带你吃透几种大厂分布式ID设计方案

带你吃透几种大厂分布式id设计方案

作者：无聊 2021-06-04 20:09:19
网络
通信技术
分布式 最近公司在扩招后端高级开发，有幸成为面试官之一，其中问的最多一个问题就是分布式ID的几种解决方案，不客气的说前身小公司的开发答得完整的很少。

创新互联公司坚持“要么做到，要么别承诺”的工作理念，服务领域包括：成都网站建设、成都做网站、企业官网、英文网站、手机端网站、网站推广等服务，满足客户于互联网时代的元江县网站设计、移动媒体设计的需求，帮助企业找到有效的互联网解决方案。努力成为您成熟可靠的网络建设合作伙伴！

本文转载自微信公众号「无聊学Java」，作者无聊。转载本文请联系无聊学Java公众号。

前言

最近公司在扩招后端高级开发，有幸成为面试官之一，其中问的最多一个问题就是分布式ID的几种解决方案，不客气的说前身小公司的开发答得完整的很少。

于是就抽出了周末的时间整理了几种主流的分布式ID生成方案，希望能够帮助到你们。

开篇几个问题

1. 为什么需要分布式全局唯一ID以及分布式ID的业务需求

在复杂分布式系统中，往往需要对大量的数据和消息进行唯一标识。

  • 如在美团点评的金融、支付、餐饮、酒店等业务场景
  • 猫眼电影等产品的系统中数据日渐增长，对数据分库分表后需要有一个唯一ID来表示一条数据或者消息。
  • 特别一点的如订单、骑手、优惠劵也都需要一个唯一ID做为标识。

此时一个能生成唯一ID的系统是非常必要的。

2. ID生成规则部分硬性要求

  • 全局唯一：既然是唯一标识，那么全局唯一是最基本的要求。
  • 趋势递增：在MySQL的InnoDB引擎中使用的是聚集索引，由于多数RDBMS使用Btree的数据结构来存储索引数据，在主键的选择上面我们应该尽量使用有序的主键来保证写入性能。
  • 单调递增：保证下一个ID一定大于上一个ID，例如事务版本号、IM增量消息、排序等特殊需求。
  • 信息安全：如果ID是连续的，那么恶意用户的扒取工作就非常容易做了，直接按照顺序下载指定URL即可;如果是订单号那么更加危险，竞争对手可以知道我们一天的单量;所以在一些应用场景下，需要ID无规则不规则，让竞争对手不好猜。
  • 含时间戳：这样就能在开发中快速了解这个分布式ID的生成时间。

3. ID生成系统的可用性要求

  • 高可用：发一个获取分布式ID的请求，服务器就要保证99.999%的情况下给我创建一个唯一分布式ID
  • 低延迟：发一个获取分布式ID的请求，服务器就要快，极速
  • 高QPS：假如并发一口气10万个创建分布式ID请求同时过来，服务器需要顶得住且成功创建10万个分布式ID

通用的几种方案

随着系统架构以及业务的演变，分布式ID生成也是有N中解决方案，以下就简单的列举几种。

1. UUID

这种方案估计大家都了解，最简单的一种方案。

  
 
 
 
    
   
  
  
  
  1. public static void main(String[] args) { 
    2.    
  
  
  
  2.     String uuid = UUID.randomUUID().toString(); 
    3.    
  
  
  
  3.     System.out.println(uuid); 
    4.    
  
  
  
  4. } 
    5.

如果只是考虑唯一性，那么UUID基本可以满足需求。

缺点

  • 无序：无法预测他的生成顺序，不能生成递增有序的数字
  • 主键：ID作为主键时在特定的环境下会存在一些问题，比如做DB主键的场景下，UUID非常不适用，MySQL官方有明确的建议主键要尽量越短越好，36位的UUID不合要求。
  • 索引：会导致B+树索引的分裂。

2. 数据库自增主键

此种方案有一定的局限性，在高并发集群上此策略不可用。

3. 基于Redis生成全局ID策略

  • 因为Redis是单线程，天生保证原子性，所以可以使用INCR和INCRBY来实现。
  • 集群分布式

在Redis集群下，同样和MySQL一样需要设置不同的增长步数，同时key需要设置有效期;可以使用Redis集群来获取更高的吞吐量;假如一个集群中有五个Redis，那么初始化每台Redis步长分别是1，2，3，4，5，然后步长都是5。

4. snowflake(雪花算法)

  • 推特的雪花算法生成ID能够按照时间有序生成。
  • 雪花算法生成ID的结果是一个64bit大小的整数，为一个Long型(转换为字符串后长度最多19)
  • 分布式系统内不会产生ID碰撞(由datecenter和workerId作区分)，并且效率较高。

