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.testleaf.segment.enable=trueleaf.jdbc.url=jdbc:mysql://127.0.0.1:3306/xin-master?useUnicode=true&characterEncoding=utf8leaf.jdbc.username=junkangleaf.jdbc.password=junkangleaf.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。

@RestControllerpublic 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，3/10


Leaf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=junkangleaf.snowflake.enable=trueleaf.snowflake.zk.address=127.0.0.1leaf.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]