mirror of
https://github.com/Snailclimb/JavaGuide
synced 2025-06-16 18:10:13 +08:00
361 lines
18 KiB
Markdown
361 lines
18 KiB
Markdown
---
|
||
title: 分布式 ID
|
||
category: 分布式
|
||
---
|
||
|
||
## 分布式 ID 介绍
|
||
|
||
### 何为 ID？
|
||
|
||
日常开发中，我们需要对系统中的各种数据使用 ID 唯一表示，比如用户 ID 对应且仅对应一个人，商品 ID 对应且仅对应一件商品，订单 ID 对应且仅对应一个订单。
|
||
|
||
|
||
|
||
我们现实生活中也有各种 ID，比如身份证 ID 对应且仅对应一个人、地址 ID 对应且仅对应
|
||
|
||
简单来说，**ID 就是数据的唯一标识**。
|
||
|
||
### 何为分布式 ID？
|
||
|
||
分布式 ID 是分布式系统下的 ID。分布式 ID 不存在与现实生活中，属于计算机系统中的一个概念。
|
||
|
||
我简单举一个分库分表的例子。
|
||
|
||
我司的一个项目，使用的是单机 MySQL 。但是，没想到的是，项目上线一个月之后，随着使用人数越来越多，整个系统的数据量将越来越大。
|
||
|
||
单机 MySQL 已经没办法支撑了，需要进行分库分表（推荐 Sharding-JDBC）。
|
||
|
||
在分库之后， 数据遍布在不同服务器上的数据库，数据库的自增主键已经没办法满足生成的主键唯一了。**我们如何为不同的数据节点生成全局唯一主键呢？**
|
||
|
||
|
||
|
||
这个时候就需要生成**分布式 ID**了。
|
||
|
||
### 分布式 ID 需要满足哪些要求?
|
||
|
||
|
||
|
||
分布式 ID 作为分布式系统中必不可少的一环，很多地方都要用到分布式 ID。
|
||
|
||
一个最基本的分布式 ID 需要满足下面这些要求：
|
||
|
||
- **全局唯一** ：ID 的全局唯一性肯定是首先要满足的！
|
||
- **高性能** ： 分布式 ID 的生成速度要快，对本地资源消耗要小。
|
||
- **高可用** ：生成分布式 ID 的服务要保证可用性无限接近于 100%。
|
||
- **方便易用** ：拿来即用，使用方便，快速接入！
|
||
|
||
除了这些之外，一个比较好的分布式 ID 还应保证：
|
||
|
||
- **安全** ：ID 中不包含敏感信息。
|
||
- **有序递增** ：如果要把 ID 存放在数据库的话，ID 的有序性可以提升数据库写入速度。并且，很多时候 ，我们还很有可能会直接通过 ID 来进行排序。
|
||
- **有具体的业务含义** ：生成的 ID 如果能有具体的业务含义，可以让定位问题以及开发更透明化（通过 ID 就能确定是哪个业务）。
|
||
- **独立部署** ：也就是分布式系统单独有一个发号器服务，专门用来生成分布式 ID。这样就生成 ID 的服务可以和业务相关的服务解耦。不过，这样同样带来了网络调用消耗增加的问题。总的来说，如果需要用到分布式 ID 的场景比较多的话，独立部署的发号器服务还是很有必要的。
|
||
|
||
## 分布式 ID 常见解决方案
|
||
|
||
### 数据库
|
||
|
||
#### 数据库主键自增
|
||
|
||
这种方式就比较简单直白了，就是通过关系型数据库的自增主键产生来唯一的 ID。
|
||
|
||
|
||
|
||
以 MySQL 举例，我们通过下面的方式即可。
|
||
|
||
**1.创建一个数据库表。**
|
||
|
||
```sql
|
||
CREATE TABLE `sequence_id` (
|
||
`id` bigint(20) unsigned NOT NULL AUTO_INCREMENT,
|
||
`stub` char(10) NOT NULL DEFAULT '',
|
||
PRIMARY KEY (`id`),
|
||
UNIQUE KEY `stub` (`stub`)
|
||
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;
|
||
```
|
||
|
||
`stub` 字段无意义，只是为了占位，便于我们插入或者修改数据。并且，给 `stub` 字段创建了唯一索引，保证其唯一性。
|
||
|
||
**2.通过 `replace into` 来插入数据。**
|
||
|
||
```java
|
||
BEGIN;
|
||
REPLACE INTO sequence_id (stub) VALUES ('stub');
|
||
SELECT LAST_INSERT_ID();
|
||
COMMIT;
|
||
```
|
||
|
||