结构

雪花算法的几个核心组成部分如下图：

号段解析

  • 1bit符号位：不用，因为二进制最高位是符号位，1表示负数，0表示正数，生成的id一般都是用正数，所以最高位固定位0
  • 41bit时间戳，用于记录时间戳，毫秒级
    • 41位可以表示2^41 - 1个数字
    • 如果只用来表示正整数(计算机正数包含0)，可以表示的数值范围是0-2^41 - 1，减一是因为可表示的数值范围是从0开始算的，而不是1
    • 也就是说41位可以表示2^41 - 1个毫秒的值，转换为单位年则是69年。
  • 10bit工作进程位，用于记录工作机器id
    • 可以部署在2^10 = 1024个节点，包括五位datacenterId和五位workerId
    • 五位可以表示的最大整数位2^5 - 1 = 31，即可以使用0，1，2…31这32个数字来表示不同的datacenterId和workerId
  • 12bit序列号，序列号，用来记录同毫秒内 产生的不同的ID
    • 12bit可以表示的最大正整数位2^12 - 1 = 4095，即可以表示0，1….4094这4095个数字
    • 表示同一机器同一时间戳(毫秒)中产生的4095个ID序号

优点

  • 所有生成的id按时间趋势递增
  • 整个分布式内不会产生重复id，因为有datacenterId和workerId来做区分。
  • 毫秒数在高位，自增序列在低位，整个ID都是趋势递增的
  • 不依赖数据库、redis等第三方系统，以服务的方式部署，稳定性更高，生成ID的性能也是非常高的。
  • 可以根据自身业务分配bit位，非常灵活。

缺点

  • 依赖机器时钟，如果机器时钟回退，会导致重复ID生成
  • 在单机上是递增的，但是由于设计到分布式环境，每台机器上的时钟不可能完全同步，有时候会出现不是全局递增的情况。(此缺点可以认为芜锁胃，一般分布式ID只要求趋势递增，并不会严格要求递增，90%的需求都只需要趋势递增)

源码

  
 
 
 
    
   
  
  
  
  1. /** 
    2.    
  
  
  
  2.  * twitter的snowflake算法 -- java实现 
    3.    
  
  
  
  3.  *  
    4.    
  
  
  
  4.  * @author beyond 
    5.    
  
  
  
  5.  * @date 2016/11/26 
    6.    
  
  
  
  6.  */ 
    7.    
  
  
  
  7. public class SnowFlake { 
    8.    
  
  
  
  8.  
    9.    
  
  
  
  9.     /** 
    10.    
  
  
  
  10.      * 起始的时间戳 
    11.    
  
  
  
  11.      */ 
    12.    
  
  
  
  12.     private final static long START_STMP = 1480166465631L; 
    13.    
  
  
  
  13.  
    14.    
  
  
  
  14.     /** 
    15.    
  
  
  
  15.      * 每一部分占用的位数 
    16.    
  
  
  
  16.      */ 
    17.    
  
  
  
  17.     private final static long SEQUENCE_BIT = 12; //序列号占用的位数 
    18.    
  
  
  
  18.     private final static long MACHINE_BIT = 5;   //机器标识占用的位数 
    19.    
  
  
  
  19.     private final static long DATACENTER_BIT = 5;//数据中心占用的位数 
    20.    
  
  
  
  20.  
    21.    
  
  
  
  21.     /** 
    22.    
  
  
  
  22.      * 每一部分的最大值 
    23.    
  
  
  
  23.      */ 
    24.    
  
  
  
  24.     private final static long MAX_DATACENTER_NUM = -1L ^ (-1L << DATACENTER_BIT); 
    25.    
  
  
  
  25.     private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT); 
    26.    
  
  
  
  26.     private final static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT); 
    27.    
  
  
  
  27.  
    28.    
  
  
  
  28.     /** 
    29.    
  
  
  
  29.      * 每一部分向左的位移 
    30.    
  
  
  
  30.      */ 
    31.    
  
  
  
  31.     private final static long MACHINE_LEFT = SEQUENCE_BIT; 
    32.    
  
  
  
  32.     private final static long DATACENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT; 
    33.    
  
  
  
  33.     private final static long TIMESTMP_LEFT = DATACENTER_LEFT + DATACENTER_BIT; 
    34.    
  
  
  
  34.  
    35.    
  
  
  
  35.     private long datacenterId;  //数据中心 
    36.    
  
  
  
  36.     private long machineId;     //机器标识 
    37.    
  
