本篇内容主要讲解“分布式ID的生成方式有哪些”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“分布式ID的生成方式有哪些”吧!

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

图片源自网络

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!

publicstaticvoidmain(String[]args){Stringuuid=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:

生成足够简单,本地生成无网络消耗,具有唯一性

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:

CREATEDATABASE`SEQ_ID`;CREATETABLESEQID.SEQUENCE_ID(idbigint(20)unsignedNOTNULLauto_increment,valuechar(10)NOTNULLdefault'',PRIMARYKEY(id),)ENGINE=MyISAM;insertintoSEQUENCE_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:

实现简单,ID单调自增,数值类型查询速度快

缺点:

DB单点存在宕机风险,无法扛住高并发场景

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。

在这里插入图片描述

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:

解决DB单点问题

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:

CREATETABLEid_generator(idint(10)NOTNULL,max_idbigint(20)NOTNULLCOMMENT'当前最大id',stepint(20)NOTNULLCOMMENT'号段的布长',biz_typeint(20)NOTNULLCOMMENT'业务类型',versionint(20)NOTNULLCOMMENT'版本号',PRIMARYKEY(`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

idbiz_typemax_idstepversion1101100020000

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]。

updateid_generatorsetmax_id=#{max_id+step},versionversion=version+1whereversion=#{version}andbiz_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>setseq_id1//初始化自增ID为1OK127.0.0.1:6379>incrseq_id//增加1,并返回递增后的数值(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

RDB会定时打一个快照进行持久化,假如连续自增但redis没及时持久化,而这会Redis挂掉了,重启Redis后会出现ID重复的情况。

AOF会对每条写命令进行持久化,即使Redis挂掉了也不会出现ID重复的情况,但由于incr命令的特殊性,会导致Redis重启恢复的数据时间过长。

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。

在这里插入图片描述

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:

/***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*/publicclassSnowFlakeShortUrl{/***起始的时间戳*/privatefinalstaticlongSTART_TIMESTAMP=1480166465631L;/***每一部分占用的位数*/privatefinalstaticlongSEQUENCE_BIT=12;//序列号占用的位数privatefinalstaticlongMACHINE_BIT=5;//机器标识占用的位数privatefinalstaticlongDATA_CENTER_BIT=5;//数据中心占用的位数/***每一部分的最大值*/privatefinalstaticlongMAX_SEQUENCE=-1L^(-1L<<SEQUENCE_BIT);privatefinalstaticlongMAX_MACHINE_NUM=-1L^(-1L<<MACHINE_BIT);privatefinalstaticlongMAX_DATA_CENTER_NUM=-1L^(-1L<<DATA_CENTER_BIT);/***每一部分向左的位移*/privatefinalstaticlongMACHINE_LEFT=SEQUENCE_BIT;privatefinalstaticlongDATA_CENTER_LEFT=SEQUENCE_BIT+MACHINE_BIT;privatefinalstaticlongTIMESTAMP_LEFT=DATA_CENTER_LEFT+DATA_CENTER_BIT;privatelongdataCenterId;//数据中心privatelongmachineId;//机器标识privatelongsequence=0L;//序列号privatelonglastTimeStamp=-1L;//上一次时间戳privatelonggetNextMill(){longmill=getNewTimeStamp();while(mill<=lastTimeStamp){mill=getNewTimeStamp();}returnmill;}privatelonggetNewTimeStamp(){returnSystem.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**@paramdataCenterId数据中心ID*@parammachineId机器标志ID*/publicSnowFlakeShortUrl(longdataCenterId,longmachineId){if(dataCenterId>MAX_DATA_CENTER_NUM||dataCenterId<0){thrownewIllegalArgumentException("DtaCenterIdcan'tbegreaterthanMAX_DATA_CENTER_NUMorlessthan0!");}if(machineId>MAX_MACHINE_NUM||machineId<0){thrownewIllegalArgumentException("MachineIdcan'tbegreaterthanMAX_MACHINE_NUMorlessthan0!");}this.dataCenterId=dataCenterId;this.machineId=machineId;}/***产生下一个ID**@return*/publicsynchronizedlongnextId(){longcurrTimeStamp=getNewTimeStamp();if(currTimeStamp<lastTimeStamp){thrownewRuntimeException("Clockmovedbackwards.Refusingtogenerateid");}if(currTimeStamp==lastTimeStamp){//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){currTimeStamp=getNextMill();}}else{//不同毫秒内,序列号置为0sequence=0L;}lastTimeStamp=currTimeStamp;return(currTimeStamp-START_TIMESTAMP)<<TIMESTAMP_LEFT//时间戳部分|dataCenterId<<DATA_CENTER_LEFT//数据中心部分|machineId<<MACHINE_LEFT//机器标识部分|sequence;//序列号部分}publicstaticvoidmain(String[]args){SnowFlakeShortUrlsnowFlake=newSnowFlakeShortUrl(2,3);for(inti=0;i<(1<<4);i++){//10进制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-generator

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-generator/blob/master/README.zh_cn.md

8、美团(Leaf)

Leaf由美团开发,github地址:https://github.com/Meituan-Dianping/Leaf

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-Dianping/Leaf ,在建一张表leaf_alloc

DROPTABLEIFEXISTS`leaf_alloc`;CREATETABLE`leaf_alloc`(`biz_tag`varchar(128)NOTNULLDEFAULT''COMMENT'业务key',`max_id`bigint(20)NOTNULLDEFAULT'1'COMMENT'当前已经分配了的最大id',`step`int(11)NOTNULLCOMMENT'初始步长,也是动态调整的最小步长',`description`varchar(256)DEFAULTNULLCOMMENT'业务key的描述',`update_time`timestampNOTNULLDEFAULTCURRENT_TIMESTAMPONUPDATECURRENT_TIMESTAMPCOMMENT'数据库维护的更新时间',PRIMARYKEY(`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.name=com.sankuai.leaf.opensource.testleaf.segment.enable=trueleaf.jdbc.url=jdbc:mysql://localhost:3306/leaf_test?useUnicode=true&characterEncoding=utf8&characterSetResults=utleaf.jdbc.username=rootleaf.jdbc.password=rootleaf.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=trueleaf.snowflake.zk.address=127.0.0.1leaf.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]

在这里插入图片描述

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/tinyid.git

(2)创建数据表:

CREATETABLE`tiny_id_info`(`id`bigint(20)unsignedNOTNULLAUTO_INCREMENTCOMMENT'自增主键',`biz_type`varchar(63)NOTNULLDEFAULT''COMMENT'业务类型,唯一',`begin_id`bigint(20)NOTNULLDEFAULT'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)NOTNULLDEFAULT'0'COMMENT'当前最大id',`step`int(11)DEFAULT'0'COMMENT'步长',`delta`int(11)NOTNULLDEFAULT'1'COMMENT'每次id增量',`remainder`int(11)NOTNULLDEFAULT'0'COMMENT'余数',`create_time`timestampNOTNULLDEFAULT'2010-01-0100:00:00'COMMENT'创建时间',`update_time`timestampNOTNULLDEFAULT'2010-01-0100:00:00'COMMENT'更新时间',`version`bigint(20)NOTNULLDEFAULT'0'COMMENT'版本号',PRIMARYKEY(`id`),UNIQUEKEY`uniq_biz_type`(`biz_type`))ENGINE=InnoDBAUTO_INCREMENT=1DEFAULTCHARSET=utf8COMMENT'id信息表';CREATETABLE`tiny_id_token`(`id`int(11)unsignedNOTNULLAUTO_INCREMENTCOMMENT'自增id',`token`varchar(255)NOTNULLDEFAULT''COMMENT'token',`biz_type`varchar(63)NOTNULLDEFAULT''COMMENT'此token可访问的业务类型标识',`remark`varchar(255)NOTNULLDEFAULT''COMMENT'备注',`create_time`timestampNOTNULLDEFAULT'2010-01-0100:00:00'COMMENT'创建时间',`update_time`timestampNOTNULLDEFAULT'2010-01-0100:00:00'COMMENT'更新时间',PRIMARYKEY(`id`))ENGINE=InnoDBAUTO_INCREMENT=1DEFAULTCHARSET=utf8COMMENT'token信息表';INSERTINTO`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,'2018-07-2123:52:58','2018-07-2223:19:27',1);INSERTINTO`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,'2018-07-2123:52:58','2018-07-2300:39:24',3);INSERTINTO`tiny_id_token`(`id`,`token`,`biz_type`,`remark`,`create_time`,`update_time`)VALUES(1,'0f673adf80504e2eaa552f5d791b644c','test','1','2017-12-1416:36:46','2017-12-1416:36:48');INSERTINTO`tiny_id_token`(`id`,`token`,`biz_type`,`remark`,`create_time`,`update_time`)VALUES(2,'0f673adf80504e2eaa552f5d791b644c','test_odd','1','2017-12-1416:36:46','2017-12-1416:36:48');

(3)配置数据库:

datasource.tinyid.names=primarydatasource.tinyid.primary.driver-class-name=com.mysql.jdbc.Driverdatasource.tinyid.primary.url=jdbc:mysql://ip:port/databaseName?autoReconnect=true&useUnicode=true&characterEncoding=UTF-8datasource.tinyid.primary.username=rootdatasource.tinyid.primary.password=123456

(4)启动tinyid-server后测试

获取分布式自增ID:http://localhost:9999/tinyid/id/nextIdSimple?bizType=test&token=0f673adf80504e2eaa552f5d791b644c'返回结果:3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

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:9999tinyid.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

//获取单个分布式自增IDLongid=TinyId.nextId("test");//按需批量分布式自增IDList<Long>ids=TinyId.nextId("test",10);

到此,相信大家对“分布式ID的生成方式有哪些”有了更深的了解,不妨来实际操作一番吧!这里是亿速云网站,更多相关内容可以进入相关频道进行查询,关注我们,继续学习!