分布式唯一ID生成的几种方案

Posted 零壹技术栈

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了分布式唯一ID生成的几种方案相关的知识,希望对你有一定的参考价值。

前言

在互联网的业务系统中,涉及到各种各样的ID,如在支付系统中就会有支付ID、退款ID等。那一般生成ID都有哪些解决方案呢?特别是在复杂的分布式系统业务场景中,我们应该采用哪种适合自己的解决方案是十分重要的。下面我们一一来列举一下,不一定全部适合,这些解决方案仅供你参考,或许对你有用。


正文

分布式ID的特性

  • 唯一性:确保生成的ID是全网唯一的。

  • 有序递增性:确保生成的ID是对于某个用户或者业务是按一定的数字有序递增的。

  • 高可用性:确保任何时候都能正确的生成ID。

  • 带时间:ID里面包含时间,一眼扫过去就知道哪天的交易。

分布式ID的生成方案

1. UUID

算法的核心思想是结合机器的网卡、当地时间、一个随记数来生成UUID。

  • 优点:本地生成,生成简单,性能好,没有高可用风险

  • 缺点:长度过长,存储冗余,且无序不可读,查询效率低

2. 数据库自增ID

使用数据库的id自增策略,如 mysql 的 auto_increment。并且可以使用两台数据库分别设置不同步长,生成不重复ID的策略来实现高可用。

  • 优点:数据库生成的ID绝对有序,高可用实现方式简单

  • 缺点:需要独立部署数据库实例,成本高,有性能瓶颈

3. 批量生成ID

一次按需批量生成多个ID,每次生成都需要访问数据库,将数据库修改为最大的ID值,并在内存中记录当前值及最大值。

  • 优点:避免了每次生成ID都要访问数据库并带来压力,提高性能

  • 缺点:属于本地生成策略,存在单点故障,服务重启造成ID不连续

4. Redis生成ID

Redis的所有命令操作都是单线程的,本身提供像 incr 和 increby 这样的自增原子命令,所以能保证生成的 ID 肯定是唯一有序的。

  • 优点:不依赖于数据库,灵活方便,且性能优于数据库;数字ID天然排序,对分页或者需要排序的结果很有帮助。

  • 缺点:如果系统中没有Redis,还需要引入新的组件,增加系统复杂度;需要编码和配置的工作量比较大。

考虑到单节点的性能瓶颈,可以使用 Redis 集群来获取更高的吞吐量。假如一个集群中有5台 Redis。可以初始化每台 Redis 的值分别是1, 2, 3, 4, 5,然后步长都是 5。各个 Redis 生成的 ID 为:

 
   
   
 
  1. A1, 6, 11, 16, 21

  2. B2, 7, 12, 17, 22

  3. C3, 8, 13, 18, 23

  4. D4, 9, 14, 19, 24

  5. E5, 10, 15, 20, 25

随便负载到哪个机确定好,未来很难做修改。步长和初始值一定需要事先确定。使用 Redis 集群也可以方式单点故障的问题。

另外,比较适合使用 Redis 来生成每天从0开始的流水号。比如订单号 = 日期 + 当日自增长号。可以每天在 Redis 中生成一个 Key ,使用 INCR 进行累加。

5. Twitter的snowflake算法

Twitter 利用 zookeeper 实现了一个全局ID生成的服务 Snowflake:https://github.com/twitter/snowflake



如上图的所示,Twitter 的 Snowflake 算法由下面几部分组成:

  • 1位符号位:

由于 long 类型在 java 中带符号的,最高位为符号位,正数为 0,负数为 1,且实际系统中所使用的ID一般都是正数,所以最高位为 0。

  • 41位时间戳(毫秒级):

需要注意的是此处的 41 位时间戳并非存储当前时间的时间戳,而是存储时间戳的差值(当前时间戳 - 起始时间戳),这里的起始时间戳一般是ID生成器开始使用的时间戳,由程序来指定,所以41位毫秒时间戳最多可以使用 (1<<41)/(1000x60x60x24x365)=69

  • 10位数据机器位:

包括5位数据标识位和5位机器标识位,这10位决定了分布式系统中最多可以部署 1<<10=1024 s个节点。超过这个数量,生成的ID就有可能会冲突。

  • 12位毫秒内的序列:

这 12 位计数支持每个节点每毫秒(同一台机器,同一时刻)最多生成 1<<12=4096ID

加起来刚好64位,为一个Long型。

  • 优点:高性能,低延迟,按时间有序,一般不会造成ID碰撞

  • 缺点:需要独立的开发和部署,依赖于机器的时钟

简单实现

 
   
   
 
  1. public class IdWorker {

  2.    /**

  3.     * 起始时间戳 2017-04-01

  4.     */

  5.    private final long epoch = 1491004800000L;

  6.    /**

  7.     * 机器ID所占的位数

  8.     */

  9.    private final long workerIdBits = 5L;

  10.    /**

  11.     * 数据标识ID所占的位数

  12.     */

  13.    private final long dataCenterIdBits = 5L;

  14.    /**

  15.     * 支持的最大机器ID,结果是31

  16.     */

  17.    private final long maxWorkerId = ~(-1L << workerIdBits);

  18.    /**

  19.     * 支持的最大数据标识ID,结果是31

  20.     */

  21.    private final long maxDataCenterId = ~(-1 << dataCenterIdBits);

