唯一ID生成原理与PHP实现

Posted 2021-04-16 Linux内核那些事

snowflake算法

虽然php提供了一个生成唯一ID的函数uniqid()，但这个函数真的可以生成唯一ID吗？我们来看看uniqid()的具体实现：

PHP_FUNCTION(uniqid)
{
    ...
    gettimeofday((struct timeval *) &tv, (struct timezone *) NULL);

    sec = (int) tv.tv_sec;
    usec = (int) (tv.tv_usec % 0x100000);

    spprintf(&uniqid, 0, "%s%08x%05x", prefix, sec, usec);

    RETURN_STRING(uniqid, 0);
}

 从代码可以看出，uniqid()是通过微妙级时间戳来实现的，在分布式高并发的情况下，ID的重复率是很高的，所以我们不能使用uniqid()来生成唯一ID。

snowflake算法

既然不能单纯靠时间戳来保证唯一性，那么是不是可以增加以下特征值来保证呢？为此，Twitter公司发明了snowflake算法。snowflake算法的核心原理是把一个64位的整数分为3个部分，如下图：

如上图所示，高端的第一位不使用，接着的41位字节用于存储毫秒级的时间戳，紧跟着时间戳的10位作为机器ID，而最后12位为序列号。

1. 对于不同的机器来说，可以为每一台机器分配一个唯一的机器ID，这样就可以保证每台机器锁生成的ID不会重复。

2. 对于同一台机器，如果同一时刻多个客户端并发请求，那么可以通过增加序列号来保证ID唯一性。

默认情况下41位的时间戳可以支持该算法使用到2082年（需要通过减去一个起始时间戳），10位的工作机器ID可以支持1023台机器，12位的序列号支持1毫秒产生4095个自增序列ID。
也就是说1台机器1秒可以承受4095000个并发，可以胜任任何场景。snowflake算法的代码实现大概如下：

static uint64_t last_ts = 0;
static uint64_t sequence = 0;
static uint64_t datacenter_id = 0;

// 获取毫秒时间戳
uint64_t current_timestamp()
{
    struct timeval tv;
    uint64_t retval;

    if (gettimeofday(&tv, NULL) == -1) {
        return 0ULL;
    }

    retval = (u64_t)tv.tv_sec * 1000ULL +
             (u64_t)tv.tv_usec / 1000ULL;

    return retval;
}

// 如果在同一毫秒内超过了并发现在, 那么等待下一毫秒
uint64_t skip_next_millis()
{
    uint64_t ts;

    while (1) {
        ts = current_timestamp();
        if (ts > last_ts) {
            break;
        }
    }

    return ts;
}

// 获取下一个ID
uint64_t get_next_id()
{
    uint64_t retval, ts;

    ts = current_timestamp();

    if (ts == last_ts) { // 同一毫秒内多个并发
        sequence = (sequence + 1) & 0xFFF; // 增加序列号计数器
        if (sequence == 0) {  // 计数器用完
            ts = skip_next_millis(); // 等待下一毫秒
        }
    } else {
        sequence = 0; // 清空序列号计数器
    }

    last_ts = ts;

    retval = (ts << 22) | (datacenter_id << 12) | sequence;

    return retval;
}

PHP实现唯一ID生成函数

严格来说使用PHP是不能实现snowflake算法的，这是因为PHP的运行机制导致的。一般一台机器会启动多个PHP进程，而且进程之间是不能共享内存的，就是说多个PHP进程之间不能使用同一个序列号，这样就会导致不同进程生成的ID可能会重复。而且每次请求完，PHP都会释放本次请求的所有资源，那么就不能记录最后一次时间戳和序列号计数器的值（虽然可以使用文件或者memcached之类实现，当这样性能就会降低很多）。所以说使用PHP是不能实现snowflake算法的。

不能使用PHP代码实现snowflake算法，但是可以通过PHP扩展来实现，下图是PHP-FPM的运行机制：

从上图可以看出，在创建worker进程之前先会调用每个扩展的init()函数（PHP_MINIT_FUNCTION函数），所以我们可以在init()函数创建一块共享内存，然后每个worker进程就可以共用这块内存（因为fork之前创建的共享内存可以在子进程中共用）。

因为不同的进程并发访问共享内存可能会导致数据不一致的问题，所以必须解决资源竞争的问题，解决资源竞争最常用的方法就是使用锁。

进程间一般使用的锁有：信号量和自旋锁。信号量与自旋锁的不同之处是，信号量会发生进程上下文切换，而自旋锁不会。

当然这两种锁都可以解决资源竞争问题，但是相对于生成唯一ID这种场景，使用自旋锁会有更好的性能，这是因为生成ID这个过程非常短，而自旋锁锁不需要切换上下文。

自旋锁

自旋锁的原理是不断测试锁是否能够被上锁，如果能够上锁就进行上锁操作，否则就不断重复上面的操作。下面代码是一个简单的实现：

void spin_lock(atomic_t *lock, int id)
{
    int i, n;

    for ( ;; ) {

        if (*lock == 0 &&
            __sync_bool_compare_and_swap(lock, 0, id)) {
            return;
        }

        if (ncpu > 1) {

            for (n = 1; n < 129; n << 1) {

                for (i = 0; i < n; i++) {
                    __asm("pause");
                }

                if (*lock == 0 &&
                    __sync_bool_compare_and_swap(lock, 0, id)) {
                    return;
                }
            }
        }

        sched_yield();
    }
}

__sync_bool_compare_and_swap(var, old, new)函数是一个原子性操作，作用就是比较var与old的值，如果相等就把var的值改为new，如果不相等就继续进行这个操作直到成功为止。这里有个小技巧，就是当长时间获取不到锁的情况下，我们会调用sched_yield()系统调用让出CPU，从而避免过度使用CPU资源。

总结

snowflake算法可以有效的生成唯一ID，而且通过配置机器ID可以很好地支持分布式环境。本文介绍了怎么使用PHP扩展来实现snowflake算法，具体实现可以参考本人所写的Atom扩展： https://github.com/liexusong/atom