分布式 ID 生成器如何选择？

2019-08-22 16:28:41 浏览数 (1)

主键 ID 的分类

  • 业务主键：在数据库表中把具有业务逻辑含义的字段作为主键，称为“自然主键(Natural Key)”。例如：身份证号，手机号
  • 逻辑主键：在数据库表中采用一个与当前表中逻辑信息无关的字段作为其主键，称为“代理主键”。例如：MySQL的自增 id，Oracle 的序列
  • 复合主键：两个或者多个字段的组合作为主键。比如：（id，order_no）

下面是几种常见主键 ID 生成方法的优缺点

UUID（字符串）

UUID(Universally Unique Identifier)的标准型式包含32个16进制数字，以“-”连接符分为五段，形式为8-4-4-4-12的36个字符。

  • 优点：

全局唯一性，可作为分布式 ID

性能非常高：Java 本地方法生成，无依赖，无网络消耗

  • 缺点：

ID 作为数据库表的主键时，UUID 就非常不适用。建议主键要尽量越短越好。

UUID 生成的主键 id 本身无序，建立索引存储空间大，效率低，可能会导致数据位置频繁变动，严重影响索引性能。

UUID 生成的 ID 太长，16 byte128 bit，通常以 36 长度的字符串表示，很多场景不太适用，存储空间大。

自增 ID （序列）

MySQL数据库自增 id（oracle序列）实际使用的场景很多，因为其使用简单方便。

  • 优点：

自增 ID（序列）对于表唯一性，如果需要作为分布式系统的 ID，采用不同起始值，相同步长方式自增

性能好，有序性，存储空间小，适合建索引

  • 缺点：

依赖数据库本身

自增 ID（序列）可能被用完

不适合分布式系统

Twitter 开源的分布式 ID 生成方案（Long）

由于我们的数据库在生产环境中要分片部署(MyCat)，所以我们不能使用数据库本身的自增功能来产生主键值，只能由程序来生成唯一的主键值。我们采用的是开源的 twitter( 非官方中文惯称：推特，是国外的一个网站，是一个社交网络及微博客服务) 的 snowflake (雪花)算法，即是“1 41 10 12”bit 组合的方式组装 ID 号。

默认情况下 41 bit 的时间戳可以支持该算法使用到 2082 年，10 bit 的工作机器id可以支持 1024 台机器，序列号支持 1 毫秒产生 4096 个自增序列 id。SnowFlake 的优点是，整体上按照时间自增排序，并且整个分布式系统内不会产生 ID 碰撞(由数据中心 ID 和机器 ID 作区分)，并且效率较高，经测试，SnowFlake 每秒能够产生 26 万 ID 左右。

实现代码如下：

代码语言：javascript复制
 
package cn.giserway.helloworld.util
 
import java.lang.management.ManagementFactory;
import java.net.InetAddress;
import java.net.NetworkInterface;
 
/**
 * <p>名称：IdWorker.java</p>
 * <p>描述：分布式自增长ID</p>
 * <pre>
 *     Twitter的 Snowflake　JAVA实现方案
 * </pre>
 * 核心代码为其IdWorker这个类实现，其原理结构如下，我分别用一个0表示一位，用—分割开部分的作用：
 * 1||0---0000000000 0000000000 0000000000 0000000000 0 --- 00000 ---00000 ---000000000000
 * 在上面的字符串中，第一位为未使用（实际上也可作为long的符号位），接下来的41位为毫秒级时间，
 * 然后5位datacenter标识位，5位机器ID（并不算标识符，实际是为线程标识），
 * 然后12位该毫秒内的当前毫秒内的计数，加起来刚好64位，为一个Long型。
 * 这样的好处是，整体上按照时间自增排序，并且整个分布式系统内不会产生ID碰撞（由datacenter和机器ID作区分），
 * 并且效率较高，经测试，snowflake每秒能够产生26万ID左右，完全满足需要。
 * <p>
 * 64位ID (42(毫秒) 5(机器ID) 5(业务编码) 12(重复累加))
 *
 * @author Polim
 */
public class IdWorker {
    // 时间起始标记点，作为基准，一般取系统的最近时间（一旦确定不能变动）
    private final static long twepoch = 1288834974657L;
    // 机器标识位数
    private final static long workerIdBits = 5L;
    // 数据中心标识位数
    private final static long datacenterIdBits = 5L;
    // 机器ID最大值
    private final static long maxWorkerId = -1L ^ (-1L << workerIdBits);
    // 数据中心ID最大值
    private final static long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);
    // 毫秒内自增位
    private final static long sequenceBits = 12L;
    // 机器ID偏左移12位
    private final static long workerIdShift = sequenceBits;
    // 数据中心ID左移17位
    private final static long datacenterIdShift = sequenceBits   workerIdBits;
    // 时间毫秒左移22位
    private final static long timestampLeftShift = sequenceBits   workerIdBits   datacenterIdBits;
 
    private final static long sequenceMask = -1L ^ (-1L << sequenceBits);
    /* 上次生产id时间戳 */
    private static long lastTimestamp = -1L;
    // 0，并发控制
    private long sequence = 0L;
 
    private final long workerId;
    // 数据标识id部分
    private final long datacenterId;
    // 错误码
    private final long ERROR_CODE = 9999L;
 
