[[407823]]

本文轉(zhuǎn)載自微信公眾號「潛行前行」，作者cscw。轉(zhuǎn)載本文請聯(lián)系潛行前行公眾號。

前言

每一次HTTP請求，數(shù)據(jù)庫的事務(wù)的執(zhí)行，我們追蹤代碼執(zhí)行的過程中，需要一個唯一值和這些業(yè)務(wù)操作相關(guān)聯(lián)，對于單機的系統(tǒng)，可以用數(shù)據(jù)庫的自增ID或者時間戳加一個在本機遞增值，即可實現(xiàn)唯一值。但在分布式，又該如何實現(xiàn)唯一性的ID

• 分布式ID的特性
• 數(shù)據(jù)庫自增的ID
• Redis分布式ID
• Zookeeper分布式ID
• 全局唯一UUID的優(yōu)缺點
• Twitter的雪花算法生成分布式ID

分布式ID的特性

• 全局唯一性，必須性
• 冪等性，如果是根據(jù)某些信息生成，則需要保障冪等性
• 注意安全性，ID里隱藏一些信息，不能被猜出來，也不能被猜出來 ID 如何生成
• 趨勢遞增性，在查詢比較時，可以判斷業(yè)務(wù)操作的時間順序

數(shù)據(jù)庫自增的ID

實現(xiàn)簡單，ID單調(diào)自增，數(shù)值類型查詢速度快，但是單點DB存在宕機風(fēng)險，無法扛住高并發(fā)場景

CREATE TABLE FLIGHT_ORDER ( 
    id int(11) unsigned NOT NULL auto_increment, #自增ID 
    PRIMARY KEY (id), 
) ENGINE=innodb; 

集群下如何保證數(shù)據(jù)庫ID的唯一性

• 當(dāng)隨著業(yè)務(wù)發(fā)展，服務(wù)拓展到多臺的大集群時，為了解決單點數(shù)據(jù)庫的壓力，數(shù)據(jù)庫也會相應(yīng)的變成一個集群，那如何保證集群下數(shù)據(jù)庫ID的唯一性
• 每一臺數(shù)據(jù)庫實例都設(shè)置一個起始值和增長步長

缺點：不利于后續(xù)擴容，如果后續(xù)需要擴容還需要人工介入修改 起始值和增長步長

Redis 分布式ID

假如系統(tǒng)有億萬的數(shù)據(jù)，依靠數(shù)據(jù)庫的自增ID在分表分庫之后，需要人工修改每臺數(shù)據(jù)庫實例，擴容性差，維護(hù)性不好

基于Redis INCR 命令生成分布式全局唯一ID

• 服務(wù)向redis獲取Id，ID則和數(shù)據(jù)庫解耦，可以解決ID和分表分庫的問題，而且redis比數(shù)據(jù)庫性能更快，可以支撐集群服務(wù)并發(fā)獲取ID的需求
• redis的INCR命令具備了 INCR AND GET 的原子操作;redis是單進(jìn)程單線程架構(gòu)，INCR 命令不會出現(xiàn) ID 重復(fù)

@Autowired 
private StringRedisTemplate stringRedisTemplate; 
private static final String ID_KEY = "id_good_order"; 
public Long incrementId() { 
    return stringRedisTemplate.opsForValue().increment(ID_KEY); 
} 

HINCRBY 命令

• 實際上，為了存儲序列號的更多相關(guān)信息，可以使用了 Redis 的 Hash 數(shù)據(jù)結(jié)構(gòu)，Redis 同樣為 Hash 提供 HINCRBY 命令來實現(xiàn) “INCR AND GET” 原子操作

//KEY_NAME 是 hash結(jié)構(gòu)對應(yīng)的Key,FIELD_NAME 是hash結(jié)構(gòu)的字段，INCR_BY_NUMBER是增量值 
redis 127.0.0.1:6379> HINCRBY KEY_NAME FIELD_NAME INCR_BY_NUMBER  

