乐趣区

关于java:一口气说出9种分布式ID生成方式面试官有点懵

作者：

jiezi

在

送大家以下java学习材料，文末有支付形式




一、为什么要用分布式ID？

在说分布式ID的具体实现之前，咱们来简略剖析一下为什么用分布式ID？分布式ID应该满足哪些特色？

1、什么是分布式ID？

拿MySQL数据库举个栗子：

在咱们业务数据量不大的时候，单库单表齐全能够撑持现有业务，数据再大一点搞个MySQL主从同步读写拆散也能凑合。

但随着数据日渐增长，主从同步也扛不住了，就须要对数据库进行分库分表，但分库分表后须要有一个惟一ID来标识一条数据，数据库的自增ID显然不能满足需要；特地一点的如订单、优惠券也都须要有惟一ID做标识。此时一个可能生成全局惟一ID的零碎是十分必要的。那么这个全局惟一ID就叫分布式ID。

2、那么分布式ID须要满足那些条件？
  • 全局惟一：必须保障ID是全局性惟一的，根本要求
  • 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，然而也要有限靠近于100%的可用性
  • 好接入：要秉着拿来即用的设计准则，在零碎设计和实现上要尽可能的简略
  • 趋势递增：最好趋势递增，这个要求就得看具体业务场景了，个别不严格要求

二、 分布式ID都有哪些生成形式？

明天次要剖析一下以下9种，分布式ID生成器形式以及优缺点：

  • 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？咱们往下看

图片源自网络

以上图片源自网络，如有侵权分割删除

1、基于UUID

在Java的世界里，想要失去一个具备唯一性的ID，首先被想到可能就是UUID，毕竟它有着寰球惟一的个性。那么UUID能够做分布式ID吗？答案是能够的，然而并不举荐！



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

UUID的生成简略到只有一行代码，输入后果 c2b8c2b9e46c47e3b30dca3b0d447718，但UUID却并不适用于理论的业务需要。像用作订单号UUID这样的字符串没有丝毫的意义，看不出和订单相干的有用信息；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，存储性能差查问也很耗时，所以不举荐用作分布式ID。

长处：

  • 生成足够简略，本地生成无网络耗费，具备唯一性

毛病：

  • 无序的字符串，不具备趋势自增个性
  • 没有具体的业务含意
  • 长度过长16 字节128位，36位长度的字符串，存储以及查问对MySQL的性能耗费较大，MySQL官网明确倡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地位频繁变动，重大影响性能。
2、基于数据库自增ID

基于数据库的auto_increment自增ID齐全能够充当分布式ID，具体实现：须要一个独自的MySQL实例用来生成ID，建表构造如下：



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');

当咱们须要一个ID的时候，向表中插入一条记录返回主键ID，但这种形式有一个比拟致命的毛病，访问量激增时MySQL自身就是零碎的瓶颈，用它来实现分布式服务危险比拟大，不举荐！

长处：

  • 实现简略，ID枯燥自增，数值类型查问速度快

毛病：

  • DB单点存在宕机危险，无奈扛住高并发场景
3、基于数据库集群模式

前边说了单点数据库形式不可取，那对上边的形式做一些高可用优化，换成主从模式集群。胆怯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实例都能独自的生产自增ID。

那这样还会有个问题，两个MySQL实例的自增ID都从1开始，会生成反复的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别离就是：

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扩容减少节点，这是一个比拟麻烦的事。

在这里插入图片形容

从上图能够看出，程度扩大的数据库集群，有利于解决数据库单点压力的问题，同时为了ID生成个性，将自增步长依照机器数量来设置。

减少第三台MySQL实例须要人工批改一、二两台MySQL实例的起始值和步长，把第三台机器的ID起始生成地位设定在比现有最大自增ID的地位远一些，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就要呈现反复了，必要时可能还须要停机批改。

长处：

  • 解决DB单点问题

毛病：

  • 不利于后续扩容，而且实际上单个数据库本身压力还是大，仍旧无奈满足高并发场景。
4、基于数据库的号段模式

号段模式是当下分布式ID生成器的支流实现形式之一，号段模式能够了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畴，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。表构造如下：



CREATE TABLE id\_generator (  
  id int(10) NOT NULL,  
  max\_id bigint(20) NOT NULL COMMENT '以后最大id',  
  step int(20) NOT NULL COMMENT '号段的布长',  
  biz\_type    int(20) NOT NULL COMMENT '业务类型',  
  version int(20) NOT NULL COMMENT '版本号',  
  PRIMARY KEY (\`id\`)  
) 

biz\_type ：代表不同业务类型

max\_id ：以后最大的可用id

step ：代表号段的长度

version ：是一个乐观锁，每次都更新version，保障并发时数据的正确性

id

biz\_type

max\_id

step

version

1

101

1000

2000

0

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胜利则阐明新号段获取胜利，新的号段范畴是(max_id ,max_id +step]。



update id\_generator set max\_id = #{max\_id+step}, version = version + 1 where version = # {version} and biz\_type = XXX

