事故复盘：订单ID被我们搞重复了！

[[428490]]

介绍

在很多业务系统中，我们经常会遇到生成全局唯一的分布式ID的需求，如IM系统，订单系统等。那么生成全局唯一的分布式ID的方法有哪些呢?

UUID

// 3eece1c6-5b57-4bce-a306-6c49e44a1f90 
UUID.randomUUID().toString() 

「本地生成，生成速度快，但识别性差，没有顺序性」

可以用来标识图片等，不能用作数据库主键

数据库自增主键

「我们原来刚开始做IM系统的时候就单独建了一个表来获取自增id作为消息的ID」，单独开一张表来获取自增id也不会影响对消息分库分表

Zookeeper

「每次要生成一个新Id时，创建一个持久顺序节点，创建操作返回的节点序号，即为新Id，然后把比自己节点小的删除即可」

这种方式能生成的Id比较少，因为数字位数比较少

Redis

「用incr命令即可实现」

设置一个key为userId，值为0，每次获取userId的时候，对userId加1再获取

set userId 0 
incr usrId //返回1 

每获取一次id都会和redis有一个网络交互的过程，因此可以改进为如下形式

直接获取一段userId的最大值，缓存到本地慢慢累加，快到了userId的最大值时，再去获取一段，一个用户服务宕机了，也顶多一小段userId没有用到

set userId 0 
incr usrId //返回1 
incrby userId 1000 //返回10001 

雪花算法

「雪花算法是最常见的解决方案，满足全局唯一，趋势递增，因此可以用来作为数据库主键」

雪花算法是由Twitter公布的分布式主键生成算法，它能够保证不同进程主键的不重复性，以及相同进程主键的有序性。

在同一个进程中，它首先是通过时间位保证不重复，如果时间相同则是通过序列位保证。同时由于时间位是单调递增的，且各个服务器如果大体做了时间同步，那么生成的主键在分布式环境可以认为是总体有序的，这就保证了对索引字段的插入的高效性。例如MySQL的Innodb存储引擎的主键。

使用雪花算法生成的主键，二进制表示形式包含4部分，从高位到低位分表为：1bit符号位、41bit时间戳位、10bit工作进程位以及12bit序列号位。

「符号位(1bit)」

预留的符号位，恒为零。

「时间戳位(41bit)」

41位的时间戳可以容纳的毫秒数是2的41次幂，一年所使用的毫秒数是：365 * 24 * 60 * 60 * 1000。通过计算可知：

Math.pow(2, 41) / (365 * 24 * 60 * 60 * 1000L); 

结果约等于69.73年。ShardingSphere的雪花算法的时间纪元从2016年11月1日零点开始，可以使用到2086年，相信能满足绝大部分系统的要求。

「工作进程位(10bit)」

该标志在Java进程内是唯一的，如果是分布式应用部署应保证每个工作进程的id是不同的。该值默认为0，可通过属性设置。

「一般情况这10bit会拆分为2个5bit」

前5个bit代表机房id，最多代表 2 ^ 5 个机房(32 个机房) 后5个bit代表机器id，每个机房里可以代表 2 ^ 5 个机器(32 台机器)

「因此这个服务最多可以部署在 2^10 台机器上，也就是1024台机器」

「序列号位(12bit)」

该序列是用来在同一个毫秒内生成不同的ID。如果在这个毫秒内生成的数量超过4096(2的12次幂)，那么生成器会等待到下个毫秒继续生成。

理解了实现思路，我们来把算法实现一遍

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(); 
        // 发生时钟回拨 
        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()); 
        } 
 
    } 
} 

「这端代码将workerid分为datacenterId和machineId，如果我们业务上不需要做区分的话，直接使用10位的workerid即可。」

workerid生成

我们可以通过zookeeper的有序节点保证id的全局唯一性，比如我通过以下命令创建一个永久有序节点

# 创建一个根节点 
create  /test '' 
# 创建永久有序节点 
create -s /test/ip-port- '' 
# 返回 Created /test/ip-port-0000000000 

「ip和port可以为应用的ip和port，规则你来定，别重复就行」

其中/test/ip-port-0000000000中的0000000000就是我们的workerid

说一个我们原来生产环境遇到的一个workerid重复的问题，生成workid的方式那叫一个简洁

// uid为zookeeper中的一个有序持久节点 
List<String> pidListNode = zkClient.getChildren("uid"); 
String workerId = String.valueOf(pidListNode.size()); 
zkClient.create("uid", new byte[0], CreateMode.PERSISTENT_SEQUENTIAL); 

「你能看出来这段代码为什么会造成workid重复吗?」

它把uid子节点的数量作为workid，当2个应用同时执行到第一行代码时，子节点数量是一样的，得到的workerId就会重复。

有意思的是这段代码跑了好几年都没有问题，直到运维把应用的发版效率提高了一点，线上就开始报错了。因为刚开始应用是串行发版，后来改为并行发版

「当使用雪花算法的时候，有可能发生时钟回拨，建议使用开源的框架，如美团的Leaf。」

雪花算法在很多中间件中都被使用过，如seata用来生成全局唯一的事务id

本文转载自微信公众号「Java识堂」，作者李立敏。转载本文请联系Java识堂公众号。