  
  
  37.     private long sequence = 0L; //序列号 
    38.    
  
  
  
  38.     private long lastStmp = -1L;//上一次时间戳 
    39.    
  
  
  
  39.  
    40.    
  
  
  
  40.     public SnowFlake(long datacenterId, long machineId) { 
    41.    
  
  
  
  41.         if (datacenterId > MAX_DATACENTER_NUM || datacenterId < 0) { 
    42.    
  
  
  
  42.             throw new IllegalArgumentException("datacenterId can't be greater than MAX_DATACENTER_NUM or less than 0"); 
    43.    
  
  
  
  43.         } 
    44.    
  
  
  
  44.         if (machineId > MAX_MACHINE_NUM || machineId < 0) { 
    45.    
  
  
  
  45.             throw new IllegalArgumentException("machineId can't be greater than MAX_MACHINE_NUM or less than 0"); 
    46.    
  
  
  
  46.         } 
    47.    
  
  
  
  47.         this.datacenterId = datacenterId; 
    48.    
  
  
  
  48.         this.machineId = machineId; 
    49.    
  
  
  
  49.     } 
    50.    
  
  
  
  50.  
    51.    
  
  
  
  51.     /** 
    52.    
  
  
  
  52.      * 产生下一个ID 
    53.    
  
  
  
  53.      * 
    54.    
  
  
  
  54.      * @return 
    55.    
  
  
  
  55.      */ 
    56.    
  
  
  
  56.     public synchronized long nextId() { 
    57.    
  
  
  
  57.         long currStmp = getNewstmp(); 
    58.    
  
  
  
  58.         if (currStmp < lastStmp) { 
    59.    
  
  
  
  59.             throw new RuntimeException("Clock moved backwards.  Refusing to generate id"); 
    60.    
  
  
  
  60.         } 
    61.    
  
  
  
  61.  
    62.    
  
  
  
  62.         if (currStmp == lastStmp) { 
    63.    
  
  
  
  63.             //相同毫秒内，序列号自增 
    64.    
  
  
  
  64.             sequence = (sequence + 1) & MAX_SEQUENCE; 
    65.    
  
  
  
  65.             //同一毫秒的序列数已经达到最大 
    66.    
  
  
  
  66.             if (sequence == 0L) { 
    67.    
  
  
  
  67.                 currStmp = getNextMill(); 
    68.    
  
  
  
  68.             } 
    69.    
  
  
  
  69.         } else { 
    70.    
  
  
  
  70.             //不同毫秒内，序列号置为0 
    71.    
  
  
  
  71.             sequence = 0L; 
    72.    
  
  
  
  72.         } 
    73.    
  
  
  
  73.  
    74.    
  
  
  
  74.         lastStmp = currStmp; 
    75.    
  
  
  
  75.  
    76.    
  
  
  
  76.         return (currStmp - START_STMP) << TIMESTMP_LEFT //时间戳部分 
    77.    
  
  
  
  77.                 | datacenterId << DATACENTER_LEFT       //数据中心部分 
    78.    
  
  
  
  78.                 | machineId << MACHINE_LEFT             //机器标识部分 
    79.    
  
  
  
  79.                 | sequence;                             //序列号部分 
    80.    
  
  
  
  80.     } 
    81.    
  
  
  
  81.  
    82.    
  
  
  
  82.     private long getNextMill() { 
    83.    
  
  
  
  83.         long mill = getNewstmp(); 
    84.    
  
  
  
  84.         while (mill <= lastStmp) { 
    85.    
  
  
  
  85.             mill = getNewstmp(); 
    86.    
  
  
  
  86.         } 
    87.    
  
  
  
  87.         return mill; 
    88.    
  
  
  
  88.     } 
    89.    
  
  
  
  89.  
    90.    
  
  
  
  90.     private long getNewstmp() { 
    91.    
  
  
  
  91.         return System.currentTimeMillis(); 
    92.    
  
  
  
  92.     } 
    93.    
  
  
  
  93.  
    94.    
  
  
  
  94.     public static void main(String[] args) { 
    95.    
  
  
  
  95.         SnowFlake snowFlake = new SnowFlake(2, 3); 
    96.    
  
  
  
  96.  
    97.    
  
  
  
  97.         for (int i = 0; i < (1 << 12); i++) { 
    98.    
  
  
  
  98.             System.out.println(snowFlake.nextId()); 
    99.    
  
  
  
  99.         } 
    100.    
  
  
  
  100.  
    101.    
  
  
  
  101.     } 
    102.    
  
  
  
  102. } 
    103.

