框架篇：分布式全局唯一ID

Posted 2021-07-05 潜行前行

前言

每一次HTTP请求，数据库的事务的执行，我们追踪代码执行的过程中，需要一个唯一值和这些业务操作相关联，对于单机的系统，可以用数据库的自增ID或者时间戳加一个在本机递增值，即可实现唯一值。但在分布式，又该如何实现唯一性的ID

• 分布式ID的特性
• 数据库自增的ID
• Redis分布式ID
• Zookeeper分布式ID
• 全局唯一UUID的优缺点
• Twitter的雪花算法生成分布式ID

关注公众号，一起交流，微信搜一搜: 潜行前行

github地址^[1]，感谢star

分布式ID的特性

• 全局唯一性，必须性
• 幂等性，如果是根据某些信息生成，则需要保障幂等性
• 注意安全性，ID里隐藏一些信息，不能被猜出来，也不能被猜出来 ID 如何生成
• 趋势递增性，在查询比较时，可以判断业务操作的时间顺序

数据库自增的ID

• 实现简单，ID单调自增，数值类型查询速度快，但是单点DB存在宕机风险，无法扛住高并发场景

CREATE TABLE FLIGHT_ORDER (
    id int(11) unsigned NOT NULL auto_increment, #自增ID
    PRIMARY KEY (id),
) ENGINE=innodb;

集群下如何保证数据库ID的唯一性

• 当随着业务发展，服务拓展到多台的大集群时，为了解决单点数据库的压力，数据库也会相应的变成一个集群，那如何保证集群下数据库ID的唯一性
• 每一台数据库实例都设置一个起始值和增长步长
• 缺点：不利于后续扩容，如果后续需要扩容还需要人工介入修改 起始值和增长步长

Redis 分布式ID

• 假如系统有亿万的数据，依靠数据库的自增ID在分表分库之后，需要人工修改每台数据库实例，扩容性差，维护性不好

基于Redis INCR 命令生成分布式全局唯一ID

• 服务向redis获取Id，ID则和数据库解耦，可以解决ID和分表分库的问题，而且redis比数据库性能更快，可以支撑集群服务并发获取ID的需求
• redis的INCR命令具备了 INCR AND GET 的原子操作；redis是单进程单线程架构，INCR 命令不会出现 ID 重复

 @Autowired
 private StringRedisTemplate stringRedisTemplate;
 private static final String ID_KEY = "id_good_order";
 public Long incrementId() {
     return stringRedisTemplate.opsForValue().increment(ID_KEY);
 }

HINCRBY 命令

• 实际上，为了存储序列号的更多相关信息，可以使用了 Redis 的 Hash 数据结构，Redis 同样为 Hash 提供 HINCRBY 命令来实现 “INCR AND GET” 原子操作

//KEY_NAME 是 hash结构对应的Key,FIELD_NAME 是hash结构的字段，INCR_BY_NUMBER是增量值
redis 127.0.0.1:6379> HINCRBY KEY_NAME FIELD_NAME INCR_BY_NUMBER 

宕机序列号恢复问题

• redis是内存数据库，在没有开启RDB或AOF持久化的情况下，一旦宕机ID数据将会有丢失。即便开启了RDB持久化，由于最近一次快照时间和最新一条 HINCRBY 命令的时间有可能存在时间差，宕机后通过RDB快照恢复数据集会发生ID取值重复的情况
• redis宕机序列号恢复方案
• 利用关系型数据库来记录一个短时内 最大可取序列号 MAX_ID，从redis获取ID时只能取小于 MAX_ID 的序列号
• 为了计算最大值，需要一个定时任务定期计算ID消费速度RATE，存于redis。当客户端取得 CUR_ID、RATE 和 MAX_ID，则根据 ID 消费速度 RATE 计算 CUR_ID 是否逼近MAX_ID，如果是则更新数据库的MAX_ID

Zookeeper 分布式ID

• 利用zookeeper的持久性有序节点，可以实现自增的分布式ID，而且zookeeper是个高可用的集群服务，提交成功的消息具有持久性，因此不怕机器宕机问题，或者单机问题

<dependency>
    <groupId>org.apache.curator</groupId>
    <artifactId>curator-framework</artifactId>
    <version>4.2.0</version>
</dependency>
<dependency>
    <groupId>org.apache.curator</groupId>
    <artifactId>curator-recipes</artifactId>
    <version>4.2.0</version>
</dependency>

• 示例

RetryPolicy retryPolicy = new ExponentialBackoffRetry(500, 3);
CuratorFramework client = CuratorFrameworkFactory.builder()
      .connectString("localhost:2181")
      .connectionTimeoutMs(5000)
      .sessionTimeoutMs(5000)
      .retryPolicy(retryPolicy)
      .build();
client.start();  
String sequenceName = "root/sequence/distributedId";
DistributedAtomicLong  distAtomicLong = new DistributedAtomicLong(client, sequenceName, retryPolicy);
//使用DistributedAtomicLong生成自增序列
public Long sequence() throws Exception {
    AtomicValue<Long> sequence = this.distAtomicLong.increment();
    if (sequence.succeeded()) {
        return sequence.postValue();
    } else {
        return null;
    }
}