    public IdWorker(){
        this.datacenterId = getDatacenterId(maxDatacenterId);
        this.workerId = getMaxWorkerId(datacenterId, maxWorkerId);
    }
    /**
     * @param workerId
     *            工作机器ID
     * @param datacenterId
     *            序列号
     */
    public IdWorker(long workerId, long datacenterId) {
        if (workerId > maxWorkerId || workerId < 0) {
            throw new IllegalArgumentException(String.format("worker Id can't be greater than %d or less than 0", maxWorkerId));
        }
        if (datacenterId > maxDatacenterId || datacenterId < 0) {
            throw new IllegalArgumentException(String.format("datacenter Id can't be greater than %d or less than 0", maxDatacenterId));
        }
        this.workerId = workerId;
        this.datacenterId = datacenterId;
    }
    /**
     * 获取下一个ID
     *
     * @return
     */
    public synchronized long nextId() {
        long timestamp = timeGen();
        //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
        if (timestamp < lastTimestamp) {
            // throw new RuntimeException(String.format("Clock moved backwards.  Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));
            return ERROR_CODE;
        }
 
        if (lastTimestamp == timestamp) {
            // 当前毫秒内，则 1
            sequence = (sequence   1) & sequenceMask;
            if (sequence == 0) {
                // 当前毫秒内计数满了，则等待下一秒
                timestamp = tilNextMillis(lastTimestamp);
            }
        } else {
            sequence = 0L;
        }
        lastTimestamp = timestamp;
        // ID偏移组合生成最终的ID，并返回64位ID
        long nextId = ((timestamp - twepoch) << timestampLeftShift)
                | (datacenterId << datacenterIdShift)
                | (workerId << workerIdShift) | sequence;
 
        return nextId;
    }
 
    /**
     * 阻塞到下一个毫秒，直到获得新的时间戳
     * @param lastTimestamp 上次生成ID的时间截
     * @return 当前时间戳
     */
    private long tilNextMillis(final long lastTimestamp) {
        long timestamp = this.timeGen();
        while (timestamp <= lastTimestamp) {
            timestamp = this.timeGen();
        }
        return timestamp;
    }
 
    /**
     * 返回以毫秒为单位的当前时间
     * @return 当前时间(毫秒)
     */
    private long timeGen() {
        return System.currentTimeMillis();
    }
 
    /**
     * <p>
     * 获取 maxWorkerId
     * </p>
     */
    protected static long getMaxWorkerId(long datacenterId, long maxWorkerId) {
        StringBuffer mpid = new StringBuffer();
        mpid.append(datacenterId);
        String name = ManagementFactory.getRuntimeMXBean().getName();
        if (!name.isEmpty()) {
         /*
          * GET jvmPid
          */
            mpid.append(name.split("@")[0]);
        }
      /*
       * MAC   PID 的 hashcode 获取16个低位
       */
        return (mpid.toString().hashCode() & 0xffff) % (maxWorkerId   1);
    }
 
    /**
     * <p>
     * 数据标识id部分
     * </p>
     */
    protected static long getDatacenterId(long maxDatacenterId) {
        long id = 0L;
        try {
            InetAddress ip = InetAddress.getLocalHost();
            NetworkInterface network = NetworkInterface.getByInetAddress(ip);
            if (network == null) {
                id = 1L;
            } else {
                byte[] mac = network.getHardwareAddress();
                id = ((0x000000FF & (long) mac[mac.length - 1])
                        | (0x0000FF00 & (((long) mac[mac.length - 2]) << 8))) >> 6;
                id = id % (maxDatacenterId   1);
            }
        } catch (Exception e) {
            // System.out.println(" getDatacenterId: "   e.getMessage());
        }
        return id;
    }
 
 
}
  • 优点：

有序递增

全局唯一性，可作为分布式 ID

不依赖第三方 jar，本地方法实现，效率非常高

  • 缺点：

依赖服务器时间，如果服务器时间回拨，会导致生成的 id 重复或者服务会处于不可用状态。

时间回拨导致生成 ID 失败的解决方案：

  1. 可以通过替换 workerId 避免
  2. 由于强依赖时钟，对时间的要求比较敏感，在机器工作时 NTP 同步也会造成秒级别的回退，建议可以直接关闭 NTP 同步。
  3. 重试机制，等时钟追上即可。代码如下：
代码语言：javascript复制
while(true) {
    // 获取分布式 id
    long id = idWorker.nextId();
    if（ERROR_CODE.equals(id)）{
        continue;
    }
    break;
}
代码语言：javascript复制
//如果发生时间回拨
if (timestamp < lastTimestamp) {
          
    long offset = lastTimestamp - timestamp;
    if (offset <= 5) {
        try {
            //时间偏差大小小于5ms，则等待两倍时间
            wait(offset << 1);//wait
            timestamp = timeGen();
            if (timestamp < lastTimestamp) {
                //还是小于，抛异常并上报
                throwClockBackwardsEx(timestamp);
            }    
        } catch (InterruptedException e) {  
                   throw  e;
        }
    } else {
                //throw
        throwClockBackwardsEx(timestamp);
    }
}

小结

可以根据业务需求选择合适的高效的 id 生成策略。作分布式 id 生成策略的优先级：UUID < 自增 ID（序列）< snowflake 算法 ID。

  • 从是否依赖第三方系统看：UUID 和 snowflake ID 本身就不依赖，自增 ID（序列）依赖数据库自身特性
  • 从是否具有唯一性俩看：UUID 和 snowflake ID 本身就实现了全局唯一，自增 ID（序列）局部唯一（也可以实现全局唯一）
  • 从是否高可用、高效：都挺高可用，高效的，数据库自增 ID（序列）依赖数据库的高可用
  • 从存储性能来看：snowflake ID 和 自增 ID（序列）相对于 UUID 存储空间小，效率高
  • 从主键索引大小和效率来看：snowflake ID 和 自增 ID（序列）相当，UUID 索引相对较大，效率低

综上所述：snowflake 算法生成分布式 ID 是一个不错的选择。

分布式 编程算法 数据库 ntp 云数据库SQLServer

0 人点赞