9种分布式ID生成方式

我不是女神ヾ 2023-10-05 09:28 37阅读 0赞

> 本文来源转载，

一、为什么要用分布式ID？  
在说分布式ID的具体实现之前，我们来简单分析一下为什么用分布式ID？分布式ID应该满足哪些特征？

1、什么是分布式ID？  
拿MySQL数据库举个栗子：

在我们业务数据量不大的时候，单库单表完全可以支撑现有业务，数据再大一点搞个MySQL主从同步读写分离也能对付。

但随着数据日渐增长，主从同步也扛不住了，就需要对数据库进行分库分表，但分库分表后需要有一个唯一ID来标识一条数据，数据库的自增ID显然不能满足需求；特别一点的如订单、优惠券也都需要有唯一ID做标识。此时一个能够生成全局唯一ID的系统是非常必要的。那么这个全局唯一ID就叫分布式ID。

2、那么分布式ID需要满足哪些条件？  
全局唯一：必须保证ID是全局性唯一的，基本要求  
高性能：高可用低延时，ID生成响应要快，否则反倒会成为业务瓶颈  
高可用：100%的可用性是骗人的，但是也要无限接近于100%的可用性  
好接入：要秉着拿来即用的设计原则，在系统设计和实现上要尽可能的简单  
趋势递增：最好趋势递增，这个要求就得看具体业务场景了，一般不严格要求

二、 分布式ID都有哪些生成方式？  
今天主要分析一下以下9种，分布式ID生成器方式以及优缺点：

UUID  
数据库自增ID  
数据库多主模式  
号段模式  
Redis  
雪花算法（SnowFlake）  
滴滴出品（TinyID）  
百度 （Uidgenerator）  
美团（Leaf）  
那么它们都是如何实现？以及各自有什么优缺点？我们往下看  
一口气说出 9种 分布式ID生成方式，面试官有点懵了

1、基于UUID  
在Java的世界里，想要得到一个具有唯一性的ID，首先被想到可能就是UUID，毕竟它有着全球唯一的特性。那么UUID可以做分布式ID吗？答案是可以的，但是并不推荐！

public static void main(String\[\] args) \{  
String uuid = UUID.randomUUID().toString().replaceAll("-","");  
System.out.println(uuid);  
\}  
UUID的生成简单到只有一行代码，输出结果 c2b8c2b9e46c47e3b30dca3b0d447718，但UUID却并不适用于实际的业务需求。像用作订单号UUID这样的字符串没有丝毫的意义，看不出和订单相关的有用信息；而对于数据库来说用作业务主键ID，它不仅是太长还是字符串，存储性能差查询也很耗时，所以不推荐用作分布式ID。

优点：

生成足够简单，本地生成无网络消耗，具有唯一性

缺点：

无序的字符串，不具备趋势自增特性  
没有具体的业务含义  
长度过长16 字节128位，36位长度的字符串，存储以及查询对MySQL的性能消耗较大，MySQL官方明确建议主键要尽量越短越好，作为数据库主键 UUID 的无序性会导致数据位置频繁变动，严重影响性能。

2、基于数据库自增ID  
基于数据库的auto\_increment自增ID完全可以充当分布式ID，具体实现：需要一个单独的MySQL实例用来生成ID，建表结构如下：

CREATE DATABASE `SEQ_ID`;  
CREATE TABLE SEQID.SEQUENCE\_ID (  
id bigint(20) unsigned NOT NULL auto\_increment,  
value char(10) NOT NULL default ‘’,  
PRIMARY KEY (id),  
) ENGINE=MyISAM;  
insert into SEQUENCE\_ID(value) VALUES (‘values’);  
当我们需要一个ID的时候，向表中插入一条记录返回主键ID，但这种方式有一个比较致命的缺点，访问量激增时MySQL本身就是系统的瓶颈，用它来实现分布式服务风险比较大，不推荐！

优点：

实现简单，ID单调自增，数值类型查询速度快

缺点：

DB单点存在宕机风险，无法扛住高并发场景

3、基于数据库集群模式  
前边说了单点数据库方式不可取，那对上边的方式做一些高可用优化，换成主从模式集群。害怕一个主节点挂掉没法用，那就做双主模式集群，也就是两个Mysql实例都能单独的生产自增ID。

