关于java:分布式ID详解5种分布式ID生成方案

分布式架构会波及到分布式全局惟一 ID 的生成，明天我就来详解分布式全局惟一 ID，以及分布式全局惟一 ID 的实现计划 @mikechen

什么是分布式系统惟一 ID

在简单分布式系统中，往往须要对大量的数据和音讯进行惟一标识。

如在金融、电商、领取、等产品的零碎中，数据日渐增长，对数据分库分表后须要有一个惟一 ID 来标识一条数据或音讯，数据库的自增 ID 显然不能满足需要，此时一个可能生成全局惟一 ID 的零碎是十分必要的。

分布式系统惟一 ID 的特点

1. 全局唯一性：不能呈现反复的 ID 号，既然是惟一标识，这是最根本的要求。
2. 趋势递增：在 MySQL InnoDB 引擎中应用的是汇集索引，因为少数 RDBMS 应用 B -tree 的数据结构来存储索引数据，在主键的抉择下面咱们应该尽量应用有序的主键保障写入性能。
3. 枯燥递增：保障下一个 ID 肯定大于上一个 ID，例如事务版本号、IM 增量音讯、排序等非凡需要。
4. 信息安全：如果 ID 是间断的，歹意用户的扒取工作就非常容易做了，间接依照程序下载指定 URL 即可；如果是订单号就更危险了，竞对能够间接晓得咱们一天的单量。所以在一些利用场景下，会须要 ID 无规则、不规则。

同时除了对 ID 号码本身的要求，业务还对 ID 号生成零碎的可用性要求极高，设想一下，如果 ID 生成零碎瘫痪，这就会带来一场劫难。

由此总结下一个 ID 生成零碎应该做到如下几点：

1. 均匀提早和 TP999 提早都要尽可能低；
2. 可用性 5 个 9；
3. 高 QPS

\

分布式系统惟一 ID 的实现计划

1.UUID

UUID(Universally Unique Identifier) 的规范型式蕴含 32 个 16 进制数字，以连字号分为五段，模式为 8 -4-4-4-12 的 36 个字符，示例：550e8400-e29b-41d4-a716-446655440000，到目前为止业界一共有 5 种形式生成 UUID，详情见 IETF 公布的 UUID 标准 A Universally Unique IDentifier (UUID) URN Namespace。

UUID 长处：

• 性能十分高：本地生成，没有网络耗费。

UUID 毛病：

• 不易于存储：UUID 太长，16 字节 128 位，通常以 36 长度的字符串示意，很多场景不实用;
• 信息不平安：基于 MAC 地址生成 UUID 的算法可能会造成 MAC 地址泄露，这个破绽曾被用于寻找梅丽莎病毒的制作者地位;
• ID 作为主键时在特定的环境会存在一些问题，比方做 DB 主键的场景下，UUID 就十分不实用。

\

2. 数据库生成 ID

以 MySQL 举例，利用给字段设置 auto_increment_increment 和 auto_increment_offset 来保障 ID 自增，每次业务应用下列 SQL 读写 MySQL 失去 ID 号。

数据库生成 ID 长处：

• 非常简单，利用现有数据库系统的性能实现，老本小，有 DBA 业余保护。
• ID 号枯燥自增，能够实现一些对 ID 有特殊要求的业务。

数据库生成 ID 毛病：

• 强依赖 DB，当 DB 异样时整个零碎不可用，属于致命问题。配置主从复制能够尽可能的减少可用性，然而数据一致性在非凡状况下难以保障。主从切换时的不统一可能会导致反复发号。
• ID 发号性能瓶颈限度在单台 MySQL 的读写性能。

\

3.Redis 生成 ID

当应用数据库来生成 ID 性能不够要求的时候，咱们能够尝试应用 Redis 来生成 ID。

这次要依赖于 Redis 是单线程的，所以也能够用生成全局惟一的 ID。能够用 Redis 的原子操作 INCR 和 INCRBY 来实现。

比拟适宜应用 Redis 来生成每天从 0 开始的流水号。比方订单号 = 日期 + 当日自增长号。能够每天在 Redis 中生成一个 Key，应用 INCR 进行累加。

Redis 生成 ID 长处：

1）不依赖于数据库，灵便不便，且性能优于数据库。

2）数字 ID 人造排序，对分页或者须要排序的后果很有帮忙。

\

Redis 生成 ID 毛病：

1）如果零碎中没有 Redis，还须要引入新的组件，减少零碎复杂度。

2）须要编码和配置的工作量比拟大。

4. 利用 zookeeper 生成惟一 ID

zookeeper 次要通过其 znode 数据版本来生成序列号，能够生成 32 位和 64 位的数据版本号，客户端能够应用这个版本号来作为惟一的序列号。

很少会应用 zookeeper 来生成惟一 ID。次要是因为须要依赖 zookeeper，并且是多步调用 API，如果在竞争较大的状况下，须要思考应用分布式锁。因而，性能在高并发的分布式环境下，也不甚现实。

5.snowflake 雪花算法生成 ID

这种计划大抵来说是一种以划分命名空间（UUID 也算，因为比拟常见，所以独自剖析）来生成 ID 的一种算法，这种计划把 64-bit 别离划分成多段，离开来标示机器、工夫等，比方在 snowflake 中的 64-bit 别离示意如下图（图片来自网络）所示：

41-bit 的工夫能够示意（1L<<41）/(1000L360024*365)=69 年的工夫，10-bit 机器能够别离示意 1024 台机器。如果咱们对 IDC 划分有需要，还能够将 10-bit 分 5 -bit 给 IDC，分 5 -bit 给工作机器。这样就能够示意 32 个 IDC，每个 IDC 下能够有 32 台机器，能够依据本身需要定义。12 个自增序列号能够示意 2^12 个 ID，实践上 snowflake 计划的 QPS 约为 409.6w/s，这种调配形式能够保障在任何一个 IDC 的任何一台机器在任意毫秒内生成的 ID 都是不同的。

雪花算法 ID 长处：

• 毫秒数在高位，自增序列在低位，整个 ID 都是趋势递增的。
• 不依赖数据库等第三方零碎，以服务的形式部署，稳定性更高，生成 ID 的性能也是十分高的。
• 能够依据本身业务个性调配 bit 位，非常灵活。

雪花算法 ID 毛病：

• 强依赖机器时钟，如果机器上时钟回拨，会导致发号反复或者服务会处于不可用状态。

以上

作者简介

陈睿 |mikechen,10 年 + 大厂架构教训,《BAT 架构技术 500 期》系列文章作者，专一于互联网架构技术。

浏览 mikechen 的互联网架构更多技术文章合集

Java 并发 |JVM|MySQL|Spring|Redis| 分布式 | 高并发

关注「mikechen 的互联网架构」公众号，回复 【架构】 支付《Java 进阶架构思维导图 &Java 进阶架构文章合集》