共计 5162 个字符，预计需要花费 13 分钟才能阅读完成。
本文收录在集体博客：www.chengxy-nds.top，技术材料共享，同提高
不理解分布式 ID 的同学，后行去看《一口气说出 9 种 分布式 ID 生成形式，面试官有点懵了》复习一下基础知识，这里就不再赘述了
美团（Leaf）
Leaf是美团推出的一个分布式 ID 生成服务，名字取自德国哲学家、数学家莱布尼茨的一句话：“There are no two identical leaves in the world.”（“世界上没有两片雷同的树叶”），取个名字都这么有寓意，美团程序员牛掰啊！
Leaf的劣势：高牢靠 、 低提早 、 全局惟一 等特点。
目前支流的分布式 ID 生成形式，大抵都是基于 数据库号段模式 和雪花算法（snowflake），而美团（Leaf）刚好同时兼具了这两种形式，能够依据不同业务场景灵便切换。
接下来联合实战，具体的介绍一下 Leaf 的Leaf-segment 号段模式 和Leaf-snowflake 模式
一、Leaf-segment 号段模式
Leaf-segment号段模式是对间接用 数据库自增 ID充当 分布式 ID的一种优化，缩小对数据库的频率操作。相当于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畴，例如 (1,1000] 代表 1000 个 ID，业务服务将号段在本地生成 1~1000 的自增 ID 并加载到内存.。
大抵的流程入下图所示：
号段耗尽之后再去数据库获取新的号段，能够大大的加重数据库的压力。对 max_id 字段做一次 update 操作，update max_id= max_id + step，update 胜利则阐明新号段获取胜利，新的号段范畴是(max_id ,max_id +step]。
因为依赖数据库，咱们先设计一下表构造：
CREATE TABLE `leaf_alloc` (`biz_tag` varchar(128) NOT NULL DEFAULT ''COMMENT' 业务 key',
`max_id` bigint(20) NOT NULL DEFAULT '1' COMMENT '以后曾经调配了的最大 id',
`step` int(11) NOT NULL COMMENT '初始步长，也是动静调整的最小步长',
`description` varchar(256) DEFAULT NULL COMMENT '业务 key 的形容',
`update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '数据库保护的更新工夫',
PRIMARY KEY (`biz_tag`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;事后插入一条测试的业务数据
INSERT INTO `leaf_alloc` (`biz_tag`, `max_id`, `step`, `description`, `update_time`) VALUES ('leaf-segment-test', '0', '10', '测试', '2020-02-28 10:41:03');biz_tag：针对不同业务需要，用 biz_tag 字段来隔离，如果当前须要扩容时，只需对 biz_tag 分库分表即可-
max_id：以后业务号段的最大值，用于计算下一个号段-
step：步长，也就是每次获取 ID 的数量description：对于业务的形容，没啥好说的
-
将 Leaf 我的项目下载到本地：https://github.com/Meituan-Dianping/Leaf
批改一下我的项目中的 leaf.properties 文件，增加数据库配置
leaf.name=com.sankuai.leaf.opensource.test
leaf.segment.enable=true
leaf.jdbc.url=jdbc:mysql://127.0.0.1:3306/xin-master?useUnicode=true&characterEncoding=utf8
leaf.jdbc.username=junkang
leaf.jdbc.password=junkang
leaf.snowflake.enable=false留神：leaf.snowflake.enable 与 leaf.segment.enable 是无奈同时开启的，否则我的项目将无奈启动。
配置相当的简略，间接启动 LeafServerApplication 后就 OK 了，接下来测试一下，leaf是基于 Http 申请 的发号服务，LeafController 中只有两个办法，一个号段接口，一个 snowflake 接口，key就是数据库中事后插入的业务biz_tag。
@RestController
public class LeafController {private Logger logger = LoggerFactory.getLogger(LeafController.class);
@Autowired
private SegmentService segmentService;
@Autowired
private SnowflakeService snowflakeService;
/**
* 号段模式
* @param key
* @return
*/
@RequestMapping(value = "/api/segment/get/{key}")
public String getSegmentId(@PathVariable("key") String key) {return get(key, segmentService.getId(key));
}
/**
* 雪花算法模式
* @param key
* @return
*/
@RequestMapping(value = "/api/snowflake/get/{key}")
public String getSnowflakeId(@PathVariable("key") String key) {return get(key, snowflakeService.getId(key));
}
private String get(@PathVariable("key") String key, Result id) {
Result result;
if (key == null || key.isEmpty()) {throw new NoKeyException();