那这样还会有个问题，两个MySQL实例的自增ID都从1开始，会生成重复的ID怎么办？

解决方案：设置起始值和自增步长

MySQL\_1 配置：

set @@auto\_increment\_offset = 1; – 起始值  
set @@auto\_increment\_increment = 2; – 步长  
MySQL\_2 配置：

set @@auto\_increment\_offset = 2; – 起始值  
set @@auto\_increment\_increment = 2; – 步长  
这样两个MySQL实例的自增ID分别就是：

1、3、5、7、9

2、4、6、8、10

那如果集群后的性能还是扛不住高并发咋办？就要进行MySQL扩容增加节点，这是一个比较麻烦的事。

一口气说出 9种 分布式ID生成方式，面试官有点懵了

从上图可以看出，水平扩展的数据库集群，有利于解决数据库单点压力的问题，同时为了ID生成特性，将自增步长按照机器数量来设置。

增加第三台MySQL实例需要人工修改一、二两台MySQL实例的起始值和步长，把第三台机器的ID起始生成位置设定在比现有最大自增ID的位置远一些，但必须在一、二两台MySQL实例ID还没有增长到第三台MySQL实例的起始ID值的时候，否则自增ID就要出现重复了，必要时可能还需要停机修改。

优点：

解决DB单点问题

缺点：

不利于后续扩容，而且实际上单个数据库自身压力还是大，依旧无法满足高并发场景。

4、基于数据库的号段模式  
号段模式是当下分布式ID生成器的主流实现方式之一，号段模式可以理解为从数据库批量的获取自增ID，每次从数据库取出一个号段范围，例如 (1,1000\] 代表1000个ID，具体的业务服务将本号段，生成1~1000的自增ID并加载到内存。表结构如下：

CREATE TABLE id\_generator (  
id int(10) NOT NULL,  
max\_id bigint(20) NOT NULL COMMENT ‘当前最大id’,  
step int(20) NOT NULL COMMENT ‘号段的布长’,  
biz\_type int(20) NOT NULL COMMENT ‘业务类型’,  
version int(20) NOT NULL COMMENT ‘版本号’,  
PRIMARY KEY (`id`)  
)  
biz\_type ：代表不同业务类型

max\_id ：当前最大的可用id

step ：代表号段的长度

version ：是一个乐观锁，每次都更新version，保证并发时数据的正确性

一口气说出 9种 分布式ID生成方式，面试官有点懵了

等这批号段ID用完，再次向数据库申请新号段，对max\_id字段做一次update操作，update max\_id= max\_id + step，update成功则说明新号段获取成功，新的号段范围是(max\_id ,max\_id +step\]。

update id\_generator set max\_id = \#\{max\_id+step\}, version = version + 1 where version = \# \{version\} and biz\_type = XXX  
由于多业务端可能同时操作，所以采用版本号version乐观锁方式更新，这种分布式ID生成方式不强依赖于数据库，不会频繁的访问数据库，对数据库的压力小很多。

5、基于Redis模式  
Redis也同样可以实现，原理就是利用redis的 incr命令实现ID的原子性自增。

127.0.0.1:6379> set seq\_id 1 // 初始化自增ID为1  
OK  
127.0.0.1:6379> incr seq\_id // 增加1，并返回递增后的数值  
(integer) 2  
用redis实现需要注意一点，要考虑到redis持久化的问题。redis有两种持久化方式RDB和AOF

RDB会定时打一个快照进行持久化，假如连续自增但redis没及时持久化，而这会Redis挂掉了，重启Redis后会出现ID重复的情况。  
AOF会对每条写命令进行持久化，即使Redis挂掉了也不会出现ID重复的情况，但由于incr命令的特殊性，会导致Redis重启恢复的数据时间过长。  
6、基于雪花算法（Snowflake）模式  
雪花算法（Snowflake）是twitter公司内部分布式项目采用的ID生成算法，开源后广受国内大厂的好评，在该算法影响下各大公司相继开发出各具特色的分布式生成器。  
一口气说出 9种 分布式ID生成方式，面试官有点懵了

Snowflake生成的是Long类型的ID，一个Long类型占8个字节，每个字节占8比特，也就是说一个Long类型占64个比特。

Snowflake ID组成结构：正数位（占1比特）+ 时间戳（占41比特）+ 机器ID（占5比特）+ 数据中心（占5比特）+ 自增值（占12比特），总共64比特组成的一个Long类型。

