = -1L;//上一次时间戳
public SnowFlake(long datacenterId, long machineId) {
if (datacenterId > MAX_DATACENTER_NUM || datacenterId < 0) {
throw new IllegalArgumentException("datacenterId can't be greater than MAX_DATACENTER_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 currStmp = getNewstmp();
if (currStmp < lastStmp) {
throw new RuntimeException("Clock moved backwards. Refusing to generate id");
}
if (currStmp == lastStmp) {
//相同毫秒内,序列号自增
sequence = (sequence + 1) & MAX_SEQUENCE;
//同一毫秒的序列数已经达到最大
if (sequence == 0L) {
currStmp = getNextMill();
}
} else {
//不同毫秒内,序列号置为0
sequence = 0L;
}
lastStmp = currStmp;
return (currStmp - START_STMP) << TIMESTMP_LEFT //时间戳部分
| datacenterId << DATACENTER_LEFT //数据中心部分
| machineId << MACHINE_LEFT //机器标识部分
| sequence; //序列号部分
}
private long getNextMill() {
long mill = getNewstmp();
while (mill <= lastStmp) {
mill = getNewstmp();
}
return mill;
}
private long getNewstmp() {
return System.currentTimeMillis();
}
public static void main(String[] args) {
SnowFlake snowFlake = new SnowFlake(2, 3);
long start = System.currentTimeMillis();
for (int i = 0; i < 1000000; i++) {
System.out.println(snowFlake.nextId());
}
System.out.println(System.currentTimeMillis() - start);
}
}
验证
package snowFlake;
public class SnowFlakeTest {
public static void main(String[] args) {
SnowFlake snowFlake=new SnowFlake(1,1);
long l0 = snowFlake.nextId();
long l1 = snowFlake.nextId();
long l2 = snowFlake.nextId();
System.out.println(l0);
System.out.println(l1);
System.out.println(l2);
}
}
实现结果
从上面可以看出生成的值是有序切不冲突