插入数据这里，我们没有使用 `insert into` 而是使用 `replace into` 来插入数据，具体步骤是这样的：
|
||
|
||
1)第一步： 尝试把数据插入到表中。
|
||
|
||
2)第二步： 如果主键或唯一索引字段出现重复数据错误而插入失败时，先从表中删除含有重复关键字值的冲突行，然后再次尝试把数据插入到表中。
|
||
|
||
这种方式的优缺点也比较明显：
|
||
|
||
- **优点** ：实现起来比较简单、ID 有序递增、存储消耗空间小
|
||
- **缺点** ： 支持的并发量不大、存在数据库单点问题（可以使用数据库集群解决，不过增加了复杂度）、ID 没有具体业务含义、安全问题（比如根据订单 ID 的递增规律就能推算出每天的订单量，商业机密啊！ ）、每次获取 ID 都要访问一次数据库（增加了对数据库的压力，获取速度也慢）
|
||
|
||
#### 数据库号段模式
|
||
|
||
数据库主键自增这种模式，每次获取 ID 都要访问一次数据库，ID 需求比较大的时候，肯定是不行的。
|
||
|
||
如果我们可以批量获取，然后存在在内存里面，需要用到的时候，直接从内存里面拿就舒服了！这也就是我们说的 **基于数据库的号段模式来生成分布式 ID。**
|
||
|
||
数据库的号段模式也是目前比较主流的一种分布式 ID 生成方式。像滴滴开源的[Tinyid](https://github.com/didi/tinyid/wiki/tinyid%E5%8E%9F%E7%90%86%E4%BB%8B%E7%BB%8D) 就是基于这种方式来做的。不过，TinyId 使用了双号段缓存、增加多 db 支持等方式来进一步优化。
|
||
|
||
以 MySQL 举例，我们通过下面的方式即可。
|
||
|
||
**1.创建一个数据库表。**
|
||
|
||
```sql
|
||
CREATE TABLE `sequence_id_generator` (
|
||
`id` int(10) NOT NULL,
|
||
`current_max_id` bigint(20) NOT NULL COMMENT '当前最大id',
|
||
`step` int(10) NOT NULL COMMENT '号段的长度',
|
||
`version` int(20) NOT NULL COMMENT '版本号',
|
||
`biz_type` int(20) NOT NULL COMMENT '业务类型',
|
||
PRIMARY KEY (`id`)
|
||
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;
|
||
```
|
||
|
||
`current_max_id` 字段和`step`字段主要用于获取批量 ID，获取的批量 id 为： `current_max_id ~ current_max_id+step`。
|
||
|
||
|
||
|
||
`version` 字段主要用于解决并发问题（乐观锁）,`biz_type` 主要用于表示业务类型。
|
||
|
||
**2.先插入一行数据。**
|
||
|
||
```sql
|
||
INSERT INTO `sequence_id_generator` (`id`, `current_max_id`, `step`, `version`, `biz_type`)
|
||
VALUES
|
||
(1, 0, 100, 0, 101);
|
||
```
|
||
|
||
**3.通过 SELECT 获取指定业务下的批量唯一 ID**
|
||
|
||
```sql
|
||
SELECT `current_max_id`, `step`,`version` FROM `sequence_id_generator` where `biz_type` = 101
|
||
```
|
||
|
||
结果：
|
||
|
||
```
|
||
id current_max_id step version biz_type
|
||
1 0 100 0 101
|
||
```
|
||
|
||
**4.不够用的话，更新之后重新 SELECT 即可。**
|
||
|
||
```sql
|
||
UPDATE sequence_id_generator SET current_max_id = 0+100, version=version+1 WHERE version = 0 AND `biz_type` = 101
|
||
SELECT `current_max_id`, `step`,`version` FROM `sequence_id_generator` where `biz_type` = 101
|
||
```
|
||
|
||
结果：
|
||
|
||
```
|
||
id current_max_id step version biz_type
|
||
1 100 100 1 101
|
||
```
|
||
|
||
相比于数据库主键自增的方式，**数据库的号段模式对于数据库的访问次数更少，数据库压力更小。**
|
||
|
||
另外，为了避免单点问题，你可以从使用主从模式来提高可用性。
|
||
|
||
**数据库号段模式的优缺点:**
|
||
|
||
- **优点** ：ID 有序递增、存储消耗空间小
|
||
- **缺点** ：存在数据库单点问题（可以使用数据库集群解决，不过增加了复杂度）、ID 没有具体业务含义、安全问题（比如根据订单 ID 的递增规律就能推算出每天的订单量，商业机密啊！ ）
|
||
|
||
#### NoSQL
|
||
|
||
|
||
|
||
一般情况下，NoSQL 方案使用 Redis 多一些。我们通过 Redis 的 `incr` 命令即可实现对 id 原子顺序递增。
|
||
|
||
```bash
|
||
127.0.0.1:6379> set sequence_id_biz_type 1
|
||
OK
|
||
127.0.0.1:6379> incr sequence_id_biz_type
|
||
(integer) 2
|
||
127.0.0.1:6379> get sequence_id_biz_type
|
||
"2"
|
||
```
|
||
|
||
为了提高可用性和并发，我们可以使用 Redis Cluster。Redis Cluster 是 Redis 官方提供的 Redis 集群解决方案（3.0+版本）。
|
||
|
||
除了 Redis Cluster 之外，你也可以使用开源的 Redis 集群方案[Codis](https://github.com/CodisLabs/codis) （大规模集群比如上百个节点的时候比较推荐）。
|
||
|
||
除了高可用和并发之外，我们知道 Redis 基于内存，我们需要持久化数据，避免重启机器或者机器故障后数据丢失。Redis 支持两种不同的持久化方式：**快照（snapshotting，RDB）**、**只追加文件（append-only file, AOF）**。 并且，Redis 4.0 开始支持 **RDB 和 AOF 的混合持久化**（默认关闭，可以通过配置项 `aof-use-rdb-preamble` 开启）。
|
||
|
||
关于 Redis 持久化，我这里就不过多介绍。不了解这部分内容的小伙伴，可以看看 [JavaGuide 对于 Redis 知识点的总结](https://snailclimb.gitee.io/javaguide/#/docs/database/Redis/redis-all)。
|
||
|
||
**Redis 方案的优缺点：**
|
||
|
||
- **优点** ： 性能不错并且生成的 ID 是有序递增的
|
||
- **缺点** ： 和数据库主键自增方案的缺点类似
|
||
|
||
除了 Redis 之外，MongoDB ObjectId 经常也会被拿来当做分布式 ID 的解决方案。
|
||
|
||
|
||
|
||
MongoDB ObjectId 一共需要 12 个字节存储：
|
||
|
||
- 0~3：时间戳
|
||
- 3~6： 代表机器 ID
|
||
- 7~8：机器进程 ID
|
||
- 9~11 ：自增值
|
||
|
||
**MongoDB 方案的优缺点：**
|
||
|
||
- **优点** ： 性能不错并且生成的 ID 是有序递增的
|
||
- **缺点** ： 需要解决重复 ID 问题（当机器时间不对的情况下，可能导致会产生重复 ID） 、有安全性问题（ID 生成有规律性）
|
||
|
||
### 算法
|
||
|
||
#### UUID
|
||
|
||
UUID 是 Universally Unique Identifier（通用唯一标识符） 的缩写。UUID 包含 32 个 16 进制数字（8-4-4-4-12）。
|
||
|
||
JDK 就提供了现成的生成 UUID 的方法，一行代码就行了。
|
||
|
||
```java
|
||
//输出示例：cb4a9ede-fa5e-4585-b9bb-d60bce986eaa
|
||
UUID.randomUUID()
|
||
```
|
||
|
||
[RFC 4122](https://tools.ietf.org/html/rfc4122) 中关于 UUID 的示例是这样的：
|
||
|
||
|
||
|
||
我们这里重点关注一下这个 Version(版本)，不同的版本对应的 UUID 的生成规则是不同的。
|
||
|
||
5 种不同的 Version(版本)值分别对应的含义（参考[维基百科对于 UUID 的介绍](https://zh.wikipedia.org/wiki/%E9%80%9A%E7%94%A8%E5%94%AF%E4%B8%80%E8%AF%86%E5%88%AB%E7%A0%81)）：
|
||
|
||
- **版本 1** : UUID 是根据时间和节点 ID（通常是 MAC 地址）生成；
|
||
- **版本 2** : UUID 是根据标识符（通常是组或用户 ID）、时间和节点 ID 生成；
|
||
- **版本 3、版本 5** : 版本 5 - 确定性 UUID 通过散列（hashing）名字空间（namespace）标识符和名称生成；
|
||
- **版本 4** : UUID 使用[随机性](https://zh.wikipedia.org/wiki/随机性)或[伪随机性](https://zh.wikipedia.org/wiki/伪随机性)生成。
|
||
|
||
下面是 Version 1 版本下生成的 UUID 的示例：
|
||
|
||
|
||
|
||
JDK 中通过 `UUID` 的 `randomUUID()` 方法生成的 UUID 的版本默认为 4。
|
||
|
||
```java
|
||
UUID uuid = UUID.randomUUID();
|
||
int version = uuid.version();// 4
|
||
```
|
||
|
||
另外，Variant(变体)也有 4 种不同的值，这种值分别对应不同的含义。这里就不介绍了，貌似平时也不怎么需要关注。
|
||
|
||
需要用到的时候，去看看维基百科对于 UUID 的 Variant(变体) 相关的介绍即可。
|
||
|
||
从上面的介绍中可以看出，UUID 可以保证唯一性，因为其生成规则包括 MAC 地址、时间戳、名字空间（Namespace）、随机或伪随机数、时序等元素，计算机基于这些规则生成的 UUID 是肯定不会重复的。
|
||
|
||
虽然，UUID 可以做到全局唯一性，但是，我们一般很少会使用它。
|
||
|
||
比如使用 UUID 作为 MySQL 数据库主键的时候就非常不合适：
|
||
|
||
- 数据库主键要尽量越短越好，而 UUID 的消耗的存储空间比较大（32 个字符串，128 位）。
|
||
- UUID 是无顺序的，InnoDB 引擎下，数据库主键的无序性会严重影响数据库性能。
|
||
|
||
最后，我们再简单分析一下 **UUID 的优缺点** （面试的时候可能会被问到的哦！） :
|
||
|
||
- **优点** ：生成速度比较快、简单易用
|
||
- **缺点** ： 存储消耗空间大（32 个字符串，128 位） 、 不安全（基于 MAC 地址生成 UUID 的算法会造成 MAC 地址泄露)、无序（非自增）、没有具体业务含义、需要解决重复 ID 问题（当机器时间不对的情况下，可能导致会产生重复 ID）
|
||
|
||
#### Snowflake(雪花算法)
|
||
|
||
Snowflake 是 Twitter 开源的分布式 ID 生成算法。Snowflake 由 64 bit 的二进制数字组成，这 64bit 的二进制被分成了几部分，每一部分存储的数据都有特定的含义：
|
||
|
||
- **第 0 位**： 符号位（标识正负），始终为 0，没有用，不用管。
|
||
- **第 1~41 位** ：一共 41 位，用来表示时间戳，单位是毫秒，可以支撑 2 ^41 毫秒（约 69 年）
|
||
- **第 42~52 位** ：一共 10 位，一般来说，前 5 位表示机房 ID，后 5 位表示机器 ID（实际项目中可以根据实际情况调整）。这样就可以区分不同集群/机房的节点。
|
||
- **第 53~64 位** ：一共 12 位，用来表示序列号。 序列号为自增值，代表单台机器每毫秒能够产生的最大 ID 数(2^12 = 4096),也就是说单台机器每毫秒最多可以生成 4096 个 唯一 ID。
|
||
|
||
|
||
|
||
如果你想要使用 Snowflake 算法的话，一般不需要你自己再造轮子。有很多基于 Snowflake 算法的开源实现比如美团 的 Leaf、百度的 UidGenerator，并且这些开源实现对原有的 Snowflake 算法进行了优化。
|
||
|
||
另外，在实际项目中，我们一般也会对 Snowflake 算法进行改造，最常见的就是在 Snowflake 算法生成的 ID 中加入业务类型信息。
|
||
|
||
我们再来看看 Snowflake 算法的优缺点 ：
|
||
|
||
- **优点** ：生成速度比较快、生成的 ID 有序递增、比较灵活（可以对 Snowflake 算法进行简单的改造比如加入业务 ID）
|
||
- **缺点** ： 需要解决重复 ID 问题（依赖时间，当机器时间不对的情况下，可能导致会产生重复 ID）。
|
||
|
||
### 开源框架
|
||
|
||
#### UidGenerator(百度)
|
||
|
||
[UidGenerator](https://github.com/baidu/uid-generator) 是百度开源的一款基于 Snowflake(雪花算法)的唯一 ID 生成器。
|
||
|
||
不过，UidGenerator 对 Snowflake(雪花算法)进行了改进，生成的唯一 ID 组成如下。
|
||
|
||
|
||
|
||
可以看出，和原始 Snowflake(雪花算法)生成的唯一 ID 的组成不太一样。并且，上面这些参数我们都可以自定义。
|
||
|
||
UidGenerator 官方文档中的介绍如下：
|
||
|
||
|
||
|
||
自 18 年后，UidGenerator 就基本没有再维护了，我这里也不过多介绍。想要进一步了解的朋友，可以看看 [UidGenerator 的官方介绍](https://github.com/baidu/uid-generator/blob/master/README.zh_cn.md)。
|
||
|
||
#### Leaf(美团)
|
||
|
||
**[Leaf](https://github.com/Meituan-Dianping/Leaf)** 是美团开源的一个分布式 ID 解决方案 。这个项目的名字 Leaf（树叶） 起源于德国哲学家、数学家莱布尼茨的一句话： “There are no two identical leaves in the world”（世界上没有两片相同的树叶） 。这名字起得真心挺不错的，有点文艺青年那味了！
|
||
|
||
|
||
|
||
Leaf 提供了 **号段模式** 和 **Snowflake(雪花算法)** 这两种模式来生成分布式 ID。并且，它支持双号段，还解决了雪花 ID 系统时钟回拨问题。不过，时钟问题的解决需要弱依赖于 Zookeeper 。
|
||
|
||
Leaf 的诞生主要是为了解决美团各个业务线生成分布式 ID 的方法多种多样以及不可靠的问题。
|
||
|
||
Leaf 对原有的号段模式进行改进，比如它这里增加了双号段避免获取 DB 在获取号段的时候阻塞请求获取 ID 的线程。简单来说，就是我一个号段还没用完之前，我自己就主动提前去获取下一个号段（图片来自于美团官方文章：[《Leaf——美团点评分布式 ID 生成系统》](https://tech.meituan.com/2017/04/21/mt-leaf.html)）。
|
||
|
||
|
||
|
||
根据项目 README 介绍，在 4C8G VM 基础上，通过公司 RPC 方式调用，QPS 压测结果近 5w/s，TP999 1ms。
|
||
|
||
#### Tinyid(滴滴)
|
||
|
||
[Tinyid](https://github.com/didi/tinyid) 是滴滴开源的一款基于数据库号段模式的唯一 ID 生成器。
|
||
|
||
数据库号段模式的原理我们在上面已经介绍过了。**Tinyid 有哪些亮点呢？**
|
||
|
||
为了搞清楚这个问题，我们先来看看基于数据库号段模式的简单架构方案。（图片来自于 Tinyid 的官方 wiki:[《Tinyid 原理介绍》](https://github.com/didi/tinyid/wiki/tinyid%E5%8E%9F%E7%90%86%E4%BB%8B%E7%BB%8D)）
|
||
|
||
|
||
|
||
在这种架构模式下，我们通过 HTTP 请求向发号器服务申请唯一 ID。负载均衡 router 会把我们的请求送往其中的一台 tinyid-server。
|
||
|
||
这种方案有什么问题呢？在我看来（Tinyid 官方 wiki 也有介绍到），主要由下面这 2 个问题：
|
||
|
||
- 获取新号段的情况下，程序获取唯一 ID 的速度比较慢。
|
||
- 需要保证 DB 高可用，这个是比较麻烦且耗费资源的。
|
||
|
||
除此之外，HTTP 调用也存在网络开销。
|
||
|
||
Tinyid 的原理比较简单，其架构如下图所示：
|
||
|
||
|
||
|
||
相比于基于数据库号段模式的简单架构方案，Tinyid 方案主要做了下面这些优化：
|
||
|
||
- **双号段缓存** ：为了避免在获取新号段的情况下，程序获取唯一 ID 的速度比较慢。 Tinyid 中的号段在用到一定程度的时候，就会去异步加载下一个号段，保证内存中始终有可用号段。
|
||
- **增加多 db 支持** ：支持多个 DB，并且，每个 DB 都能生成唯一 ID，提高了可用性。
|
||
- **增加 tinyid-client** ：纯本地操作，无 HTTP 请求消耗，性能和可用性都有很大提升。
|
||
|
||
Tinyid 的优缺点这里就不分析了，结合数据库号段模式的优缺点和 Tinyid 的原理就能知道。
|
||
|
||
## 分布式 ID 生成方案总结
|
||
|
||
这篇文章中，我基本上已经把最常见的分布式 ID 生成方案都总结了一波。
|
||
|
||
除了上面介绍的方式之外，像 ZooKeeper 这类中间件也可以帮助我们生成唯一 ID。**没有银弹，一定要结合实际项目来选择最适合自己的方案。**
|