自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

分布式唯一ID的幾種生成方案,一次性全掌握!

數(shù)據(jù)庫 其他數(shù)據(jù)庫
這篇文章,我們就接著分庫分表的知識,來具體聊一下全局唯一ID如何生成。

?上一篇文章,我們聊了一下分庫分表相關的一些基礎知識,具體可以參見:??《用真實業(yè)務場景告訴你,高并發(fā)下如何設計數(shù)據(jù)庫架構?》??。

這篇文章,我們就接著分庫分表的知識,來具體聊一下全局唯一id如何生成。

在分庫分表之后你必然要面對的一個問題,就是id咋生成?

因為要是一個表分成多個表之后,每個表的id都是從1開始累加自增長,那肯定不對啊。

舉個例子,你的訂單表拆分為了1024張訂單表,每個表的id都從1開始累加,這個肯定有問題了!

你的系統(tǒng)就沒辦法根據(jù)表主鍵來查詢訂單了,比如id = 50這個訂單,在每個表里都有!

?所以此時就需要分布式架構下的全局唯一id生成的方案了,在分庫分表之后,對于插入數(shù)據(jù)庫中的核心id,不能直接簡單使用表自增id,要全局生成唯一id,然后插入各個表中,保證每個表內的某個id,全局唯一。

比如說訂單表雖然拆分為了1024張表,但是id = 50這個訂單,只會存在于一個表里。

那么如何實現(xiàn)全局唯一id呢?有以下幾種方案。?

(1)方案一:獨立數(shù)據(jù)庫自增id

這個方案就是說你的系統(tǒng)每次要生成一個id,都是往一個獨立庫的一個獨立表里插入一條沒什么業(yè)務含義的數(shù)據(jù),然后獲取一個數(shù)據(jù)庫自增的一個id。拿到這個id之后再往對應的分庫分表里去寫入。

比如說你有一個auto_id庫,里面就一個表,叫做auto_id表,有一個id是自增長的。

那么你每次要獲取一個全局唯一id,直接往這個表里插入一條記錄,獲取一個全局唯一id即可,然后這個全局唯一id就可以插入訂單的分庫分表中。

這個方案的好處就是方便簡單,誰都會用。缺點就是單庫生成自增id,要是高并發(fā)的話,就會有瓶頸的,因為auto_id庫要是承載個每秒幾萬并發(fā),肯定是不現(xiàn)實的了。

(2)方案二:uuid

這個每個人都應該知道吧,就是用UUID生成一個全局唯一的id。

好處就是每個系統(tǒng)本地生成,不要基于數(shù)據(jù)庫來了

不好之處就是,uuid太長了,作為主鍵性能太差了,不適合用于主鍵。

如果你是要隨機生成個什么文件名了,編號之類的,你可以用uuid,但是作為主鍵是不能用uuid的。

(3)方案三:獲取系統(tǒng)當前時間

這個方案的意思就是獲取當前時間作為全局唯一的id。

但是問題是,并發(fā)很高的時候,比如一秒并發(fā)幾千,會有重復的情況,這個是肯定不合適的。

一般如果用這個方案,是將當前時間跟很多其他的業(yè)務字段拼接起來,作為一個id,如果業(yè)務上你覺得可以接受,那么也是可以的。

你可以將別的業(yè)務字段值跟當前時間拼接起來,組成一個全局唯一的編號,比如說訂單編號:時間戳 + 用戶id + 業(yè)務含義編碼。

(4)方案四:snowflake算法的思想分析

snowflake算法,是twitter開源的分布式id生成算法。

其核心思想就是:使用一個64 bit的long型的數(shù)字作為全局唯一id,這64個bit中,其中1個bit是不用的,然后用其中的41 bit作為毫秒數(shù),用10 bit作為工作機器id,12 bit作為序列號。

給大家舉個例子吧,比如下面那個64 bit的long型數(shù)字,大家看看

上面第一個部分,是1個bit:0,這個是無意義的

上面第二個部分是41個bit:表示的是時間戳

上面第三個部分是5個bit:表示的是機房id,10001

上面第四個部分是5個bit:表示的是機器id,1 1001

上面第五個部分是12個bit:表示的序號,就是某個機房某臺機器上這一毫秒內同時生成的id的序號,0000 00000000

  • 1 bit:是不用的,為啥呢?
  • 因為二進制里第一個bit為如果是1,那么都是負數(shù),但是我們生成的id都是正數(shù),所以第一個bit統(tǒng)一都是0
  • 41 bit:表示的是時間戳,單位是毫秒。
  • 41 bit可以表示的數(shù)字多達2^41 - 1,也就是可以標識2 ^ 41 - 1個毫秒值,換算成年就是表示69年的時間。
  • 10 bit:記錄工作機器id,代表的是這個服務最多可以部署在2^10臺機器上,也就是1024臺機器。
  • 但是10 bit里5個bit代表機房id,5個bit代表機器id。意思就是最多代表2 ^ 5個機房(32個機房),每個機房里可以代表2 ^ 5個機器(32臺機器)。
  • 12 bit:這個是用來記錄同一個毫秒內產生的不同id。
  • 12 bit可以代表的最大正整數(shù)是2 ^ 12 - 1 = 4096,也就是說可以用這個12bit代表的數(shù)字來區(qū)分同一個毫秒內的4096個不同的id