因为多业务端可能同时操作，所以采纳版本号version乐观锁形式更新，这种分布式ID生成形式不强依赖于数据库，不会频繁的拜访数据库，对数据库的压力小很多。

5、基于Redis模式

Redis也同样能够实现，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\> set seq\_id 1     // 初始化自增ID为1  
OK  
127.0.0.1:6379\> incr seq\_id      // 减少1，并返回递增后的数值  
(integer) 2

用redis实现须要留神一点，要思考到redis长久化的问题。redis有两种长久化形式RDB和AOF

  • RDB会定时打一个快照进行长久化，如果间断自增但redis没及时长久化，而这会Redis挂掉了，重启Redis后会呈现ID反复的状况。
  • AOF会对每条写命令进行长久化，即便Redis挂掉了也不会呈现ID反复的状况，但因为incr命令的特殊性，会导致Redis重启复原的数据工夫过长。
6、基于雪花算法（Snowflake）模式

雪花算法（Snowflake）是twitter公司外部分布式我的项目采纳的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。

在这里插入图片形容

以上图片源自网络，如有侵权分割删除

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组成构造：正数位（占1比特）+ 工夫戳（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，负数是0，正数是1，个别生成ID都为负数，所以默认为0。
  • 工夫戳局部（41bit）：毫秒级的工夫，不倡议存以后工夫戳，而是用（以后工夫戳 – 固定开始工夫戳）的差值，能够使产生的ID从更小的值开始；41位的工夫戳能够应用69年，(1L << 41) / (1000L * 60 * 60 * 24 * 365) = 69年
  • 工作机器id（10bit）：也被叫做workId，这个能够灵便配置，机房或者机器号组合都能够。
  • 序列号局部（12bit），自增值反对同一毫秒内同一个节点能够生成4096个ID

依据这个算法的逻辑，只须要将这个算法用Java语言实现进去，封装为一个工具办法，那么各个业务利用能够间接应用该工具办法来获取分布式ID，只需保障每个业务利用有本人的工作机器id即可，而不须要独自去搭建一个获取分布式ID的利用。

Java版本的Snowflake算法实现：

`/**`
 `* Twitter的SnowFlake算法,应用SnowFlake算法生成一个整数，而后转化为62进制变成一个短地址URL`
 `*`
 `* https://github.com/beyondfengyu/SnowFlake`
 `*/`
`public class SnowFlakeShortUrl {`
 `/**`
 `* 起始的工夫戳`
 `*/`
 `private final static long START_TIMESTAMP = 1480166465631L;`
 `/**`
 `* 每一部分占用的位数`
 `*/`
 `private final static long SEQUENCE_BIT = 12;   //序列号占用的位数`
 `private final static long MACHINE_BIT = 5;     //机器标识占用的位数`
 `private final static long DATA_CENTER_BIT = 5; //数据中心占用的位数`
 `/**`
 `* 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;  //数据中心`
 `private long machineId;     //机器标识`
 `private long sequence = 0L; //序列号`
 `private long lastTimeStamp = -1L;  //上一次工夫戳`
 `private long getNextMill() {`
 `long mill = getNewTimeStamp();`
 `while (mill <= lastTimeStamp) {`
 `mill = getNewTimeStamp();`
 `}`
 `return mill;`
 `}`
 `private long getNewTimeStamp() {`
 `return System.currentTimeMillis();`
 `}`
 `/**`
 `* 依据指定的数据中心ID和机器标记ID生成指定的序列号`
 `*`
 `* @param dataCenterId 数据中心ID`
 `* @param machineId    机器标记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;`
 `}`
 `/**`
 `* 产生下一个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) {`
 `//雷同毫秒内，序列号自增`
 `sequence = (sequence + 1) & MAX_SEQUENCE;`
 `//同一毫秒的序列数曾经达到最大`
 `if (sequence == 0L) {`
 `currTimeStamp = getNextMill();`
 `}`
 `} else {`
 `//不同毫秒内，序列号置为0`
 `sequence = 0L;`
 `}`
 `lastTimeStamp = currTimeStamp;`
 `return (currTimeStamp - START_TIMESTAMP) << TIMESTAMP_LEFT //工夫戳局部`
 `| dataCenterId << DATA_CENTER_LEFT       //数据中心局部`
 `| machineId << MACHINE_LEFT             //机器标识局部`
 `| sequence;                             //序列号局部`
 `}`
 `public static void main(String[] args) {`
 `SnowFlakeShortUrl snowFlake = new SnowFlakeShortUrl(2, 3);`
 `for (int i = 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，我的项目GitHub地址 https://github.com/baidu/uid-…