宕機序列號恢復(fù)問題

• redis是內(nèi)存數(shù)據(jù)庫，在沒有開啟RDB或AOF持久化的情況下，一旦宕機ID數(shù)據(jù)將會有丟失。即便開啟了RDB持久化，由于最近一次快照時間和最新一條 HINCRBY 命令的時間有可能存在時間差，宕機后通過RDB快照恢復(fù)數(shù)據(jù)集會發(fā)生ID取值重復(fù)的情況
• redis宕機序列號恢復(fù)方案
  • 利用關(guān)系型數(shù)據(jù)庫來記錄一個短時內(nèi) 最大可取序列號 MAX_ID，從redis獲取ID時只能取小于 MAX_ID 的序列號
  • 為了計算最大值，需要一個定時任務(wù)定期計算ID消費速度RATE，存于redis。當(dāng)客戶端取得 CUR_ID、RATE 和 MAX_ID，則根據(jù) ID 消費速度 RATE 計算 CUR_ID 是否逼近MAX_ID，如果是則更新數(shù)據(jù)庫的MAX_ID

Zookeeper 分布式ID

• 利用zookeeper的持久性有序節(jié)點，可以實現(xiàn)自增的分布式ID，而且zookeeper是個高可用的集群服務(wù)，提交成功的消息具有持久性，因此不怕機器宕機問題，或者單機問題

<dependency> 
    <groupId>org.apache.curator</groupId> 
    <artifactId>curator-framework</artifactId> 
    <version>4.2.0</version> 
</dependency> 
<dependency> 
    <groupId>org.apache.curator</groupId> 
    <artifactId>curator-recipes</artifactId> 
    <version>4.2.0</version> 
</dependency> 

• 示例

RetryPolicy retryPolicy = new ExponentialBackoffRetry(500, 3); 
CuratorFramework client = CuratorFrameworkFactory.builder() 
      .connectString("localhost:2181") 
      .connectionTimeoutMs(5000) 
      .sessionTimeoutMs(5000) 
      .retryPolicy(retryPolicy) 
      .build(); 
client.start();   
String sequenceName = "root/sequence/distributedId"; 
DistributedAtomicLong  distAtomicLong = new DistributedAtomicLong(client, sequenceName, retryPolicy); 
//使用DistributedAtomicLong生成自增序列 
public Long sequence() throws Exception { 
    AtomicValue<Long> sequence = this.distAtomicLong.increment(); 
    if (sequence.succeeded()) { 
        return sequence.postValue(); 
    } else { 
        return null; 
    } 
} 

UUID的優(yōu)缺點

• 基于數(shù)據(jù)庫，redis，zookeeper的分布式ID都高度依賴一個外部服務(wù)，對于某些場景，假如不存在這些外部服務(wù)又該怎么生成分布式的ID
• JDK里自帶一個唯一性的ID的生成器，具有全球唯一性，這就是UUID，不過它是串無意義的字符串，存儲性能差，查詢也很耗時，對于訂單系統(tǒng)，不適合作為唯一ID，常見優(yōu)化方案為「轉(zhuǎn)化為兩個uint64整數(shù)存儲」或者 「折半存儲」(折半后不能保證唯一性)
• 但對于日志系統(tǒng)，或只是為了作為數(shù)據(jù)里可以唯一識別序列號的關(guān)聯(lián)屬性時，可以用UUID

String uuid = UUID.randomUUID().toString().replaceAll("-",""); 

Twitter 的雪花算法生成分布式ID

• 和UUID一樣，雪花算法并不依賴外部服務(wù)
• 雪花算法是 Twitter 公司內(nèi)部分布式項目采用的ID生成算法，廣受國內(nèi)公司好評。不依賴第三方服務(wù)，效率高

Snowflake ID組成結(jié)構(gòu)：正數(shù)位(占1比特)+ 時間戳(占41比特)+ 機器ID(占5比特)+ 數(shù)據(jù)中心(占5比特)+ 自增值(占12比特)，總共64比特組成的一個Long類型。

1：第一個bit位(1bit)：Java中l(wèi)ong的最高位是符號位代表正負(fù)，正數(shù)是0，負(fù)數(shù)是1，一般生成ID都為正數(shù)，所以默認(rèn)為0。

2：時間戳部分(41bit)：毫秒級的時間，不建議存當(dāng)前時間戳，而是用(當(dāng)前時間戳 - 固定開始時間戳)的差值，可以使產(chǎn)生的ID從更小的值開始