  22.    /**

  23.     * 毫秒内序列在id中所占的位数

  24.     */

  25.    private final long sequenceBits = 12L;

  26.    /**

  27.     * 机器ID向左移12位

  28.     */

  29.    private final long workerIdShift = sequenceBits;

  30.    /**

  31.     * 数据标识ID向左移17(12+5)位

  32.     */

  33.    private final long dataCenterIdShift = sequenceBits + workerIdBits;

  34.    /**

  35.     * 时间戳向左移22(12+5+5)位

  36.     */

  37.    private final long timestampShift = sequenceBits + workerIdBits + dataCenterIdBits;

  38.    /**

  39.     * 生成序列的掩码,这里为4095 (0b111111111111=0xfff=4095)

  40.     */

  41.    private final long sequenceMask = ~(-1L << sequenceBits);

  42.    /**

  43.     * 数据标识ID(0~31)

  44.     */

  45.    private long dataCenterId;

  46.    /**

  47.     * 机器ID(0~31)

  48.     */

  49.    private long workerId;

  50.    /**

  51.     * 毫秒内序列(0~4095)

  52.     */

  53.    private long sequence;

  54.    /**

  55.     * 上次生成ID的时间戳

  56.     */

  57.    private long lastTimestamp = -1L;

  58.    public IdWorker(long dataCenterId, long workerId) {

  59.        if (dataCenterId > maxDataCenterId || dataCenterId < 0) {

  60.            throw new IllegalArgumentException(String.format("dataCenterId can't be greater than %d or less than 0", maxDataCenterId));

  61.        }

  62.        if (workerId > maxWorkerId || workerId < 0) {

  63.            throw new IllegalArgumentException(String.format("worker Id can't be greater than %d or less than 0", maxWorkerId));

  64.        }

  65.        this.dataCenterId = dataCenterId;

  66.        this.workerId = workerId;

  67.    }

  68.    /**

  69.     * 获得下一个ID (该方法是线程安全的)

  70.     * @return snowflakeId

  71.     */

  72.    public synchronized long nextId() {

  73.        long timestamp = timeGen();

  74.        //如果当前时间小于上一次ID生成的时间戳,说明系统时钟回退过,这个时候应当抛出异常

  75.        if (timestamp < lastTimestamp) {

  76.            throw new RuntimeException(String.format("Clock moved backwards.  Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));

  77.        }

  78.        //如果是同一时间生成的,则进行毫秒内序列

  79.        if (timestamp == lastTimestamp) {

  80.            sequence = (sequence + 1) & sequenceMask;

  81.            //毫秒内序列溢出

  82.            if (sequence == 0) {

  83.                //阻塞到下一个毫秒,获得新的时间戳

  84.                timestamp = nextMillis(lastTimestamp);

  85.            }

  86.        } else {//时间戳改变,毫秒内序列重置

  87.            sequence = 0L;

  88.        }

  89.        lastTimestamp = timestamp;

  90.        //移位并通过按位或运算拼到一起组成64位的ID

  91.        return ((timestamp - epoch) << timestampShift) |

  92.                (dataCenterId << dataCenterIdShift) |

  93.                (workerId << workerIdShift) |

  94.                sequence;

  95.    }

  96.    /**

  97.     * 返回以毫秒为单位的当前时间

  98.     * @return 当前时间(毫秒)

  99.     */

  100.    protected long timeGen() {

  101.        return System.currentTimeMillis();

  102.    }

  103.    /**

  104.     * 阻塞到下一个毫秒,直到获得新的时间戳

  105.     * @param lastTimestamp 上次生成ID的时间截

  106.     * @return 当前时间戳

  107.     */

  108.    protected long nextMillis(long lastTimestamp) {

  109.        long timestamp = timeGen();

  110.        while (timestamp <= lastTimestamp) {

  111.            timestamp = lastTimestamp;

  112.        }

  113.        return timestamp;

  114.    }

  115. }

6. 百度UidGenerator

UidGenerator是百度开源的分布式ID生成器,基于于snowflake算法的实现,看起来感觉还行。不过,国内开源的项目维护性真是担忧。

具体可以参考官网说明:https://github.com/baidu/uid-generator/blob/master/README.zh_cn.md

7. 美团Leaf

Leaf 是美团开源的分布式ID生成器,能保证全局唯一性、趋势递增、单调递增、信息安全,里面也提到了几种分布式方案的对比,但也需要依赖关系数据库、Zookeeper等中间件。

具体可以参考官网说明:https://tech.meituan.com/MT_Leaf.html

小结

这篇文章和大家分享了全局id生成服务的几种常用方案,同时对比了各自的优缺点和适用场景。在实际工作中,大家可以结合自身业务和系统架构体系进行合理选型。



本帐号将持续分享后端技术干货,包括虚拟机基础,多线程编程,高性能框架,异步、缓存和消息中间件,分布式和微服务,架构学习和进阶等学习资料和文章。


以上是关于分布式唯一ID生成的几种方案的主要内容,如果未能解决你的问题,请参考以下文章

text 分布式唯一ID的几种生成方案

分布式唯一ID的几种生成方案

分布式唯一ID生成的几种方案

分布式唯一ID的几种生成方案

游戏服务器生成全局唯一ID的几种方法

游戏服务器生成全局唯一ID的几种方法