第一个bit位（1bit）：Java中long的最高位是符号位代表正负，正数是0，负数是1，一般生成ID都为正数，所以默认为0。  
时间戳部分（41bit）：毫秒级的时间，不建议存当前时间戳，而是用（当前时间戳 - 固定开始时间戳）的差值，可以使产生的ID从更小的值开始；41位的时间戳可以使用69年，(1L << 41) / (1000L \* 60 \* 60 \* 24 \* 365) = 69年  
工作机器id（10bit）：也被叫做workId，这个可以灵活配置，机房或者机器号组合都可以。  
序列号部分（12bit），自增值支持同一毫秒内同一个节点可以生成4096个ID  
根据这个算法的逻辑，只需要将这个算法用Java语言实现出来，封装为一个工具方法，那么各个业务应用可以直接使用该工具方法来获取分布式ID，只需保证每个业务应用有自己的工作机器id即可，而不需要单独去搭建一个获取分布式ID的应用。

Java版本的Snowflake算法实现：

/\*\*

*  Twitter的SnowFlake算法,使用SnowFlake算法生成一个整数，然后转化为62进制变成一个短地址URL
 *  
 *  https://github.com/beyondfengyu/SnowFlake  
    \*/  
    public class SnowFlakeShortUrl \{
    
    /\*\*
    
     *  起始的时间戳  
        \*/  
        private final static long START\_TIMESTAMP = 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 DATA\_CENTER\_BIT = 5; //数据中心占用的位数
    
    /\*\*
    
     *  每一部分的最大值  
        \*/  
        private final static long MAX\_SEQUENCE = -1L ^ (-1L << SEQUENCE\_BIT);  
        private final static long MAX\_MACHINE\_NUM = -1L ^ (-1L << MACHINE\_BIT);  
        private final static long MAX\_DATA\_CENTER\_NUM = -1L ^ (-1L << DATA\_CENTER\_BIT);
    
    /\*\*
    
     *  每一部分向左的位移  
        \*/  
        private final static long MACHINE\_LEFT = SEQUENCE\_BIT;  
        private final static long DATA\_CENTER\_LEFT = SEQUENCE\_BIT + MACHINE\_BIT;  
        private final static long TIMESTAMP\_LEFT = DATA\_CENTER\_LEFT + DATA\_CENTER\_BIT;
    
    private long dataCenterId; //数据中心  
    private long machineId; //机器标识  
    private long sequence = 0L; //序列号  
    private long lastTimeStamp = -1L; //上一次时间戳
    
    private long getNextMill() \{  
    long mill = getNewTimeStamp();  
    while (mill <= lastTimeStamp) \{  
    mill = getNewTimeStamp();  
    \}  
    return mill;  
    \}
    
    private long getNewTimeStamp() \{  
    return System.currentTimeMillis();  
    \}
    
    /\*\*
    
     *  根据指定的数据中心ID和机器标志ID生成指定的序列号
     *  
     *  @param dataCenterId 数据中心ID
     *  @param machineId 机器标志ID  
        \*/  
        public SnowFlakeShortUrl(long dataCenterId, long machineId) \{  
        if (dataCenterId > MAX\_DATA\_CENTER\_NUM || dataCenterId < 0) \{  
        throw new IllegalArgumentException(“DtaCenterId can’t be greater than MAX\_DATA\_CENTER\_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 currTimeStamp = getNewTimeStamp();  
        if (currTimeStamp < lastTimeStamp) \{  
        throw new RuntimeException(“Clock moved backwards. Refusing to generate id”);  
        \}
        
        if (currTimeStamp == lastTimeStamp) \{  
        //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) \{  
        currTimeStamp = getNextMill();  
        \}  
        \} else \{  
        //不同毫秒内，序列号置为0  
        sequence = 0L;  
        \}
        
        lastTimeStamp = currTimeStamp;
        
        return (currTimeStamp - START\_TIMESTAMP) << TIMESTAMP\_LEFT //时间戳部分  
        | dataCenterId << DATA\_CENTER\_LEFT //数据中心部分  
        | machineId << MACHINE\_LEFT //机器标识部分  
        | sequence; //序列号部分  
        \}
    
    public static void main(String\[\] args) \{  
    SnowFlakeShortUrl snowFlake = new SnowFlakeShortUrl(2, 3);
    
        for (int i = 0; i < (1 << 4); i++) {
             //10进制
             System.out.println(snowFlake.nextId());
         }
    
    \}  
    \}  
    7、百度（uid-generator）  
    uid-generator是由百度技术部开发，项目GitHub地址 https://github.com/baidu/uid-generator

uid-generator是基于Snowflake算法实现的，与原始的snowflake算法不同在于，uid-generator支持自定义时间戳、工作机器ID和 序列号 等各部分的位数，而且uid-generator中采用用户自定义workId的生成策略。

uid-generator需要与数据库配合使用，需要新增一个WORKER\_NODE表。当应用启动时会向数据库表中去插入一条数据，插入成功后返回的自增ID就是该机器的workId数据由host，port组成。