簡單來說,你的某個服務假設要生成一個全局唯一id,那么就可以發(fā)送一個請求給部署了snowflake算法的系統(tǒng),由這個snowflake算法系統(tǒng)來生成唯一id。

這個snowflake算法系統(tǒng)首先肯定是知道自己所在的機房和機器的,比如機房id = 17,機器id = 12。

接著snowflake算法系統(tǒng)接收到這個請求之后,首先就會用二進制位運算的方式生成一個64 bit的long型id,64個bit中的第一個bit是無意義的。

接著41個bit,就可以用當前時間戳(單位到毫秒),然后接著5個bit設置上這個機房id,還有5個bit設置上機器id。

最后再判斷一下,當前這臺機房的這臺機器上這一毫秒內,這是第幾個請求,給這次生成id的請求累加一個序號,作為最后的12個bit。

最終一個64個bit的id就出來了,類似于:

這個算法可以保證說,一個機房的一臺機器上,在同一毫秒內,生成了一個唯一的id。可能一個毫秒內會生成多個id,但是有最后12個bit的序號來區(qū)分開來。

下面我們簡單看看這個snowflake算法的一個代碼實現(xiàn),這就是個示例,大家如果理解了這個意思之后,以后可以自己嘗試改造這個算法。

總之就是用一個64bit的數(shù)字中各個bit位來設置不同的標志位,區(qū)分每一個id。

(5)snowflake算法的代碼實現(xiàn)

public class IdWorker {

private long workerId; // 這個就是代表了機器id
private long datacenterId; // 這個就是代表了機房id
private long sequence; // 這個就是代表了一毫秒內生成的多個id的最新序號

public IdWorker(long workerId, long datacenterId, long sequence){

// sanity check for workerId
// 這兒不就檢查了一下,要求就是你傳遞進來的機房id和機器id不能超過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;

// 這個是二進制運算,就是5 bit最多只能有31個數(shù)字,也就是說機器id最多只能是32以內
private long maxWorkerId = -1L ^ (-1L << workerIdBits);

// 這個是一個意思,就是5 bit最多只能有31個數(shù)字,機房id最多只能是32以內
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();
}

// 這個是核心方法,通過調用nextId()方法,讓當前這臺機器上的snowflake算法程序生成一個全局唯一的id
public synchronized long nextId(){

// 這兒就是獲取當前時間戳,單位是毫秒
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));
}
// 下面是說假設在同一個毫秒內,又發(fā)送了一個請求生成一個id
// 這個時候就得把seqence序號給遞增1,最多就是4096
if (lastTimestamp == timestamp) {

// 這個意思是說一個毫秒內最多只能有4096個數(shù)字,無論你傳遞多少進來,
//這個位運算保證始終就是在4096這個范圍內,避免你自己傳遞個sequence超過了4096這個范圍
sequence = (sequence + 1) & sequenceMask;

if (sequence == 0) {
timestamp = tilNextMillis(lastTimestamp);
}

} else {
sequence = 0;
}

// 這兒記錄一下最近一次生成id的時間戳,單位是毫秒
lastTimestamp = timestamp;

// 這兒就是最核心的二進制位運算操作,生成一個64bit的id
// 先將當前時間戳左移,放到41 bit那兒;將機房id左移放到5 bit那兒;將機器id左移放到5 bit那兒;將序號放最后12 bit
// 最后拼接起來成一個64 bit的二進制數(shù)字,轉換成10進制就是個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();
}
//---------------測試---------------
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());
}
}
}

(6)snowflake算法一個小小的改進思路

其實在實際的開發(fā)中,這個snowflake算法可以做一點點改進。

因為大家可以考慮一下,我們在生成唯一id的時候,一般都需要指定一個表名,比如說訂單表的唯一id。

所以上面那64個bit中,代表機房的那5個bit,可以使用業(yè)務表名稱來替代,比如用00001代表的是訂單表。

因為其實很多時候,機房并沒有那么多,所以那5個bit用做機房id可能意義不是太大。

這樣就可以做到,snowflake算法系統(tǒng)的每一臺機器,對一個業(yè)務表,在某一毫秒內,可以生成一個唯一的id,一毫秒內生成很多id,用最后12個bit來區(qū)分序號對待。

責任編輯:姜華 來源: 今日頭條
相關推薦

2023-09-03 22:14:23

分布式ID

2022-02-23 07:09:30

分布式ID雪花算法

2022-12-30 17:52:44

分布式容錯架構

2025-03-28 10:27:29

2021-06-05 07:33:09

ID分布式架構

2021-11-08 19:25:37

Go生成系統(tǒng)

2016-11-29 09:12:21

數(shù)據(jù)庫分布式ID

2017-06-19 17:55:22

CASID分布式

2021-07-02 06:54:43

分布式環(huán)境ID

2021-06-28 14:45:07

分布式框架操作

2024-02-22 17:02:09

IDUUID雪花算法

2025-02-26 08:30:00

Spring分布式事務Java

2017-04-12 09:29:02

HiveMapReduceSpark

2024-04-01 13:08:24

唯一IDC#后端

2020-07-21 11:35:21

開發(fā)技能代碼

2024-02-02 10:57:12

Java分布式算法

2019-09-03 09:22:08

數(shù)據(jù)庫Redis算法

2020-11-10 07:44:18

分庫分表生成

2022-06-16 07:31:15

MySQL服務器服務

2024-02-28 08:18:13

Java日志項目
點贊
收藏

51CTO技術棧公眾號