UUID的优缺点

• 基于数据库，redis，zookeeper的分布式ID都高度依赖一个外部服务，对于某些场景，假如不存在这些外部服务又该怎么生成分布式的ID
• JDK里自带一个唯一性的ID的生成器，具有全球唯一性，这就是UUID，不过它是串无意义的字符串，存储性能差，查询也很耗时，对于订单系统，不适合作为唯一ID，常见优化方案为 「转化为两个uint64整数存储」或者 「折半存储」（折半后不能保证唯一性）
• 但对于日志系统，或只是为了作为数据里可以唯一识别序列号的关联属性时，可以用UUID

String uuid = UUID.randomUUID().toString().replaceAll("-","");

Twitter 的雪花算法生成分布式ID

• 和UUID一样，雪花算法并不依赖外部服务
• 雪花算法是 Twitter 公司内部分布式项目采用的ID生成算法，广受国内公司好评。不依赖第三方服务，效率高
• Snowflake ID组成结构：正数位（占1比特）+ 时间戳（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。

❝

1：第一个bit位（1bit）：Java中long的最高位是符号位代表正负，正数是0，负数是1，一般生成ID都为正数，所以默认为0。
2：时间戳部分（41bit）：毫秒级的时间，不建议存当前时间戳，而是用（当前时间戳 - 固定开始时间戳）的差值，可以使产生的ID从更小的值开始
3：工作机器id（10bit）：也被叫做workId，这个可以灵活配置，机房或者机器号组合都可以。
4：序列号部分（12bit），自增值支持同一毫秒内同一个节点可以生成4096个ID

❞

//Twitter的SnowFlake算法,使用SnowFlake算法生成一个整数
public class SnowFlakeShortUrl {
    //起始的时间戳
    static long START_TIMESTAMP = 1624698370256L;
    //每一部分占用的位数
    static long SEQUENCE_BIT = 12;   //序列号占用的位数
    static long MACHINE_BIT = 5;     //机器标识占用的位数
    static long DATA_CENTER_BIT = 5; //数据中心占用的位数
    //每一部分的最大值
    static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT);
    static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT);
    static long MAX_DATA_CENTER_NUM = -1L ^ (-1L << DATA_CENTER_BIT);
    //每一部分向左的位移
    static long MACHINE_LEFT = SEQUENCE_BIT;
    static long DATA_CENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;
    static long TIMESTAMP_LEFT = DATA_CENTER_LEFT + DATA_CENTER_BIT;
    //dataCenterId + machineId 等于10bit工作机器ID
    private long dataCenterId;  //数据中心
    private long machineId;     //机器标识
    private volatile long sequence = 0L; //序列号
    private volatile long lastTimeStamp = -1L;  //上一次时间戳
    private volatile long l currTimeStamp = -1L; //当前时间戳
    
    private long getNextMill() {
        long mill = System.currentTimeMillis();
        while (mill <= lastTimeStamp) mill = System.currentTimeMillis();
        return mill;
    }
    //根据指定的数据中心ID和机器标志ID生成指定的序列号
    public SnowFlakeShortUrl(long dataCenterId, long machineId) {
        Assert.isTrue(dataCenterId >=0 && dataCenterId <= MAX_DATA_CENTER_NUM,"dataCenterId is illegal!");
        Assert.isTrue(machineId >= 0 || machineId <= MAX_MACHINE_NUM,"machineId is illegal!");
        this.dataCenterId = dataCenterId;
        this.machineId = machineId;
    }
    //生成下一个ID
    public synchronized long nextId() {
        currTimeStamp = System.currentTimeMillis();
        Assert.isTrue(currTimeStamp >= lastTimeStamp,"Clock moved backwards");
        if (currTimeStamp == lastTimeStamp) {
            //相同毫秒内，序列号自增
            sequence = (sequence + 1) & MAX_SEQUENCE;
            if (sequence == 0L) { //同一毫秒的序列数已经达到最大,获取下一个毫秒
                currTimeStamp = getNextMill();
            }
        } else { 
            sequence = 0L; //不同毫秒内，序列号置为0
        }
        lastTimeStamp = currTimeStamp;
        return (currTimeStamp - START_TIMESTAMP) << TIMESTAMP_LEFT //时间戳部分
                | dataCenterId << DATA_CENTER_LEFT       //数据中心部分
                | machineId << MACHINE_LEFT             //机器标识部分
                | sequence;                             //序列号部分
    }
    
    public static void main(String[] args) {
        SnowFlakeShortUrl snowFlake = new SnowFlakeShortUrl(10, 4);
        for (int i = 0; i < (1 << 12); i++) {
            //10进制
            System.out.println(snowFlake.nextId());
        }
    }
}

欢迎指正文中错误

参考文章

• 常见分布式全局唯一ID生成策略及算法的对比 ^[2]
• 基于 Redis 的序列号服务（分布式id）的设计 ^[3]
• 9种 分布式ID生成方案，让你一次学个够 ^[4]

Reference

[1] [2]

常见分布式全局唯一ID生成策略及算法的对比: https://blog.csdn.net/u010398771/article/details/79765836

[3]

基于 Redis 的序列号服务（分布式id）的设计: https://blog.csdn.net/carryxu123456/article/details/82630029

[4]

9种 分布式ID生成方案，让你一次学个够: https://segmentfault.com/a/1190000022717820