对于uid-generator ID组成结构：

workId，占用了22个bit位，时间占用了28个bit位，序列化占用了13个bit位，需要注意的是，和原始的snowflake不太一样，时间的单位是秒，而不是毫秒，workId也不一样，而且同一应用每次重启就会消费一个workId。

8、美团（Leaf）  
Leaf由美团开发，github地址：https://github.com/Meituan-Dianping/Leaf

Leaf同时支持号段模式和snowflake算法模式，可以切换使用。

号段模式

先导入源码 https://github.com/Meituan-Dianping/Leaf ，在建一张表leaf\_alloc

DROP TABLE IF EXISTS `leaf_alloc`;

CREATE TABLE `leaf_alloc` (  
`biz_tag` varchar(128) NOT NULL DEFAULT ‘’ COMMENT ‘业务key’,  
`max_id` bigint(20) NOT NULL DEFAULT ‘1’ COMMENT ‘当前已经分配了的最大id’,  
`step` int(11) NOT NULL COMMENT ‘初始步长，也是动态调整的最小步长’,  
`description` varchar(256) DEFAULT NULL COMMENT ‘业务key的描述’,  
`update_time` timestamp NOT NULL DEFAULT CURRENT\_TIMESTAMP ON UPDATE CURRENT\_TIMESTAMP COMMENT ‘数据库维护的更新时间’,  
PRIMARY KEY (`biz_tag`)  
) ENGINE=InnoDB;  
然后在项目中开启号段模式，配置对应的数据库信息，并关闭snowflake模式

leaf.name=com.sankuai.leaf.opensource.test  
leaf.segment.enable=true  
leaf.jdbc.url=jdbc:mysql://localhost:3306/leaf\_test?useUnicode=true&characterEncoding=utf8&characterSetResults=utf8  
leaf.jdbc.username=root  
leaf.jdbc.password=root

leaf.snowflake.enable=false  
\#leaf.snowflake.zk.address=  
\#leaf.snowflake.port=  
启动leaf-server 模块的 LeafServerApplication项目就跑起来了

号段模式获取分布式自增ID的测试url ：http：//localhost：8080/api/segment/get/leaf-segment-test

监控号段模式：http://localhost:8080/cache

snowflake模式

Leaf的snowflake模式依赖于ZooKeeper，不同于原始snowflake算法也主要是在workId的生成上，Leaf中workId是基于ZooKeeper的顺序Id来生成的，每个应用在使用Leaf-snowflake时，启动时都会都在Zookeeper中生成一个顺序Id，相当于一台机器对应一个顺序节点，也就是一个workId。

leaf.snowflake.enable=true  
leaf.snowflake.zk.address=127.0.0.1  
leaf.snowflake.port=2181  
9、滴滴（Tinyid）  
Tinyid由滴滴开发，Github地址：https://github.com/didi/tinyid。

Tinyid是基于号段模式原理实现的与Leaf如出一辙，每个服务获取一个号段（1000,2000\]、（2000,3000\]、（3000,4000\]

一口气说出 9种 分布式ID生成方式，面试官有点懵了

Tinyid提供http和tinyid-client两种方式接入

Http方式接入

（1）导入Tinyid源码：

git clone https://github.com/didi/tinyid.git

（2）创建数据表：

CREATE TABLE `tiny_id_info` (  
`id` bigint(20) unsigned NOT NULL AUTO\_INCREMENT COMMENT ‘自增主键’,  
`biz_type` varchar(63) NOT NULL DEFAULT ‘’ COMMENT ‘业务类型，唯一’,  
`begin_id` bigint(20) NOT NULL DEFAULT ‘0’ COMMENT ‘开始id，仅记录初始值，无其他含义。初始化时begin\_id和max\_id应相同’,  
`max_id` bigint(20) NOT NULL DEFAULT ‘0’ COMMENT ‘当前最大id’,  
`step` int(11) DEFAULT ‘0’ COMMENT ‘步长’,  
`delta` int(11) NOT NULL DEFAULT ‘1’ COMMENT ‘每次id增量’,  
`remainder` int(11) NOT NULL DEFAULT ‘0’ COMMENT ‘余数’,  
`create_time` timestamp NOT NULL DEFAULT ‘2010-01-01 00:00:00’ COMMENT ‘创建时间’,  
`update_time` timestamp NOT NULL DEFAULT ‘2010-01-01 00:00:00’ COMMENT ‘更新时间’,  
`version` bigint(20) NOT NULL DEFAULT ‘0’ COMMENT ‘版本号’,  
PRIMARY KEY (`id`),  
UNIQUE KEY `uniq_biz_type` (`biz_type`)  
) ENGINE=InnoDB AUTO\_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT ‘id信息表’;

