一口氣說出 9種 分散式ID生成方式，面試官有點懵了

  • 2020 年 2 月 26 日
  • 筆記

前兩天粉絲給我留言吐槽最近面試：「四哥，年前我在公司受點委屈一衝動就裸辭了，然後現在疫情嚴重兩個多月還沒找到工作，接了幾個影片面試也都沒下文。好多面試官問完一個問題，緊接著說還會其他解決方法嗎？能幹活解決bug不就行了嗎？那還得會多少種方法？」

面試官應該是對應聘者的回答不太滿意，他想聽到一個他認為最優的解決方案，其實這無可厚非。同樣一個bug，能用一行程式碼解決問題的人和用十行程式碼解決問題的人，你會選哪個入職？顯而易見的事情！所以看待問題還是要從多個角度出發，每種方法都有各自的利弊。

一、為什麼要用分散式ID？

在說分散式ID的具體實現之前，我們來簡單分析一下為什麼用分散式ID？分散式ID應該滿足哪些特徵？

1、什麼是分散式ID？

拿MySQL資料庫舉個栗子：

在我們業務數據量不大的時候，單庫單表完全可以支撐現有業務，數據再大一點搞個MySQL主從同步讀寫分離也能對付。

但隨著數據日漸增長，主從同步也扛不住了，就需要對資料庫進行分庫分表，但分庫分表後需要有一個唯一ID來標識一條數據，資料庫的自增ID顯然不能滿足需求；特別一點的如訂單、優惠券也都需要有唯一ID做標識。此時一個能夠生成全局唯一ID的系統是非常必要的。那麼這個全局唯一ID就叫分散式ID。

2、那麼分散式ID需要滿足那些條件？
  • 全局唯一：必須保證ID是全局性唯一的，基本要求
  • 高性能：高可用低延時，ID生成響應要塊，否則反倒會成為業務瓶頸
  • 高可用：100%的可用性是騙人的，但是也要無限接近於100%的可用性
  • 好接入：要秉著拿來即用的設計原則，在系統設計和實現上要儘可能的簡單
  • 趨勢遞增：最好趨勢遞增，這個要求就得看具體業務場景了，一般不嚴格要求

二、 分散式ID都有哪些生成方式？

今天主要分析一下以下9種，分散式ID生成器方式以及優缺點：

  • UUID
  • 資料庫自增ID
  • 資料庫多主模式
  • 號段模式
  • Redis
  • 雪花演算法（SnowFlake）
  • 滴滴出品（TinyID）
  • 百度 （Uidgenerator）
  • 美團（Leaf）

那麼它們都是如何實現？以及各自有什麼優缺點？我們往下看

圖片源自網路

以上圖片源自網路，如有侵權聯繫刪除

1、基於UUID

在Java的世界裡，想要得到一個具有唯一性的ID，首先被想到可能就是UUID，畢竟它有著全球唯一的特性。那麼UUID可以做分散式ID嗎？答案是可以的，但是並不推薦！

public static void main(String[] args) {         String uuid = UUID.randomUUID().toString().replaceAll("-","");         System.out.println(uuid);   }

UUID的生成簡單到只有一行程式碼，輸出結果 c2b8c2b9e46c47e3b30dca3b0d447718，但UUID卻並不適用於實際的業務需求。像用作訂單號UUID這樣的字元串沒有絲毫的意義，看不出和訂單相關的有用資訊；而對於資料庫來說用作業務主鍵ID，它不僅是太長還是字元串，存儲性能差查詢也很耗時，所以不推薦用作分散式ID。

優點：

  • 生成足夠簡單，本地生成無網路消耗，具有唯一性

缺點：

  • 無序的字元串，不具備趨勢自增特性
  • 沒有具體的業務含義
  • 長度過長16 位元組128位，36位長度的字元串，存儲以及查詢對MySQL的性能消耗較大，MySQL官方明確建議主鍵要盡量越短越好，作為資料庫主鍵 UUID 的無序性會導致數據位置頻繁變動，嚴重影響性能。
2、基於資料庫自增ID

基於資料庫的auto_increment自增ID完全可以充當分散式ID，具體實現：需要一個單獨的MySQL實例用來生成ID，建表結構如下：

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');

當我們需要一個ID的時候，向表中插入一條記錄返回主鍵ID，但這種方式有一個比較致命的缺點，訪問量激增時MySQL本身就是系統的瓶頸，用它來實現分散式服務風險比較大，不推薦！

優點：

  • 實現簡單，ID單調自增，數值類型查詢速度快

缺點：

  • DB單點存在宕機風險，無法扛住高並發場景
3、基於資料庫集群模式

前邊說了單點資料庫方式不可取，那對上邊的方式做一些高可用優化，換成主從模式集群。害怕一個主節點掛掉沒法用，那就做雙主模式集群，也就是兩個Mysql實例都能單獨的生產自增ID。

