带你吃透几种大厂分布式ID设计方案

[[403803]]

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。

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

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

/** 
 * twitter的snowflake算法 -- java实现 
 *  
 * @author beyond 
 * @date 2016/11/26 
 */ 
public class SnowFlake { 
 
    /** 
     * 起始的时间戳 
     */ 
    private final static long START_STMP = 1480166465631L; 
 
    /** 
     * 每一部分占用的位数 
     */ 
    private final static long SEQUENCE_BIT = 12; //序列号占用的位数 
    private final static long MACHINE_BIT = 5;   //机器标识占用的位数 
    private final static long DATACENTER_BIT = 5;//数据中心占用的位数 
 
    /** 
     * 每一部分的最大值 
     */ 
    private final static long MAX_DATACENTER_NUM = -1L ^ (-1L << DATACENTER_BIT); 
    private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT); 
    private final static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT); 
 
    /** 
     * 每一部分向左的位移 
     */ 
    private final static long MACHINE_LEFT = SEQUENCE_BIT; 
    private final static long DATACENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT; 
    private final static long TIMESTMP_LEFT = DATACENTER_LEFT + DATACENTER_BIT; 
 
    private long datacenterId;  //数据中心 
    private long machineId;     //机器标识 
    private long sequence = 0L; //序列号 
    private long lastStmp = -1L;//上一次时间戳 
 
    public SnowFlake(long datacenterId, long machineId) { 
        if (datacenterId > MAX_DATACENTER_NUM || datacenterId < 0) { 
            throw new IllegalArgumentException("datacenterId can't be greater than MAX_DATACENTER_NUM or less than 0"); 
        } 
        if (machineId > MAX_MACHINE_NUM || machineId < 0) { 
            throw new IllegalArgumentException("machineId can't be greater than MAX_MACHINE_NUM or less than 0"); 
        } 
        this.datacenterId = datacenterId; 
        this.machineId = machineId; 
    } 
 
    /** 
     * 产生下一个ID 
     * 
     * @return 
     */ 
    public synchronized long nextId() { 
        long currStmp = getNewstmp(); 
        if (currStmp < lastStmp) { 
            throw new RuntimeException("Clock moved backwards.  Refusing to generate id"); 
        } 
 
        if (currStmp == lastStmp) { 
            //相同毫秒内，序列号自增 
            sequence = (sequence + 1) & MAX_SEQUENCE; 
            //同一毫秒的序列数已经达到最大 
            if (sequence == 0L) { 
                currStmp = getNextMill(); 
            } 
        } else { 
            //不同毫秒内，序列号置为0 
            sequence = 0L; 
        } 
 
        lastStmp = currStmp; 
 
        return (currStmp - START_STMP) << TIMESTMP_LEFT //时间戳部分 
                | datacenterId << DATACENTER_LEFT       //数据中心部分 
                | machineId << MACHINE_LEFT             //机器标识部分 
                | sequence;                             //序列号部分 
    } 
 
    private long getNextMill() { 
        long mill = getNewstmp(); 
        while (mill <= lastStmp) { 
            mill = getNewstmp(); 
        } 
        return mill; 
    } 
 
    private long getNewstmp() { 
        return System.currentTimeMillis(); 
    } 
 
    public static void main(String[] args) { 
        SnowFlake snowFlake = new SnowFlake(2, 3); 
 
        for (int i = 0; i < (1 << 12); i++) { 
            System.out.println(snowFlake.nextId()); 
        } 
 
    } 
} 

测试

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

Spring Boot整合雪花算法

引入hutool-all，maven依赖引入如下：

<dependencies> 
    <dependency> 
        <groupId>cn.hutool</groupId> 
        <artifactId>hutool-all</artifactId> 
        <version>5.4.2</version> 
    </dependency> 
    <dependency> 
        <groupId>org.springframework.boot</groupId> 
        <artifactId>spring-boot-starter-web</artifactId> 
        <version>2.2.1.RELEASE</version> 
    </dependency> 
    <dependency> 
        <groupId>org.projectlombok</groupId> 
        <artifactId>lombok</artifactId> 
        <version>1.18.16</version> 
    </dependency> 
</dependencies> 

创建一个SnowFlake配置类

@Configuration 
public class SnowFlakeConfig { 
    @Value("${application.datacenterId}") 
    private Long datacenterId; 
    @Value("${application.workerId}") 
    private Long workerId; 
 
    /*** 
     * 注入一个生成雪花ID的对象 
     * @return 
     */ 
    @Bean 
    public Snowflake snowflake() { 
        return new Snowflake(workerId,datacenterId); 
    } 
} 

yml配置文件：

application: 
  datacenterId: 2 
  workerId: 1 
server: 
  port: 7777 

service 层：

@Service 
public class OrderService { 
    @Autowired 
    private Snowflake snowflake; 
 
    public String getIdBySnowFlake() { 
        return String.valueOf(snowflake.nextId()); 
    } 
} 

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