数据库分库分表中间件 Sharding-JDBC 源码分析 —— 分布式主键
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了数据库分库分表中间件 Sharding-JDBC 源码分析 —— 分布式主键相关的知识,希望对你有一定的参考价值。
关注**微信公众号:【芋道源码】**有福利:
RocketMQ / MyCAT / Sharding-JDBC 所有源码分析文章列表
RocketMQ / MyCAT / Sharding-JDBC 中文注释源码 GitHub 地址
您对于源码的疑问每条留言都将得到认真回复。甚至不知道如何读源码也可以请教噢。
新的源码解析文章实时收到通知。每周更新一篇左右。
认真的源码交流微信群。
本文主要基于 Sharding-JDBC 1.5.0 正式版
1. 概述
本文分享 Sharding-JDBC 分布式主键实现。
官方文档《分布式主键》对其介绍及使用方式介绍很完整,强烈先阅读。下面先引用下分布式主键的实现动机:
传统数据库软件开发中,主键自动生成技术是基本需求。而各大数据库对于该需求也提供了相应的支持,比如mysql的自增键。对于MySQL而言,分库分表之后,不同表生成全局唯一的Id是非常棘手的问题。因为同一个逻辑表内的不同实际表之间的自增键是无法互相感知的,这样会造成重复Id的生成。我们当然可以通过约束表生成键的规则来达到数据的不重复,但是这需要引入额外的运维力量来解决重复性问题,并使框架缺乏扩展性。
目前有许多第三方解决方案可以完美解决这个问题,比如UUID等依靠特定算法自生成不重复键,或者通过引入Id生成服务等。 但也正因为这种多样性导致了Sharding-JDBC如果强依赖于任何一种方案就会限制其自身的发展。
基于以上的原因,最终采用了以JDBC接口来实现对于生成Id的访问,而将底层具体的Id生成实现分离出来。
Sharding-JDBC 正在收集使用公司名单:传送门。
你的登记,会让更多人参与和使用 Sharding-JDBC。传送门
Sharding-JDBC 也会因此,能够覆盖更多的业务场景。传送门
登记吧,骚年!传送门
2. KeyGenerator
KeyGenerator,主键生成器接口。实现类通过实现 #generateKey()
方法对外提供生成主键的功能。
2.1 DefaultKeyGenerator
DefaultKeyGenerator,默认的主键生成器。该生成器采用 Twitter Snowflake 算法实现,生成 64 Bits 的 Long型编号。国内另外一款数据库中间件 MyCAT 分布式主键也是基于该算法实现。国内很多大型互联网公司发号器服务基于该算法加部分改造实现。所以 DefaultKeyGenerator 必须是根正苗红。如果你对分布式主键感兴趣,可以看看逗比笔者整理的《谈谈 ID》。
咳咳咳,有点跑题了。编号由四部分组成,从高位到低位(从左到右)分别是:
| Bits | 名字 | 说明 | | :--- | :--- | :--- | | 1 | 符号位 | 等于 0 | | 41 | 时间戳 | 从 2016/11/01 零点开始的毫秒数,支持 2 ^41 /365/24/60/60/1000=69.7年 | | 10 | 工作进程编号 | 支持 1024 个进程 | | 12 | 序列号 | 每毫秒从 0 开始自增,支持 4096 个编号 |
每个工作进程每秒可以产生 4096000 个编号。是不是灰常牛比
// public final class DefaultKeyGenerator implements KeyGenerator { /** * 时间偏移量,从2016年11月1日零点开始 */ public static final long EPOCH; /** * 自增量占用比特 */ private static final long SEQUENCE_BITS = 12L; /** * 工作进程ID比特 */ private static final long WORKER_ID_BITS = 10L; /** * 自增量掩码(最大值) */ private static final long SEQUENCE_MASK = (1 << SEQUENCE_BITS) - 1; /** * 工作进程ID左移比特数(位数) */ private static final long WORKER_ID_LEFT_SHIFT_BITS = SEQUENCE_BITS; /** * 时间戳左移比特数(位数) */ private static final long TIMESTAMP_LEFT_SHIFT_BITS = WORKER_ID_LEFT_SHIFT_BITS + WORKER_ID_BITS; /** * 工作进程ID最大值 */ private static final long WORKER_ID_MAX_VALUE = 1L << WORKER_ID_BITS; @Setter private static TimeService timeService = new TimeService(); /** * 工作进程ID */ private static long workerId; static { Calendar calendar = Calendar.getInstance(); calendar.set(2016, Calendar.NOVEMBER, 1); calendar.set(Calendar.HOUR_OF_DAY, 0); calendar.set(Calendar.MINUTE, 0); calendar.set(Calendar.SECOND, 0); calendar.set(Calendar.MILLISECOND, 0); EPOCH = calendar.getTimeInMillis(); } /** * 最后自增量 */ private long sequence; /** * 最后生成编号时间戳,单位:毫秒 */ private long lastTime; /** * 设置工作进程Id. * * @param workerId 工作进程Id */ public static void setWorkerId(final long workerId) { Preconditions.checkArgument(workerId >= 0L && workerId < WORKER_ID_MAX_VALUE); DefaultKeyGenerator.workerId = workerId; } /** * 生成Id. * * @return 返回@{@link Long}类型的Id */ @Override public synchronized Number generateKey() { // 保证当前时间大于最后时间。时间回退会导致产生重复id long currentMillis = timeService.getCurrentMillis(); Preconditions.checkState(lastTime <= currentMillis, "Clock is moving backwards, last time is %d milliseconds, current time is %d milliseconds", lastTime, currentMillis); // 获取序列号 if (lastTime == currentMillis) { if (0L == (sequence = ++sequence & SEQUENCE_MASK)) { // 当获得序号超过最大值时,归0,并去获得新的时间 currentMillis = waitUntilNextTime(currentMillis); } } else { sequence = 0; } // 设置最后时间戳 lastTime = currentMillis; if (log.isDebugEnabled()) { log.debug("{}-{}-{}", new SimpleDateFormat("yyyy-MM-dd HH:mm:ss.SSS").format(new Date(lastTime)), workerId, sequence); } // 生成编号 return ((currentMillis - EPOCH) << TIMESTAMP_LEFT_SHIFT_BITS) | (workerId << WORKER_ID_LEFT_SHIFT_BITS) | sequence; } /** * 不停获得时间,直到大于最后时间 * * @param lastTime 最后时间 * @return 时间 */ private long waitUntilNextTime(final long lastTime) { long time = timeService.getCurrentMillis(); while (time <= lastTime) { time = timeService.getCurrentMillis(); } return time; } }
EPOCH = calendar.getTimeInMillis();
计算 2016/11/01 零点开始的毫秒数。#generateKey()
实现逻辑获得序列号。当前时间戳可获得自增量到达最大值时,调用
#waitUntilNextTime()
获得下一毫秒设置最后生成编号时间戳,用于校验时间回退情况
位操作生成编号
校验当前时间小于等于最后生成编号时间戳,避免服务器时钟同步,可能产生时间回退,导致产生重复编号
总的来说,Twitter Snowflake 算法实现上是相对简单易懂的,较为麻烦的是怎么解决工作进程编号的分配?
超过 1024 个怎么办?
怎么保证全局唯一?