}
result = id;
if (result.getStatus().equals(Status.EXCEPTION)) {throw new LeafServerException(result.toString());
}
return String.valueOf(result.getId());
}
}拜访：http://127.0.0.1:8080/api/segment/get/leaf-segment-test，后果失常返回，感觉没故障，但当查了一下数据库表中数据时发现了一个问题。
通常在用号段模式的时候，取号段的机会是在前一个号段耗费完的时候进行的，可刚刚才取了一个 ID，数据库中却曾经更新了 max_id，也就是说leaf 曾经多获取了一个号段，这是什么鬼操作？
Leaf为啥要这么设计呢？
Leaf 心愿能在 DB 中取号段的过程中做到无阻塞！
当号段耗尽时再去 DB 中取下一个号段，如果此时网络产生抖动，或者 DB 产生慢查问，业务零碎拿不到号段，就会导致整个零碎的响应工夫变慢，对流量微小的业务，这是不可容忍的。
所以 Leaf 在以后号段生产到某个点时，就异步的把下一个号段加载到内存中。而不须要等到号段用尽的时候才去更新号段。这样做很大水平上的升高了零碎的危险。
那么 某个点 到底是什么时候呢？
这里做了一个试验，号段设置长度为 step=10，max_id=1，
当我拿第一个 ID 时，看到号段减少了，1/10
当我拿第三个 Id 时，看到号段又减少了，3/10Leaf采纳 双 buffer的形式，它的服务外部有两个号段缓存区segment。以后号段已耗费 10% 时，还没能拿到下一个号段，则会另启一个更新线程去更新下一个号段。
简而言之就是 Leaf 保障了总是会多缓存两个号段，即使哪一时刻数据库挂了，也会保障发号服务能够失常工作一段时间。
通常举荐号段（segment）长度设置为服务高峰期发号 QPS 的 600 倍（10 分钟），这样即便 DB 宕机，Leaf 仍能继续发号 10-20 分钟不受影响。
长处：
- Leaf 服务能够很不便的线性扩大，性能齐全可能撑持大多数业务场景。
- 容灾性高：Leaf 服务外部有号段缓存，即便 DB 宕机，短时间内 Leaf 仍能失常对外提供服务。
毛病：
- ID 号码不够随机，可能泄露发号数量的信息，不太平安。
- DB 宕机会造成整个零碎不可用（用到数据库的都有可能）。
二、Leaf-snowflake
Leaf-snowflake基本上就是沿用了 snowflake 的设计，ID 组成构造：正数位 （占 1 比特）+ 工夫戳 （占 41 比特）+ 机器 ID（占 5 比特）+ 机房 ID（占 5 比特）+ 自增值（占 12 比特），总共 64 比特组成的一个 Long 类型。
Leaf-snowflake不同于原始 snowflake 算法中央，次要是在 workId 的生成上，Leaf-snowflake依附 Zookeeper 生成 workId，也就是上边的 机器 ID（占 5 比特）+ 机房 ID（占 5 比特）。Leaf中 workId 是基于 ZooKeeper 的 程序 Id来生成的，每个利用在应用 Leaf-snowflake 时，启动时都会都在 Zookeeper 中生成一个程序 Id，相当于一台机器对应一个程序节点，也就是一个 workId。
Leaf-snowflake启动服务的过程大抵如下：
-
启动 Leaf-snowflake 服务，连贯 Zookeeper，在 leaf_forever 父节点下查看本人是否曾经注册过（是否有该程序子节点）。
-
如果有注册过间接取回本人的 workerID（zk 程序节点生成的 int 类型 ID 号），启动服务。
- 如果没有注册过，就在该父节点上面创立一个长久程序节点，创立胜利后取回顺序号当做本人的 workerID 号，启动服务。
-
但 Leaf-snowflake 对 Zookeeper 是一种弱依赖关系，除了每次会去 ZK 拿数据以外，也会在本机文件系统上缓存一个 workerID 文件。一旦 ZooKeeper 呈现问题，恰好机器呈现故障需重启时，仍然可能保障服务失常启动。
启动 Leaf-snowflake 模式也比较简单，起动本地 ZooKeeper，批改一下我的项目中的 leaf.properties 文件，敞开 leaf.segment 模式，启用leaf.snowflake 模式即可。
leaf.segment.enable=false
#leaf.jdbc.url=jdbc:mysql://127.0.0.1:3306/xin-master?useUnicode=true&characterEncoding=utf8
#leaf.jdbc.username=junkang
#leaf.jdbc.password=junkang
leaf.snowflake.enable=true
leaf.snowflake.zk.address=127.0.0.1
leaf.snowflake.port=2181 /**
* 雪花算法模式
* @param key
* @return
*/
@RequestMapping(value = "/api/snowflake/get/{key}")
public String getSnowflakeId(@PathVariable("key") String key) {return get(key, snowflakeService.getId(key));
}
测试一下，拜访：http://127.0.0.1:8080/api/snowflake/get/leaf-segment-test
长处：
- ID 号码是趋势递增的 8byte 的 64 位数字，满足上述数据库存储的主键要求。
毛病：
- 依赖 ZooKeeper，存在服务不可用危险（切实不晓得有啥毛病了）
三、Leaf 监控
申请地址：http://127.0.0.1:8080/cache
针对服务本身的监控，Leaf 提供了 Web 层的内存数据映射界面，能够实时看到所有号段的下发状态。比方每个号段双 buffer 的应用状况，以后 ID 下发到了哪个地位等信息都能够在 Web 界面上查看。
总结
对于 Leaf 具体应用哪种模式，还是依据具体的业务场景应用，本文并没有对 Leaf 源码做过多的剖析，因为 Leaf 代码量简洁很好浏览。
原创不易，焚烧秀发输入内容，如果有一丢丢播种，点个赞激励一下吧！
习惯在 VX 看技术文章，想要获取更多 Java 资源的同学，能够关注我的公众号：程序员内点事，暗号：[666]