那這樣還會有個問題，兩個MySQL實例的自增ID都從1開始，會生成重複的ID怎麼辦？

解決方案：設置起始值和自增步長

MySQL_1 配置：

set @@auto_increment_offset = 1;     -- 起始值  set @@auto_increment_increment = 2;  -- 步長

MySQL_2 配置：

set @@auto_increment_offset = 2;     -- 起始值  set @@auto_increment_increment = 2;  -- 步長

這樣兩個MySQL實例的自增ID分別就是：

1、3、5、7、9 2、4、6、8、10

那如果集群後的性能還是扛不住高並發咋辦？就要進行MySQL擴容增加節點，這是一個比較麻煩的事。

在這裡插入圖片描述

從上圖可以看出，水平擴展的資料庫集群，有利於解決資料庫單點壓力的問題，同時為了ID生成特性，將自增步長按照機器數量來設置。

增加第三台MySQL實例需要人工修改一、二兩台MySQL實例的起始值和步長，把第三台機器的ID起始生成位置設定在比現有最大自增ID的位置遠一些，但必須在一、二兩台MySQL實例ID還沒有增長到第三台MySQL實例的起始ID值的時候，否則自增ID就要出現重複了，必要時可能還需要停機修改。

優點：

  • 解決DB單點問題

缺點：

  • 不利於後續擴容，而且實際上單個資料庫自身壓力還是大，依舊無法滿足高並發場景。
4、基於資料庫的號段模式

號段模式是當下分散式ID生成器的主流實現方式之一，號段模式可以理解為從資料庫批量的獲取自增ID，每次從資料庫取出一個號段範圍，例如 (1,1000] 代表1000個ID，具體的業務服務將本號段，生成1~1000的自增ID並載入到記憶體。表結構如下：

CREATE TABLE id_generator (    id int(10) NOT NULL,    max_id bigint(20) NOT NULL COMMENT '當前最大id',    step int(20) NOT NULL COMMENT '號段的布長',    biz_type    int(20) NOT NULL COMMENT '業務類型',    version int(20) NOT NULL COMMENT '版本號',    PRIMARY KEY (`id`)  )

biz_type ：代表不同業務類型

max_id ：當前最大的可用id

step ：代表號段的長度

version ：是一個樂觀鎖，每次都更新version，保證並發時數據的正確性

id

biz_type

max_id

step

version

1

101

1000

2000

0

等這批號段ID用完，再次向資料庫申請新號段，對max_id欄位做一次update操作，update max_id= max_id + step，update成功則說明新號段獲取成功，新的號段範圍是(max_id ,max_id +step]。

update id_generator set max_id = #{max_id+step}, version = version + 1 where version = # {version} and biz_type = XXX

由於多業務端可能同時操作，所以採用版本號version樂觀鎖方式更新，這種分散式ID生成方式不強依賴於資料庫，不會頻繁的訪問資料庫，對資料庫的壓力小很多。

5、基於Redis模式

Redis也同樣可以實現，原理就是利用redis的 incr命令實現ID的原子性自增。

127.0.0.1:6379> set seq_id 1     // 初始化自增ID為1  OK  127.0.0.1:6379> incr seq_id      // 增加1，並返回遞增後的數值  (integer) 2

用redis實現需要注意一點，要考慮到redis持久化的問題。redis有兩種持久化方式RDB和AOF

  • RDB會定時打一個快照進行持久化，假如連續自增但redis沒及時持久化，而這會Redis掛掉了，重啟Redis後會出現ID重複的情況。
  • AOF會對每條寫命令進行持久化，即使Redis掛掉了也不會出現ID重複的情況，但由於incr命令的特殊性，會導致Redis重啟恢復的數據時間過長。
6、基於雪花演算法（Snowflake）模式

雪花演算法（Snowflake）是twitter公司內部分散式項目採用的ID生成演算法，開源後廣受中國大廠的好評，在該演算法影響下各大公司相繼開發出各具特色的分散式生成器。

在這裡插入圖片描述

以上圖片源自網路，如有侵權聯繫刪除

Snowflake生成的是Long類型的ID，一個Long類型佔8個位元組，每個位元組佔8比特，也就是說一個Long類型佔64個比特。

Snowflake ID組成結構：正數位（佔1比特）+ 時間戳（佔41比特）+ 機器ID（佔5比特）+ 數據中心（佔5比特）+ 自增值（佔12比特），總共64比特組成的一個Long類型。