第一个问题,将分布式主键生成独立成一个发号器服务,提供生成分布式编号的功能。这个不在本文的范围内,有兴趣的同学可以 Google 下。
第二个问题,通过 Zookeeper、Consul、Etcd 等提供分布式配置功能的中间件。当然 Sharding-JDBC 也提供了不依赖这些服务的方式,我们一个一个往下看。
2.2 HostNameKeyGenerator
根据机器名最后的数字编号获取工作进程编号。
如果线上机器命名有统一规范,建议使用此种方式。
例如,机器的 HostName 为:dangdang-db-sharding-dev-01
(公司名-部门名-服务名-环境名-编号),会截取 HostName 最后的编号 01 作为工作进程编号( workId )。
// HostNameKeyGenerator.javastatic void initWorkerId() { InetAddress address; Long workerId; try { address = InetAddress.getLocalHost(); } catch (final UnknownHostException e) { throw new IllegalStateException("Cannot get LocalHost InetAddress, please check your network!"); } String hostName = address.getHostName(); try { workerId = Long.valueOf(hostName.replace(hostName.replaceAll("\\d+$", ""), "")); } catch (final NumberFormatException e) { throw new IllegalArgumentException(String.format("Wrong hostname:%s, hostname must be end with number!", hostName)); } DefaultKeyGenerator.setWorkerId(workerId); }
2.3 IPKeyGenerator
根据机器IP获取工作进程编号。
如果线上机器的IP二进制表示的最后10位不重复,建议使用此种方式。
例如,机器的IP为192.168.1.108,二进制表示:11000000 10101000 00000001 01101100
,截取最后 10 位01 01101100
,转为十进制 364,设置工作进程编号为 364。
// IPKeyGenerator.javastatic void initWorkerId() { InetAddress address; try { address = InetAddress.getLocalHost(); } catch (final UnknownHostException e) { throw new IllegalStateException("Cannot get LocalHost InetAddress, please check your network!"); } byte[] ipAddressByteArray = address.getAddress(); DefaultKeyGenerator.setWorkerId((long) (((ipAddressByteArray[ipAddressByteArray.length - 2] & 0B11) << Byte.SIZE) + (ipAddressByteArray[ipAddressByteArray.length - 1] & 0xFF))); }
2.4 IPSectionKeyGenerator
来自 DogFc 贡献,对 IPKeyGenerator 进行改造。
浏览 IPKeyGenerator 工作进程编号生成的规则后,感觉对服务器IP后10位(特别是IPV6)数值比较约束。
有以下优化思路:
因为工作进程编号最大限制是 2^10,我们生成的工程进程编号只要满足小于 1024 即可。
1.针对IPV4:
....IP最大 255.255.255.255。而(255+255+255+255) < 1024。
....因此采用IP段数值相加即可生成唯一的workerId,不受IP位限制。
针对IPV6:
....IP最大 ffff:ffff:ffff:ffff:ffff:ffff:ffff:ffff
....为了保证相加生成出的工程进程编号 < 1024,思路是将每个 Bit 位的后6位相加。这样在一定程度上也可以满足workerId不重复的问题。
使用这种 IP 生成工作进程编号的方法,必须保证IP段相加不能重复
对于 IPV6 :2^ 6 = 64。64 * 8 = 512 < 1024。
// IPSectionKeyGenerator.javastatic void initWorkerId() { InetAddress address; try { address = InetAddress.getLocalHost(); } catch (final UnknownHostException e) { throw new IllegalStateException("Cannot get LocalHost InetAddress, please check your network!"); } byte[] ipAddressByteArray = address.getAddress(); long workerId = 0L; // IPV4 if (ipAddressByteArray.length == 4) { for (byte byteNum : ipAddressByteArray) { workerId += byteNum & 0xFF; } // IPV6 } else if (ipAddressByteArray.length == 16) { for (byte byteNum : ipAddressByteArray) { workerId += byteNum & 0B111111; } } else { throw new IllegalStateException("Bad LocalHost InetAddress, please check your network!"); } DefaultKeyGenerator.setWorkerId(workerId); }
666. 彩蛋
没有彩蛋。HOHOHO
道友,分享一波朋友圈可好。
感谢你,技术如此只好,还关注我的公众号。
以上是关于数据库分库分表中间件 Sharding-JDBC 源码分析 —— 分布式主键的主要内容,如果未能解决你的问题,请参考以下文章