分布式唯一ID的几种生成方案

时间:2023-02-20 10:10:23
导读 这篇文章,我们就接着分库分表的知识,来具体聊一下全局唯一ID如何生成。在分库分表之后你必然要面对的一个问题,就是id咋生成?因为要是一个表分成多个表之后,每个表的id都是从1开始累加自增长,那肯定不对啊。

举个例子,你的订单表拆分为了1024张订单表,每个表的id都从1开始累加,这个肯定有问题了!

你的系统就没办法根据表主键来查询订单了,比如id = 50这个订单,在每个表里都有!

所以此时就需要分布式架构下的全局唯一id生成的方案了,在分库分表之后,对于插入数据库中的核心id,不能直接简单使用表自增id,要全局生成唯一id,然后插入各个表中,保证每个表内的某个id,全局唯一。

比如说订单表虽然拆分为了1024张表,但是id = 50这个订单,只会存在于一个表里。

那么如何实现全局唯一id呢?有以下几种方案。

方案一:独立数据库自增id

这个方案就是说你的系统每次要生成一个id,都是往一个独立库的一个独立表里插入一条没什么业务含义的数据,然后获取一个数据库自增的一个id。拿到这个id之后再往对应的分库分表里去写入。

比如说你有一个auto_id库,里面就一个表,叫做auto_id表,有一个id是自增长的。

那么你每次要获取一个全局唯一id,直接往这个表里插入一条记录,获取一个全局唯一id即可,然后这个全局唯一id就可以插入订单的分库分表中。

这个方案的好处就是方便简单,谁都会用。缺点就是单库生成自增id,要是高并发的话,就会有瓶颈的,因为auto_id库要是承载个每秒几万并发,肯定是不现实的了。

方案二:uuid

这个每个人都应该知道吧,就是用UUID生成一个全局唯一的id。

好处就是每个系统本地生成,不要基于数据库来了

不好之处就是,uuid太长了,作为主键性能太差了,不适合用于主键。

如果你是要随机生成个什么文件名了,编号之类的,你可以用uuid,但是作为主键是不能用uuid的。

方案三:获取系统当前时间

这个方案的意思就是获取当前时间作为全局唯一的id。

但是问题是,并发很高的时候,比如一秒并发几千,会有重复的情况,这个是肯定不合适的。

一般如果用这个方案,是将当前时间跟很多其他的业务字段拼接起来,作为一个id,如果业务上你觉得可以接受,那么也是可以的。

你可以将别的业务字段值跟当前时间拼接起来,组成一个全局唯一的编号,比如说订单编号:时间戳 + 用户id + 业务含义编码。

方案四:snowflake算法的思想分析

snowflake算法,是twitter开源的分布式id生成算法。

其核心思想就是:使用一个64 bit的long型的数字作为全局唯一id,这64个bit中,其中1个bit是不用的,然后用其中的41 bit作为毫秒数,用10 bit作为工作机器id,12 bit作为序列号。

给大家举个例子吧,比如下面那个64 bit的long型数字,大家看看

分布式唯一ID的几种生成方案

上面第一个部分,是1个bit:0,这个是无意义的

上面第二个部分是41个bit:表示的是时间戳

上面第三个部分是5个bit:表示的是机房id,10001

上面第四个部分是5个bit:表示的是机器id,1 1001

上面第五个部分是12个bit:表示的序号,就是某个机房某台机器上这一毫秒内同时生成的id的序号,0000 00000000

1 bit:是不用的,为啥呢?
因为二进制里第一个bit为如果是1,那么都是负数,但是我们生成的id都是正数,所以第一个bit统一都是0
41 bit:表示的是时间戳,单位是毫秒。
41 bit可以表示的数字多达2^41 - 1,也就是可以标识2 ^ 41 - 1个毫秒值,换算成年就是表示69年的时间。
10 bit:记录工作机器id,代表的是这个服务最多可以部署在2^10台机器上,也就是1024台机器。
但是10 bit里5个bit代表机房id,5个bit代表机器id。意思就是最多代表2 ^ 5个机房(32个机房),每个机房里可以代表2 ^ 5个机器(32台机器)。
12 bit:这个是用来记录同一个毫秒内产生的不同id。
12 bit可以代表的最大正整数是2 ^ 12 - 1 = 4096,也就是说可以用这个12bit代表的数字来区分同一个毫秒内的4096个不同的id
简单来说,你的某个服务假设要生成一个全局唯一id,那么就可以发送一个请求给部署了snowflake算法的系统,由这个snowflake算法系统来生成唯一id。

这个snowflake算法系统首先肯定是知道自己所在的机房和机器的,比如机房id = 17,机器id = 12。

接着snowflake算法系统接收到这个请求之后,首先就会用二进制位运算的方式生成一个64 bit的long型id,64个bit中的第一个bit是无意义的。

接着41个bit,就可以用当前时间戳(单位到毫秒),然后接着5个bit设置上这个机房id,还有5个bit设置上机器id。

最后再判断一下,当前这台机房的这台机器上这一毫秒内,这是第几个请求,给这次生成id的请求累加一个序号,作为最后的12个bit。

最终一个64个bit的id就出来了,类似于:

分布式唯一ID的几种生成方案

这个算法可以保证说,一个机房的一台机器上,在同一毫秒内,生成了一个唯一的id。可能一个毫秒内会生成多个id,但是有最后12个bit的序号来区分开来。

下面我们简单看看这个snowflake算法的一个代码实现,这就是个示例,大家如果理解了这个意思之后,以后可以自己尝试改造这个算法。

总之就是用一个64bit的数字中各个bit位来设置不同的标志位,区分每一个id。

snowflake算法的代码实现
public class IdWorker {
   private long workerId; // 这个就是代表了机器id
   private long datacenterId; // 这个就是代表了机房id
   private long sequence; // 这个就是代表了一毫秒内生成的多个id的最新序号
   public IdWorker(long workerId, long datacenterId, long sequence){
       // sanity check for workerId
       // 这儿不就检查了一下,要求就是你传递进来的机房id和机器id不能超过32,不能小于0
       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;
       this.sequence = sequence;
   }
   private long twepoch = 1288834974657L;
   private long workerIdBits = 5L;
   private long datacenterIdBits = 5L;
   
   // 这个是二进制运算,就是5 bit最多只能有31个数字,也就是说机器id最多只能是32以内
   private long maxWorkerId = -1L ^ (-1L << workerIdBits);
   // 这个是一个意思,就是5 bit最多只能有31个数字,机房id最多只能是32以内
   private long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);
   private long sequenceBits = 12L;
   private long workerIdShift = sequenceBits;
   private long datacenterIdShift = sequenceBits + workerIdBits;
   private long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;
   private long sequenceMask = -1L ^ (-1L << sequenceBits);
   private long lastTimestamp = -1L;
   public long getWorkerId(){
       return workerId;
   }
   public long getDatacenterId(){
       return datacenterId;
   }
   public long getTimestamp(){
       return System.currentTimeMillis();
   }
   // 这个是核心方法,通过调用nextId()方法,让当前这台机器上的snowflake算法程序生成一个全局唯一的id
   public synchronized long nextId(){
       // 这儿就是获取当前时间戳,单位是毫秒
       long timestamp = timeGen();
       if (timestamp < lastTimestamp) {
           System.err.printf(
               "clock is moving backwards. Rejecting requests until %d.", lastTimestamp);
           throw new RuntimeException(
               String.format("Clock moved backwards. Refusing to generate id for %d milliseconds",
                             lastTimestamp - timestamp));
       }      
       // 下面是说假设在同一个毫秒内,又发送了一个请求生成一个id
       // 这个时候就得把seqence序号给递增1,最多就是4096
       if (lastTimestamp == timestamp) {
       
           // 这个意思是说一个毫秒内最多只能有4096个数字,无论你传递多少进来,
           //这个位运算保证始终就是在4096这个范围内,避免你自己传递个sequence超过了4096这个范围
           sequence = (sequence + 1) & sequenceMask;
           if (sequence == 0) {
               timestamp = tilNextMillis(lastTimestamp);
           }
       
       } else {
           sequence = 0;
       }
       // 这儿记录一下最近一次生成id的时间戳,单位是毫秒
       lastTimestamp = timestamp;
       // 这儿就是最核心的二进制位运算操作,生成一个64bit的id
       // 先将当前时间戳左移,放到41 bit那儿;将机房id左移放到5 bit那儿;将机器id左移放到5 bit那儿;将序号放最后12 bit
       // 最后拼接起来成一个64 bit的二进制数字,转换成10进制就是个long型
       return ((timestamp - twepoch) << timestampLeftShift) |
               (datacenterId << datacenterIdShift) |
               (workerId << workerIdShift) | sequence;
   }
   private long tilNextMillis(long lastTimestamp){
       
       long timestamp = timeGen();
       
       while (timestamp <= lastTimestamp) {
           timestamp = timeGen();
       }
       return timestamp;
   }
   private long timeGen(){
       return System.currentTimeMillis();
   }
   //---------------测试---------------
   public static void main(String[] args){
       
       IdWorker worker = new IdWorker(1,1,1);
       
       for (int i = 0; i < 30; i++) {
           System.out.println(worker.nextId());
       }
   }
}
snowflake算法一个小小的改进思路

其实在实际的开发中,这个snowflake算法可以做一点点改进。

因为大家可以考虑一下,我们在生成唯一id的时候,一般都需要指定一个表名,比如说订单表的唯一id。

所以上面那64个bit中,代表机房的那5个bit,可以使用业务表名称来替代,比如用00001代表的是订单表。

因为其实很多时候,机房并没有那么多,所以那5个bit用做机房id可能意义不是太大。

这样就可以做到,snowflake算法系统的每一台机器,对一个业务表,在某一毫秒内,可以生成一个唯一的id,一毫秒内生成很多id,用最后12个bit来区分序号对待。

原文来自: