今天咱們來看一道數(shù)據(jù)庫中比較經(jīng)典的面試問題：為什么要使用雪花 ID 替代數(shù)據(jù)庫自增 ID？同時這道題也出現(xiàn)在了浩鯨科技的 Java 面試中，下面我們一起來看吧。

1.什么是雪花 ID？

雪花 ID（Snowflake ID）是一個用于分布式系統(tǒng)中生成唯一 ID 的算法，由 Twitter 公司提出。它的設(shè)計目標(biāo)是在分布式環(huán)境下高效地生成全局唯一的 ID，具有一定的有序性。

雪花 ID 的結(jié)構(gòu)如下所示：

這四部分代表的含義

• 符號位：最高位是符號位，始終為 0，1 表示負(fù)數(shù)，0 表示正數(shù)，ID 都是正整數(shù)，所以固定為 0。
• 時間戳部分：由 41 位組成，精確到毫秒級?？梢允褂迷?41 位表示的時間戳來表示的時間可以使用 69 年。
• 節(jié)點 ID 部分：由 10 位組成，用于表示機(jī)器節(jié)點的唯一標(biāo)識符。在同一毫秒內(nèi)，不同的節(jié)點生成的 ID 會有所不同。
• 序列號部分：由 12 位組成，用于標(biāo)識同一毫秒內(nèi)生成的不同 ID 序列。在同一毫秒內(nèi)，可以生成 4096 個不同的 ID。

2.Java 版雪花算法實現(xiàn)

接下來，我們來實現(xiàn)一個 Java 版的雪花算法：

public class SnowflakeIdGenerator {
  
  // 定義雪花 ID 的各部分位數(shù)
  private static final long TIMESTAMP_BITS = 41L;
  private static final long NODE_ID_BITS = 10L;
  private static final long SEQUENCE_BITS = 12L;

  // 定義起始時間戳（可根據(jù)實際情況調(diào)整）
  private static final long EPOCH = 1609459200000L;

  // 定義最大取值范圍
  private static final long MAX_NODE_ID = (1L << NODE_ID_BITS) - 1;
  private static final long MAX_SEQUENCE = (1L << SEQUENCE_BITS) - 1;

  // 定義偏移量
  private static final long TIMESTAMP_SHIFT = NODE_ID_BITS + SEQUENCE_BITS;
  private static final long NODE_ID_SHIFT = SEQUENCE_BITS;

  private final long nodeId;
  private long lastTimestamp = -1L;
  private long sequence = 0L;

  public SnowflakeIdGenerator(long nodeId) {
    if (nodeId < 0 || nodeId > MAX_NODE_ID) {
      throw new IllegalArgumentException("Invalid node ID");
    }
    this.nodeId = nodeId;
  }

  public synchronized long generateId() {
    long currentTimestamp = timestamp();
    if (currentTimestamp < lastTimestamp) {
        throw new IllegalStateException("Clock moved backwards");
    }
    if (currentTimestamp == lastTimestamp) {
      sequence = (sequence + 1) & MAX_SEQUENCE;
      if (sequence == 0) {
        currentTimestamp = untilNextMillis(lastTimestamp);
      }
    } else {
      sequence = 0L;
    }
    lastTimestamp = currentTimestamp;
    return ((currentTimestamp - EPOCH) << TIMESTAMP_SHIFT) |
           (nodeId << NODE_ID_SHIFT) |
           sequence;
  }

  private long timestamp() {
    return System.currentTimeMillis();
  }

  private long untilNextMillis(long lastTimestamp) {
    long currentTimestamp = timestamp();
    while (currentTimestamp <= lastTimestamp) {
      currentTimestamp = timestamp();
    }
    return currentTimestamp;
  }
}

調(diào)用代碼如下：

public class Main {
  public static void main(String[] args) {
    // 創(chuàng)建一個雪花 ID 生成器實例，傳入節(jié)點 ID
    SnowflakeIdGenerator idGenerator = new SnowflakeIdGenerator(1);
    // 生成 ID
    long id = idGenerator.generateId();
    System.out.println(id);
  }
}

其中，nodeId 表示當(dāng)前節(jié)點的唯一標(biāo)識，可以根據(jù)實際情況進(jìn)行設(shè)置。generateId 方法用于生成雪花 ID，采用同步方式確保線程安全。具體的生成邏輯遵循雪花 ID 的位運(yùn)算規(guī)則，結(jié)合當(dāng)前時間戳、節(jié)點 ID 和序列號生成唯一的 ID。

“

需要注意的是，示例中的時間戳獲取方法使用了 System.currentTimeMillis()，根據(jù)實際需要可以替換為其他更精確的時間戳獲取方式。同時，需要確保節(jié)點 ID 的唯一性，避免不同節(jié)點生成的 ID 重復(fù)。

”

3.雪花算法問題

雖然雪花算法是一種被廣泛采用的分布式唯一 ID 生成算法，但它也存在以下幾個問題：

• 時間回?fù)軉栴}：雪花算法生成的 ID 依賴于系統(tǒng)的時間戳，要求系統(tǒng)的時鐘必須是單調(diào)遞增的。如果系統(tǒng)的時鐘發(fā)生回?fù)?，可能?dǎo)致生成的 ID 重復(fù)。時間回?fù)苁侵赶到y(tǒng)的時鐘在某個時間點之后突然往回走（人為設(shè)置），即出現(xiàn)了時間上的逆流情況。
• 時鐘回?fù)軒淼目捎眯院托阅軉栴}：由于時間依賴性，當(dāng)系統(tǒng)時鐘發(fā)生回?fù)軙r，雪花算法需要進(jìn)行額外的處理，如等待系統(tǒng)時鐘追上上一次生成 ID 的時間戳或拋出異常。這種處理會對算法的可用性和性能產(chǎn)生一定影響。
• 節(jié)點 ID 依賴問題：雪花算法需要為每個節(jié)點分配唯一的節(jié)點 ID 來保證生成的 ID 的全局唯一性。節(jié)點 ID 的分配需要有一定的管理和調(diào)度，特別是在動態(tài)擴(kuò)容或縮容時，節(jié)點 ID 的管理可能較為復(fù)雜。

4.如何解決時間回?fù)軉栴}？

百度 UidGenerator 框架中解決了時間回?fù)艿膯栴}，并且解決方案比較經(jīng)典，所以咱們這里就來給大家分享一下百度 UidGenerator 是怎么解決時間回?fù)軉栴}的？

“

UidGenerator 介紹：UidGenerator 是百度開源的一個分布式唯一 ID 生成器，它是基于 Snowflake 算法的改進(jìn)版本。與傳統(tǒng)的 Snowflake 算法相比，UidGenerator 在高并發(fā)場景下具有更好的性能和可用性。它的實現(xiàn)源碼在：https://github.com/baidu/uid-generator

”

UidGenerator 是這樣解決時間回?fù)軉栴}的：UidGenerator 的每個實例中，都維護(hù)一個本地時鐘緩存，用于記錄當(dāng)前時間戳。這個本地時鐘會定期與系統(tǒng)時鐘進(jìn)行同步，如果檢測到系統(tǒng)時鐘往前走了（出現(xiàn)了時鐘回?fù)埽?，則將本地時鐘調(diào)整為系統(tǒng)時鐘。

5.為什么要使用雪花 ID 替代數(shù)據(jù)庫自增 ID？

數(shù)據(jù)庫自增 ID 只適用于單機(jī)環(huán)境，但如果是分布式環(huán)境，是將數(shù)據(jù)庫進(jìn)行分庫、分表或數(shù)據(jù)庫分片等操作時，那么數(shù)據(jù)庫自增 ID 就有問題了。

例如，數(shù)據(jù)庫分片之后，會在同一張業(yè)務(wù)表的分片數(shù)據(jù)庫中產(chǎn)生相同 ID（數(shù)據(jù)庫自增 ID 是由每個數(shù)據(jù)庫單獨記錄和增加的），這樣就會導(dǎo)致，同一個業(yè)務(wù)表的竟然有相同的 ID，而且相同 ID 背后存儲的數(shù)據(jù)又完全不同，這樣業(yè)務(wù)查詢的時候就出問題了。

所以為了解決這個問題，就必須使用分布式中能保證唯一性的雪花 ID 來替代數(shù)據(jù)庫的自增 ID。

6.擴(kuò)展：使用 UUID 替代雪花 ID 行不行？

如果單從唯一性來考慮的話，那么 UUID 和雪花 ID 的效果是一致的，二者都能保證分布式系統(tǒng)下的數(shù)據(jù)唯一性，但是即使這樣，也不建議使用 UUID 替代雪花 ID，因為這樣做的問題有以下兩個：

• 可讀性問題：UUID 內(nèi)容很長，但沒有業(yè)務(wù)含義，就是一堆看不懂的“字母”。
• 性能問題：UUID 是字符串類型，而字符串類型在數(shù)據(jù)庫的查詢中效率很低。

所以，基于以上兩個原因，不建議使用 UUID 來替代雪花 ID。

小結(jié)

數(shù)據(jù)庫自增 ID 只適用于單機(jī)數(shù)據(jù)庫環(huán)境，而對于分庫、分表、數(shù)據(jù)分片來說，自增 ID 不具備唯一性，所以要要使用雪花 ID 來替代數(shù)據(jù)庫自增 ID。但雪花算法依然存在一些問題，例如時間回?fù)軉栴}、節(jié)點過度依賴問題等，所以此時，可以使用雪花算法的改進(jìn)框架，如百度的 UidGenerator 來作為數(shù)據(jù)庫的 ID 生成方案會比較好。