CREATE TABLE `tiny_id_token` (  
`id` int(11) unsigned NOT NULL AUTO\_INCREMENT COMMENT ‘自增id’,  
`token` varchar(255) NOT NULL DEFAULT ‘’ COMMENT ‘token’,  
`biz_type` varchar(63) NOT NULL DEFAULT ‘’ COMMENT ‘此token可访问的业务类型标识’,  
`remark` varchar(255) NOT NULL DEFAULT ‘’ COMMENT ‘备注’,  
`create_time` timestamp NOT NULL DEFAULT ‘2010-01-01 00:00:00’ COMMENT ‘创建时间’,  
`update_time` timestamp NOT NULL DEFAULT ‘2010-01-01 00:00:00’ COMMENT ‘更新时间’,  
PRIMARY KEY (`id`)  
) ENGINE=InnoDB AUTO\_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT ‘token信息表’;

INSERT INTO `tiny_id_info` (`id`, `biz_type`, `begin_id`, `max_id`, `step`, `delta`, `remainder`, `create_time`, `update_time`, `version`)  
VALUES  
(1, ‘test’, 1, 1, 100000, 1, 0, ‘2018-07-21 23:52:58’, ‘2018-07-22 23:19:27’, 1);

INSERT INTO `tiny_id_info` (`id`, `biz_type`, `begin_id`, `max_id`, `step`, `delta`, `remainder`, `create_time`, `update_time`, `version`)  
VALUES  
(2, ‘test\_odd’, 1, 1, 100000, 2, 1, ‘2018-07-21 23:52:58’, ‘2018-07-23 00:39:24’, 3);

INSERT INTO `tiny_id_token` (`id`, `token`, `biz_type`, `remark`, `create_time`, `update_time`)  
VALUES  
(1, ‘0f673adf80504e2eaa552f5d791b644c’, ‘test’, ‘1’, ‘2017-12-14 16:36:46’, ‘2017-12-14 16:36:48’);

INSERT INTO `tiny_id_token` (`id`, `token`, `biz_type`, `remark`, `create_time`, `update_time`)  
VALUES  
(2, ‘0f673adf80504e2eaa552f5d791b644c’, ‘test\_odd’, ‘1’, ‘2017-12-14 16:36:46’, ‘2017-12-14 16:36:48’);  
（3）配置数据库：

datasource.tinyid.names=primary  
datasource.tinyid.primary.driver-class-name=com.mysql.jdbc.Driver  
datasource.tinyid.primary.url=jdbc:mysql://ip:port/databaseName?autoReconnect=true&useUnicode=true&characterEncoding=UTF-8  
datasource.tinyid.primary.username=root  
datasource.tinyid.primary.password=123456  
（4）启动tinyid-server后测试

获取分布式自增ID: http://localhost:9999/tinyid/id/nextIdSimple?bizType=test&token=0f673adf80504e2eaa552f5d791b644c’  
返回结果: 3  
批量获取分布式自增ID:  
http://localhost:9999/tinyid/id/nextIdSimple?bizType=test&token=0f673adf80504e2eaa552f5d791b644c&batchSize=10’  
返回结果: 4,5,6,7,8,9,10,11,12,13  
Java客户端方式接入

重复Http方式的（2）（3）操作

引入依赖

<dependency>
            <groupId>com.xiaoju.uemc.tinyid</groupId>
            <artifactId>tinyid-client</artifactId>
            <version>${tinyid.version}</version>
        </dependency>

配置文件

test 、tinyid.token是在数据库表中预先插入的数据，test 是具体业务类型，tinyid.token表示可访问的业务类型

// 获取单个分布式自增ID  
Long id = TinyId . nextId( " test " );

// 按需批量分布式自增ID  
List< Long > ids = TinyId . nextId( " test " , 10 );  
总结  
本文只是简单介绍一下每种分布式ID生成器，旨在给大家一个详细学习的方向，每种生成方式都有它自己的优缺点，具体如何使用还要看具体的业务需求。

参考:https://blog.csdn.net/luzhensmart/article/details/106866180