uid-generator是基于Snowflake算法实现的，与原始的snowflake算法不同在于，uid-generator反对自定义工夫戳、工作机器ID和 序列号 等各局部的位数，而且uid-generator中采纳用户自定义workId的生成策略。

uid-generator须要与数据库配合应用，须要新增一个WORKER_NODE表。当利用启动时会向数据库表中去插入一条数据，插入胜利后返回的自增ID就是该机器的workId数据由host，port组成。

对于uid-generator ID组成构造：

workId，占用了22个bit位，工夫占用了28个bit位，序列化占用了13个bit位，须要留神的是，和原始的snowflake不太一样，工夫的单位是秒，而不是毫秒，workId也不一样，而且同一利用每次重启就会生产一个workId。

参考文献
https://github.com/baidu/uid-…\_cn.md

8、美团（Leaf）

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

Leaf同时反对号段模式和snowflake算法模式，能够切换应用。

号段模式

先导入源码 https://github.com/Meituan-Di… ，在建一张表leaf_alloc



DROP TABLE IF EXISTS \`leaf\_alloc\`;  
  
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;

而后在我的项目中开启号段模式，配置对应的数据库信息，并敞开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=

启动leaf-server 模块的 LeafServerApplication我的项目就跑起来了

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算法也次要是在workId的生成上，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.enable=true  
leaf.snowflake.zk.address=127.0.0.1  
leaf.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一模一样，每个服务获取一个号段（1000,2000]、（2000,3000]、（3000,4000]

在这里插入图片形容

Tinyid提供http和tinyid-client两种形式接入

Http形式接入

（1）导入Tinyid源码：

git clone https://github.com/didi/tinyi…

（2）创立数据表：



CREATE TABLE \`tiny\_id\_info\` (  
  \`id\` bigint(20) unsigned NOT NULL AUTO\_INCREMENT COMMENT '自增主键',  
  \`biz\_type\` varchar(63) NOT NULL DEFAULT '' COMMENT '业务类型，惟一',  
  \`begin\_id\` bigint(20) NOT NULL DEFAULT '0' COMMENT '开始id，仅记录初始值，无其余含意。初始化时begin\_id和max\_id应雷同',  
  \`max\_id\` bigint(20) NOT NULL DEFAULT '0' COMMENT '以后最大id',  
  \`step\` int(11) DEFAULT '0' COMMENT '步长',  
  \`delta\` int(11) NOT NULL DEFAULT '1' COMMENT '每次id增量',  
  \`remainder\` int(11) NOT NULL DEFAULT '0' COMMENT '余数',  
  \`create\_time\` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '创立工夫',  
  \`update\_time\` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '更新工夫',  
  \`version\` bigint(20) NOT NULL DEFAULT '0' COMMENT '版本号',  
  PRIMARY KEY (\`id\`),  
  UNIQUE KEY \`uniq\_biz\_type\` (\`biz\_type\`)  
) ENGINE=InnoDB AUTO\_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT 'id信息表';  
  
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可拜访的业务类型标识',  
  \`remark\` varchar(255) NOT NULL DEFAULT '' COMMENT '备注',  
  \`create\_time\` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '创立工夫',  
  \`update\_time\` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '更新工夫',  
  PRIMARY KEY (\`id\`)  
) ENGINE=InnoDB AUTO\_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT 'token信息表';  
  
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）配置数据库：



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）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'  
返回后果: 3  
  
批量获取分布式自增ID:  
http://localhost:9999/tinyid/id/nextIdSimple?bizType=test&token=0f673adf80504e2eaa552f5d791b644c&batchSize=10'  
返回后果:  4,5,6,7,8,9,10,11,12,13
Java客户端形式接入

反复Http形式的（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:9999  
tinyid.token =0f673adf80504e2eaa552f5d791b644c

test 、tinyid.token是在数据库表中事后插入的数据，test 是具体业务类型，tinyid.token示意可拜访的业务类型



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

总结

本文只是简略介绍一下每种分布式ID生成器，旨在给大家一个具体学习的方向，每种生成形式都有它本人的优缺点，具体如何应用还要看具体的业务需要。

评论

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

这个站点使用 Akismet 来减少垃圾评论。了解你的评论数据如何被处理。

更多文章