  • 第一個bit位（1bit）：Java中long的最高位是符號位代表正負，正數是0，負數是1，一般生成ID都為正數，所以默認為0。
  • 時間戳部分（41bit）：毫秒級的時間，不建議存當前時間戳，而是用（當前時間戳 – 固定開始時間戳）的差值，可以使產生的ID從更小的值開始；41位的時間戳可以使用69年，(1L << 41) / (1000L * 60 * 60 * 24 * 365) = 69年
  • 工作機器id（10bit）：也被叫做workId，這個可以靈活配置，機房或者機器號組合都可以。
  • 序列號部分（12bit），自增值支援同一毫秒內同一個節點可以生成4096個ID

根據這個演算法的邏輯，只需要將這個演算法用Java語言實現出來，封裝為一個工具方法，那麼各個業務應用可以直接使用該工具方法來獲取分散式ID，只需保證每個業務應用有自己的工作機器id即可，而不需要單獨去搭建一個獲取分散式ID的應用。

Java版本的Snowflake演算法實現：

/**   * Twitter的SnowFlake演算法,使用SnowFlake演算法生成一個整數，然後轉化為62進位變成一個短地址URL   *   * https://github.com/beyondfengyu/SnowFlake   */  public class SnowFlakeShortUrl {        /**       * 起始的時間戳       */      private final static long START_TIMESTAMP = 1480166465631L;        /**       * 每一部分佔用的位數       */      private final static long SEQUENCE_BIT = 12;   //序列號佔用的位數      private final static long MACHINE_BIT = 5;     //機器標識佔用的位數      private final static long DATA_CENTER_BIT = 5; //數據中心佔用的位數        /**       * 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;  //數據中心      private long machineId;     //機器標識      private long sequence = 0L; //序列號      private long lastTimeStamp = -1L;  //上一次時間戳        private long getNextMill() {          long mill = getNewTimeStamp();          while (mill <= lastTimeStamp) {              mill = getNewTimeStamp();          }          return mill;      }        private long getNewTimeStamp() {          return System.currentTimeMillis();      }        /**       * 根據指定的數據中心ID和機器標誌ID生成指定的序列號       *       * @param dataCenterId 數據中心ID       * @param machineId    機器標誌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;      }        /**       * 產生下一個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) {              //相同毫秒內，序列號自增              sequence = (sequence + 1) & MAX_SEQUENCE;              //同一毫秒的序列數已經達到最大              if (sequence == 0L) {                  currTimeStamp = getNextMill();              }          } else {              //不同毫秒內，序列號置為0              sequence = 0L;          }            lastTimeStamp = currTimeStamp;            return (currTimeStamp - START_TIMESTAMP) << TIMESTAMP_LEFT //時間戳部分                  | dataCenterId << DATA_CENTER_LEFT       //數據中心部分                  | machineId << MACHINE_LEFT             //機器標識部分                  | sequence;                             //序列號部分      }        public static void main(String[] args) {          SnowFlakeShortUrl snowFlake = new SnowFlakeShortUrl(2, 3);            for (int i = 0; i < (1 << 4); i++) {              //10進位              System.out.println(snowFlake.nextId());          }      }  }
7、百度（uid-generator）

uid-generator是由百度技術部開發，項目GitHub地址 https://github.com/baidu/uid-generator

uid-generator是基於Snowflake演算法實現的，與原始的snowflake演算法不同在於，uid-generator支援自定義時間戳、工作機器ID和 序列號 等各部分的位數，而且uid-generator中採用用戶自定義workId的生成策略。

uid-generator需要與資料庫配合使用，需要新增一個WORKER_NODE表。當應用啟動時會向資料庫表中去插入一條數據，插入成功後返回的自增ID就是該機器的workId數據由host，port組成。

對於uid-generator ID組成結構：

workId，佔用了22個bit位，時間佔用了28個bit位，序列化佔用了13個bit位，需要注意的是，和原始的snowflake不太一樣，時間的單位是秒，而不是毫秒，workId也不一樣，而且同一應用每次重啟就會消費一個workId。

參考文獻 https://github.com/baidu/uid-generator/blob/master/README.zh_cn.md

8、美團（Leaf）

Leaf由美團開發，github地址：https://github.com/Meituan-Dianping/Leaf

Leaf同時支援號段模式和snowflake演算法模式，可以切換使用。

號段模式

先導入源碼 https://github.com/Meituan-Dianping/Leaf ，在建一張表leaf_alloc

DROP TABLE IF EXISTS `leaf_alloc`;    CREATE TABLE `leaf_alloc` (    `biz_tag` varchar(128)  NOT NULL DEFAULT '' COMMENT '業務key',    `max_id` bigint(20) NOT NULL DEFAULT '1' COMMENT '當前已經分配了的最大id',    `step` int(11) NOT NULL COMMENT '初始步長，也是動態調整的最小步長',    `description` varchar(256)  DEFAULT NULL COMMENT '業務key的描述',    `update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '資料庫維護的更新時間',    PRIMARY KEY (`biz_tag`)  ) ENGINE=InnoDB;