测试

  
 
 
 
    
   
  
  
  
  1. //测试使用雪花算法生成ID 
    2.    
  
  
  
  2. //构造函数中传入datacenterId和workerId 
    3.    
  
  
  
  3. SnowFlake snowFlake = new SnowFlake(1,1); 
    4.    
  
  
  
  4. for (int i = 0; i < 10; i++) { 
    5.    
  
  
  
  5.     long id = snowFlake.nextId(); 
    6.    
  
  
  
  6.     System.out.println("id：" + id + "\t" + String.valueOf(id).length() + "位"); 
    7.    
  
  
  
  7.     System.out.println("------------------------------------------"); 
    8.    
  
  
  
  8. } 
    9.

Spring Boot整合雪花算法

引入hutool-all，maven依赖引入如下：

  
 
 
 
    
   
  
  
  
  1.  
    2.    
  
  
  
  2.      
    3.    
  
  
  
  3.         cn.hutool 
    4.    
  
  
  
  4.         hutool-all 
    5.    
  
  
  
  5.         5.4.2 
    6.    
  
  
  
  6.      
    7.    
  
  
  
  7.      
    8.    
  
  
  
  8.         org.springframework.boot 
    9.    
  
  
  
  9.         spring-boot-starter-web 
    10.    
  
  
  
  10.         2.2.1.RELEASE 
    11.    
  
  
  
  11.      
    12.    
  
  
  
  12.      
    13.    
  
  
  
  13.         org.projectlombok 
    14.    
  
  
  
  14.         lombok 
    15.    
  
  
  
  15.         1.18.16 
    16.    
  
  
  
  16.      
    17.    
  
  
  
  17.  
    18.

创建一个SnowFlake配置类

  
 
 
 
    
   
  
  
  
  1. @Configuration 
    2.    
  
  
  
  2. public class SnowFlakeConfig { 
    3.    
  
  
  
  3.     @Value("${application.datacenterId}") 
    4.    
  
  
  
  4.     private Long datacenterId; 
    5.    
  
  
  
  5.     @Value("${application.workerId}") 
    6.    
  
  
  
  6.     private Long workerId; 
    7.    
  
  
  
  7.  
    8.    
  
  
  
  8.     /*** 
    9.    
  
  
  
  9.      * 注入一个生成雪花ID的对象 
    10.    
  
  
  
  10.      * @return 
    11.    
  
  
  
  11.      */ 
    12.    
  
  
  
  12.     @Bean 
    13.    
  
  
  
  13.     public Snowflake snowflake() { 
    14.    
  
  
  
  14.         return new Snowflake(workerId,datacenterId); 
    15.    
  
  
  
  15.     } 
    16.    
  
  
  
  16. } 
    17.

yml配置文件：

  
 
 
 
    
   
  
  
  
  1. application: 
    2.    
  
  
  
  2.   datacenterId: 2 
    3.    
  
  
  
  3.   workerId: 1 
    4.    
  
  
  
  4. server: 
    5.    
  
  
  
  5.   port: 7777 
    6.

service 层：

  
 
 
 
    
   
  
  
  
  1. @Service 
    2.    
  
  
  
  2. public class OrderService { 
    3.    
  
  
  
  3.     @Autowired 
    4.    
  
  
  
  4.     private Snowflake snowflake; 
    5.    
  
  
  
  5.  
    6.    
  
  
  
  6.     public String getIdBySnowFlake() { 
    7.    
  
  
  
  7.         return String.valueOf(snowflake.nextId()); 
    8.    
  
  
  
  8.     } 
    9.    
  
  
  
  9. } 
    10.

其他开源的解决方案

很多大厂都对雪花算法做出了改进，开源了一些改进方案，如下：

  • 百度开源的分布式唯一ID生成器UidGenerator
  • Leaf–美团点评分布式ID生成系统

分享标题：带你吃透几种大厂分布式ID设计方案
当前网址：http://www.mswzjz.com/qtweb/news48/170098.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联

猜你还喜欢下面的内容

网站收录知识

同城分类信息

网络整合营销　　 　证企宝企业服务　　 　食品包装设计　　 　成都微商城开发　　 　店面门头广告　　 　SSL证书　　 　成都网站制作　　 　四川成都网站制作　　 　广安网站设计　　 　乐山服务器托管　　 　网站建设方案　　 　网站ssl证书　　 　百度关键词排名　　 　成都发电机维修　　 　化妆品企业网站建设方案　　 　网络营销推广　　 　手机微信网站　　 　成都做网站　　 　成都防护栏　　 　成都网站排名