分布式ID系列3数据库自增ID机制适合做分布式ID吗

数据库自增 ID 机制原理介绍

在分布式里面，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_into()函数实现的。这里的 replace 数据库自增 ID 和 mysql 数据库的 replace_into()函数实现的。这里的 replace into 跟 insert 功能类似，不同点在于：replace into 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。

单机 mysql 数据库的自增 id 实现如下所示：

首先表结构如下所示

create table t_test(id bigint(20) unsigned not null auto_increment PRIMARY KEY,
    stub char(1) not null default '',
    unique key stub (stub)
)

然后我们插入的 sql 语句和查询的语句如下所示

replace into t_test (stub) values('b');
select last_insert_id();

此时可以看到看到我们刚刚插入的 id 值是 1

以上就是单机版 mysql 的自增 id 的实现过程，但是这里讲的是分布式 id，所以我们要分析一下数据库的自增 ID 机制在分布式里面是怎么实现的。

分布式 id 在数据库里面的实现过程：

既然是分布式 id，那么最少要使用两个数据库，这里我们使用 3 台来讲解，为了保证每一台数据库里面的 id 自增的时候不会重复，那么我们就要给每一台数据库设置 auto-increment-increment 和 auto-increment-offset 这两个属性值(auto-increment-increment 表示每一台数据库的起始 id 值，然后 auto-increment-offset 表示每一台数据库每一次的增加数字)，设置值如下所示

Server1：auto-increment-increment = 1
auto-increment-offset = 3

Server2：auto-increment-increment = 2
auto-increment-offset = 3

Server2：auto-increment-increment = 3
auto-increment-offset = 3

那么如果我们有 n 台数据库的话，那么上面的 auto-increment-increment 和 auto-increment-offset 这两个属性值应该怎么设计呢，我们给每一台数据库设置初始值分别为 1,2,3…N，然后每一台数据库自增步长为机器的台数 N，如下图所示

数据库自增 ID 是否适合做分布式 ID：

那数据库自增 ID 机制适合作分布式 ID 吗？答案是不太适合，为什么呢，我总结了下面两个原因：

1：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，比如 14（注意这里设置 14 的前提是：在扩容期间第一台机器的 ID 不可能增加到 14），同时设置步长为 2，那么这台机器下发的号码都是 14 以后的偶数。然后把第一台机器的 ID 值保留为奇数，比如 7，然后修改第一台的步长为 2。让它符合我们定义的号段标准。扩容方案看起来复杂吗？貌似还好，现在想象一下如果我们线上有 100 台机器，这个时候要扩容该怎么做？简直是噩梦。所以系统水平扩展方案复杂难以实现。
2：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(在高并发下，如果都去数据库里面获取 id，那是非常影响性能的)

原文链接

其他分布式 ID 系列快捷键：
分布式 ID 系列（1）——为什么需要分布式 ID 以及分布式 ID 的业务需求
分布式 ID 系列（2）——UUID 适合做分布式 ID 吗
分布式 ID 系列（3）——数据库自增 ID 机制适合做分布式 ID 吗
分布式 ID 系列（4）——Redis 集群实现的分布式 ID 适合做分布式 ID 吗
分布式 ID 系列（5）——Twitter 的雪法算法 Snowflake 适合做分布式 ID 吗

大佬网址
https://www.itqiankun.com/art…
https://blog.csdn.net/hengyun…
https://tech.meituan.com/2017…
https://segmentfault.com/a/11…
https://www.jianshu.com/p/9d7…