然後在項目中開啟號段模式，配置對應的資料庫資訊，並關閉snowflake模式

leaf.name=com.sankuai.leaf.opensource.test  leaf.segment.enable=true  leaf.jdbc.url=jdbc:mysql://localhost:3306/leaf_test?useUnicode=true&characterEncoding=utf8&characterSetResults=utf8  leaf.jdbc.username=root  leaf.jdbc.password=root    leaf.snowflake.enable=false  #leaf.snowflake.zk.address=  #leaf.snowflake.port=

啟動leaf-server 模組的 LeafServerApplication項目就跑起來了

號段模式獲取分散式自增ID的測試url ：http：//localhost：8080/api/segment/get/leaf-segment-test

監控號段模式：http://localhost:8080/cache

snowflake模式

Leaf的snowflake模式依賴於ZooKeeper，不同於原始snowflake演算法也主要是在workId的生成上，Leaf中workId是基於ZooKeeper的順序Id來生成的，每個應用在使用Leaf-snowflake時，啟動時都會都在Zookeeper中生成一個順序Id，相當於一台機器對應一個順序節點，也就是一個workId。

leaf.snowflake.enable=true  leaf.snowflake.zk.address=127.0.0.1  leaf.snowflake.port=2181

snowflake模式獲取分散式自增ID的測試url：http://localhost:8080/api/snowflake/get/test

9、滴滴（Tinyid）

Tinyid由滴滴開發，Github地址：https://github.com/didi/tinyid。

Tinyid是基於號段模式原理實現的與Leaf如出一轍，每個服務獲取一個號段（1000,2000]、（2000,3000]、（3000,4000]

在這裡插入圖片描述

Tinyid提供http和tinyid-client兩種方式接入

Http方式接入

（1）導入Tinyid源碼：

git clone https://github.com/didi/tinyid.git

（2）創建數據表：

CREATE TABLE `tiny_id_info` (    `id` bigint(20) unsigned NOT NULL AUTO_INCREMENT COMMENT '自增主鍵',    `biz_type` varchar(63) NOT NULL DEFAULT '' COMMENT '業務類型，唯一',    `begin_id` bigint(20) NOT NULL DEFAULT '0' COMMENT '開始id，僅記錄初始值，無其他含義。初始化時begin_id和max_id應相同',    `max_id` bigint(20) NOT NULL DEFAULT '0' COMMENT '當前最大id',    `step` int(11) DEFAULT '0' COMMENT '步長',    `delta` int(11) NOT NULL DEFAULT '1' COMMENT '每次id增量',    `remainder` int(11) NOT NULL DEFAULT '0' COMMENT '餘數',    `create_time` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '創建時間',    `update_time` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '更新時間',    `version` bigint(20) NOT NULL DEFAULT '0' COMMENT '版本號',    PRIMARY KEY (`id`),    UNIQUE KEY `uniq_biz_type` (`biz_type`)  ) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT 'id資訊表';    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可訪問的業務類型標識',    `remark` varchar(255) NOT NULL DEFAULT '' COMMENT '備註',    `create_time` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '創建時間',    `update_time` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '更新時間',    PRIMARY KEY (`id`)  ) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT 'token資訊表';    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）配置資料庫：

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

（4）啟動tinyid-server後測試

獲取分散式自增ID: http://localhost:9999/tinyid/id/nextIdSimple?bizType=test&token=0f673adf80504e2eaa552f5d791b644c'  返回結果: 3    批量獲取分散式自增ID:  http://localhost:9999/tinyid/id/nextIdSimple?bizType=test&token=0f673adf80504e2eaa552f5d791b644c&batchSize=10'  返回結果:  4,5,6,7,8,9,10,11,12,13
Java客戶端方式接入

重複Http方式的（2）（3）操作

引入依賴

       <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是在資料庫表中預先插入的數據，test 是具體業務類型，tinyid.token表示可訪問的業務類型

// 獲取單個分散式自增ID  Long id =  TinyId . nextId( " test " );    // 按需批量分散式自增ID  List< Long > ids =  TinyId . nextId( " test " , 10 );

總結

本文只是簡單介紹一下每種分散式ID生成器，旨在給大家一個詳細學習的方向，每種生成方式都有它自己的優缺點，具體如何使用還要看具體的業務需求。

VirMach 便宜 VPS

QNews

QNews