3：工作機器id(10bit)：也被叫做workId，這個可以靈活配置，機房或者機器號組合都可以。

4：序列號部分(12bit)，自增值支持同一毫秒內(nèi)同一個節(jié)點可以生成4096個ID

//Twitter的SnowFlake算法,使用SnowFlake算法生成一個整數(shù) 
public class SnowFlakeShortUrl { 
    //起始的時間戳 
    static long START_TIMESTAMP = 1624698370256L; 
    //每一部分占用的位數(shù) 
    static long SEQUENCE_BIT = 12;   //序列號占用的位數(shù) 
    static long MACHINE_BIT = 5;     //機器標(biāo)識占用的位數(shù) 
    static long DATA_CENTER_BIT = 5; //數(shù)據(jù)中心占用的位數(shù) 
    //每一部分的最大值 
    static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT); 
    static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT); 
    static long MAX_DATA_CENTER_NUM = -1L ^ (-1L << DATA_CENTER_BIT); 
    //每一部分向左的位移 
    static long MACHINE_LEFT = SEQUENCE_BIT; 
    static long DATA_CENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT; 
    static long TIMESTAMP_LEFT = DATA_CENTER_LEFT + DATA_CENTER_BIT; 
    //dataCenterId + machineId 等于10bit工作機器ID 
    private long dataCenterId;  //數(shù)據(jù)中心 
    private long machineId;     //機器標(biāo)識 
    private volatile long sequence = 0L; //序列號 
    private volatile long lastTimeStamp = -1L;  //上一次時間戳 
    private volatile long l currTimeStamp = -1L; //當(dāng)前時間戳 
     
    private long getNextMill() { 
        long mill = System.currentTimeMillis(); 
        while (mill <= lastTimeStamp) mill = System.currentTimeMillis(); 
        return mill; 
    } 
    //根據(jù)指定的數(shù)據(jù)中心ID和機器標(biāo)志ID生成指定的序列號 
    public SnowFlakeShortUrl(long dataCenterId, long machineId) { 
        Assert.isTrue(dataCenterId >=0 && dataCenterId <= MAX_DATA_CENTER_NUM,"dataCenterId is illegal!"); 
        Assert.isTrue(machineId >= 0 || machineId <= MAX_MACHINE_NUM,"machineId is illegal!"); 
        this.dataCenterId = dataCenterId; 
        this.machineId = machineId; 
    } 
    //生成下一個ID 
    public synchronized long nextId() { 
        currTimeStamp = System.currentTimeMillis(); 
        Assert.isTrue(currTimeStamp >= lastTimeStamp,"Clock moved backwards"); 
        if (currTimeStamp == lastTimeStamp) { 
            //相同毫秒內(nèi)，序列號自增 
            sequence = (sequence + 1) & MAX_SEQUENCE; 
            if (sequence == 0L) { //同一毫秒的序列數(shù)已經(jīng)達(dá)到最大,獲取下一個毫秒 
                currTimeStamp = getNextMill(); 
            } 
        } else {  
            sequence = 0L; //不同毫秒內(nèi)，序列號置為0 
        } 
        lastTimeStamp = currTimeStamp; 
        return (currTimeStamp - START_TIMESTAMP) << TIMESTAMP_LEFT //時間戳部分 
                | dataCenterId << DATA_CENTER_LEFT       //數(shù)據(jù)中心部分 
                | machineId << MACHINE_LEFT             //機器標(biāo)識部分 
                | sequence;                             //序列號部分 
    } 
     
    public static void main(String[] args) { 
        SnowFlakeShortUrl snowFlake = new SnowFlakeShortUrl(10, 4); 
        for (int i = 0; i < (1 << 12); i++) { 
            //10進(jìn)制 
            System.out.println(snowFlake.nextId()); 
        } 
    } 
} 

Reference

[1]github地址:https://github.com/cscsss/learnHome

[2]常見分布式全局唯一ID生成策略及算法的對比:

https://blog.csdn.net/u010398771/article/details/79765836

[3]基于 Redis 的序列號服務(wù)(分布式id)的設(shè)計:

https://blog.csdn.net/carryxu123456/article/details/82630029

[4]9種 分布式ID生成方案，讓你一次學(xué)個夠:

https://segmentfault.com/a/1190000022717820