java九種分布式ID解決方案
背景
在復(fù)雜的分布式系統(tǒng)中,往往需要對大量的數(shù)據(jù)進(jìn)行唯一標(biāo)識,比如在對一個(gè)訂單表進(jìn)行了分庫分表操作,這時(shí)候數(shù)據(jù)庫的自增ID顯然不能作為某個(gè)訂單的唯一標(biāo)識。除此之外還有其他分布式場景對分布式ID的一些要求:
- 趨勢遞增:由于多數(shù)RDBMS使用B-tree的數(shù)據(jù)結(jié)構(gòu)來存儲索引數(shù)據(jù),在主鍵的選擇上面我們應(yīng)該盡量使用有序的主鍵保證寫入性能。
- 單調(diào)遞增:保證下一個(gè)ID一定大于上一個(gè)ID,例如排序需求。
- 信息安全:如果ID是連續(xù)的,惡意用戶的扒取工作就非常容易做了;如果是訂單號就更危險(xiǎn)了,可以直接知道我們的單量。所以在一些應(yīng)用場景下,會(huì)需要ID無規(guī)則、不規(guī)則。
就不同的場景及要求,市面誕生了很多分布式ID解決方案。本文針對多個(gè)分布式ID解決方案進(jìn)行介紹,包括其優(yōu)缺點(diǎn)、使用場景及代碼示例。
1、UUID
UUID(Universally Unique Identifier)是基于當(dāng)前時(shí)間、計(jì)數(shù)器(counter)和硬件標(biāo)識(通常為無線網(wǎng)卡的MAC地址)等數(shù)據(jù)計(jì)算生成的。包含32個(gè)16進(jìn)制數(shù)字,以連字號分為五段,形式為8-4-4-4-12的36個(gè)字符,可以生成全球唯一的編碼并且性能高效。
JDK提供了UUID生成工具,代碼如下:
import java.util.UUID;
public class Test {
public static void main(String[] args) {
System.out.println(UUID.randomUUID());
}
}輸出如下
b0378f6a-eeb7-4779-bffe-2a9f3bc76380
UUID完全可以滿足分布式唯一標(biāo)識,但是在實(shí)際應(yīng)用過程中一般不采用,有如下幾個(gè)原因:
存儲成本高:UUID太長,16字節(jié)128位,通常以36長度的字符串表示,很多場景不適用。
- 信息不安全:基于MAC地址生成的UUID算法會(huì)暴露MAC地址,曾經(jīng)梅麗莎病毒的制造者就是根據(jù)UUID尋找的。
- 不符合MySQL主鍵要求:MySQL官方有明確的建議主鍵要盡量越短越好,因?yàn)樘L對MySQL索引不利:如果作為數(shù)據(jù)庫主鍵,在InnoDB引擎下,UUID的無序性可能會(huì)引起數(shù)據(jù)位置頻繁變動(dòng),嚴(yán)重影響性能。
2、數(shù)據(jù)庫自增ID
利用Mysql的特性ID自增,可以達(dá)到數(shù)據(jù)唯一標(biāo)識,但是分庫分表后只能保證一個(gè)表中的ID的唯一,而不能保證整體的ID唯一。為了避免這種情況,我們有以下兩種方式解決該問題。
2.1、主鍵表
通過單獨(dú)創(chuàng)建主鍵表維護(hù)唯一標(biāo)識,作為ID的輸出源可以保證整體ID的唯一。舉個(gè)例子:
創(chuàng)建一個(gè)主鍵表
CREATE TABLE `unique_id` ( `id` bigint NOT NULL AUTO_INCREMENT, `biz` char(1) NOT NULL, PRIMARY KEY (`id`), UNIQUE KEY `biz` (`biz`) ) ENGINE = InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET =utf8;
業(yè)務(wù)通過更新操作來獲取ID信息,然后添加到某個(gè)分表中。
BEGIN;
REPLACE INTO unique_id (biz) values ('o') ;
SELECT LAST_INSERT_ID();
COMMIT;
2.2、ID自增步長設(shè)置
我們可以設(shè)置Mysql主鍵自增步長,讓分布在不同實(shí)例的表數(shù)據(jù)ID做到不重復(fù),保證整體的唯一。
如下,可以設(shè)置Mysql實(shí)例1步長為1,實(shí)例1步長為2。

查看主鍵自增的屬性
show variables like '%increment%'

顯然,這種方式在并發(fā)量比較高的情況下,如何保證擴(kuò)展性其實(shí)會(huì)是一個(gè)問題。
3、號段模式
號段模式是當(dāng)下分布式ID生成器的主流實(shí)現(xiàn)方式之一。其原理如下:
- 號段模式每次從數(shù)據(jù)庫取出一個(gè)號段范圍,加載到服務(wù)內(nèi)存中。業(yè)務(wù)獲取時(shí)ID直接在這個(gè)范圍遞增取值即可。
- 等這批號段ID用完,再次向數(shù)據(jù)庫申請新號段,對max_id字段做一次update操作,新的號段范圍是(max_id ,max_id +step]。
- 由于多業(yè)務(wù)端可能同時(shí)操作,所以采用版本號version樂觀鎖方式更新。

例如 (1,1000] 代表1000個(gè)ID,具體的業(yè)務(wù)服務(wù)將本號段生成1~1000的自增ID。表結(jié)構(gòu)如下:
CREATE TABLE id_generator ( id int(10) NOT NULL, max_id bigint(20) NOT NULL COMMENT '當(dāng)前最大id', step int(20) NOT NULL COMMENT '號段的長度', biz_type int(20) NOT NULL COMMENT '業(yè)務(wù)類型', version int(20) NOT NULL COMMENT '版本號,是一個(gè)樂觀鎖,每次都更新version,保證并發(fā)時(shí)數(shù)據(jù)的正確性', PRIMARY KEY (`id`) )
這種分布式ID生成方式不強(qiáng)依賴于數(shù)據(jù)庫,不會(huì)頻繁的訪問數(shù)據(jù)庫,對數(shù)據(jù)庫的壓力小很多。但同樣也會(huì)存在一些缺點(diǎn)比如:服務(wù)器重啟,單點(diǎn)故障會(huì)造成ID不連續(xù)。
4、Redis INCR
基于全局唯一ID的特性,我們可以通過Redis的INCR命令來生成全局唯一ID。

Redis分布式ID的簡單案例
/**
* Redis 分布式ID生成器
*/
@Component
public class RedisDistributedId {
@Autowired
private StringRedisTemplate redisTemplate;
private static final long BEGIN_TIMESTAMP = 1659312000l;
/**
* 生成分布式ID
* 符號位 時(shí)間戳[31位] 自增序號【32位】
* @param item
* @return
*/
public long nextId(String item){
// 1.生成時(shí)間戳
LocalDateTime now = LocalDateTime.now();
// 格林威治時(shí)間差
long nowSecond = now.toEpochSecond(ZoneOffset.UTC);
// 我們需要獲取的 時(shí)間戳 信息
long timestamp = nowSecond - BEGIN_TIMESTAMP;
// 2.生成序號 --》 從Redis中獲取
// 當(dāng)前當(dāng)前的日期
String date = now.format(DateTimeFormatter.ofPattern("yyyy:MM:dd"));
// 獲取對應(yīng)的自增的序號
Long increment = redisTemplate.opsForValue().increment("id:" + item + ":" + date);
return timestamp << 32 | increment;
}
}同樣使用Redis也有對應(yīng)的缺點(diǎn):ID 生成的持久化問題,如果Redis宕機(jī)了怎么進(jìn)行恢復(fù)?
5、雪花算法
Snowflake,雪花算法是有Twitter開源的分布式ID生成算法,以劃分命名空間的方式將64bit位分割成了多個(gè)部分,每個(gè)部分都有具體的不同含義,在Java中64Bit位的整數(shù)是Long類型,所以在Java中Snowflake算法生成的ID就是long來存儲的。具體如下:

- 第一部分:占用1bit,第一位為符號位,不適用
- 第二部分:41位的時(shí)間戳,41bit位可以表示241個(gè)數(shù),每個(gè)數(shù)代表的是毫秒,那么雪花算法的時(shí)間年限是(241)/(1000×60×60×24×365)=69年
- 第三部分:10bit表示是機(jī)器數(shù),即 2^ 10 = 1024臺機(jī)器,通常不會(huì)部署這么多機(jī)器
- 第四部分:12bit位是自增序列,可以表示2^12=4096個(gè)數(shù),一秒內(nèi)可以生成4096個(gè)ID,理論上snowflake方案的QPS約為409.6w/s
雪花算法案例代碼:
public class SnowflakeIdWorker {
// ==============================Fields===========================================
/**
* 開始時(shí)間截 (2020-11-03,一旦確定不可更改,否則時(shí)間被回調(diào),或者改變,可能會(huì)造成id重復(fù)或沖突)
*/
private final long twepoch = 1604374294980L;
/**
* 機(jī)器id所占的位數(shù)
*/
private final long workerIdBits = 5L;
/**
* 數(shù)據(jù)標(biāo)識id所占的位數(shù)
*/
private final long datacenterIdBits = 5L;
/**
* 支持的最大機(jī)器id,結(jié)果是31 (這個(gè)移位算法可以很快的計(jì)算出幾位二進(jìn)制數(shù)所能表示的最大十進(jìn)制數(shù))
*/
private final long maxWorkerId = -1L ^ (-1L << workerIdBits);
/**
* 支持的最大數(shù)據(jù)標(biāo)識id,結(jié)果是31
*/
private final long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);
/**
* 序列在id中占的位數(shù)
*/
private final long sequenceBits = 12L;
/**
* 機(jī)器ID向左移12位
*/
private final long workerIdShift = sequenceBits;
/**
* 數(shù)據(jù)標(biāo)識id向左移17位(12+5)
*/
private final long datacenterIdShift = sequenceBits + workerIdBits;
/**
* 時(shí)間截向左移22位(5+5+12)
*/
private final long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;
/**
* 生成序列的掩碼,這里為4095 (0b111111111111=0xfff=4095)
*/
private final long sequenceMask = -1L ^ (-1L << sequenceBits);
/**
* 工作機(jī)器ID(0~31)
*/
private long workerId;
/**
* 數(shù)據(jù)中心ID(0~31)
*/
private long datacenterId;
/**
* 毫秒內(nèi)序列(0~4095)
*/
private long sequence = 0L;
/**
* 上次生成ID的時(shí)間截
*/
private long lastTimestamp = -1L;
//==============================Constructors=====================================
/**
* 構(gòu)造函數(shù)
*
*/
public SnowflakeIdWorker() {
this.workerId = 0L;
this.datacenterId = 0L;
}
/**
* 構(gòu)造函數(shù)
*
* @param workerId 工作ID (0~31)
* @param datacenterId 數(shù)據(jù)中心ID (0~31)
*/
public SnowflakeIdWorker(long workerId, long datacenterId) {
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;
}
// ==============================Methods==========================================
/**
* 獲得下一個(gè)ID (該方法是線程安全的)
*
* @return SnowflakeId
*/
public synchronized long nextId() {
long timestamp = timeGen();
//如果當(dāng)前時(shí)間小于上一次ID生成的時(shí)間戳,說明系統(tǒng)時(shí)鐘回退過這個(gè)時(shí)候應(yīng)當(dāng)拋出異常
if (timestamp < lastTimestamp) {
throw new RuntimeException(
String.format("Clock moved backwards. Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));
}
//如果是同一時(shí)間生成的,則進(jìn)行毫秒內(nèi)序列
if (lastTimestamp == timestamp) {
sequence = (sequence + 1) & sequenceMask;
//毫秒內(nèi)序列溢出
if (sequence == 0) {
//阻塞到下一個(gè)毫秒,獲得新的時(shí)間戳
timestamp = tilNextMillis(lastTimestamp);
}
}
//時(shí)間戳改變,毫秒內(nèi)序列重置
else {
sequence = 0L;
}
//上次生成ID的時(shí)間截
lastTimestamp = timestamp;
//移位并通過或運(yùn)算拼到一起組成64位的ID
return ((timestamp - twepoch) << timestampLeftShift) //
| (datacenterId << datacenterIdShift) //
| (workerId << workerIdShift) //
| sequence;
}
/**
* 阻塞到下一個(gè)毫秒,直到獲得新的時(shí)間戳
*
* @param lastTimestamp 上次生成ID的時(shí)間截
* @return 當(dāng)前時(shí)間戳
*/
protected long tilNextMillis(long lastTimestamp) {
long timestamp = timeGen();
while (timestamp <= lastTimestamp) {
timestamp = timeGen();
}
return timestamp;
}
/**
* 返回以毫秒為單位的當(dāng)前時(shí)間
*
* @return 當(dāng)前時(shí)間(毫秒)
*/
protected long timeGen() {
return System.currentTimeMillis();
}
/**
* 隨機(jī)id生成,使用雪花算法
*
* @return
*/
public static String getSnowId() {
SnowflakeIdWorker sf = new SnowflakeIdWorker();
String id = String.valueOf(sf.nextId());
return id;
}
//=========================================Test=========================================
/**
* 測試
*/
public static void main(String[] args) {
SnowflakeIdWorker idWorker = new SnowflakeIdWorker(0, 0);
for (int i = 0; i < 1000; i++) {
long id = idWorker.nextId();
System.out.println(id);
}
}
}雪花算法強(qiáng)依賴機(jī)器時(shí)鐘,如果機(jī)器上時(shí)鐘回?fù)?,?huì)導(dǎo)致發(fā)號重復(fù)。 通常通過記錄最后使用時(shí)間處理該問題。

6、美團(tuán)(Leaf)
由美團(tuán)開發(fā),開源項(xiàng)目鏈接:https://github.com/Meituan-Dianping/Leaf
Leaf同時(shí)支持號段模式和snowflake算法模式,可以切換使用。
snowflake模式依賴于ZooKeeper,不同于原始snowflake算法也主要是在workId的生成上,Leaf中workId是基于ZooKeeper的順序Id來生成的,每個(gè)應(yīng)用在使用Leaf-snowflake時(shí),啟動(dòng)時(shí)都會(huì)都在Zookeeper中生成一個(gè)順序Id,相當(dāng)于一臺機(jī)器對應(yīng)一個(gè)順序節(jié)點(diǎn),也就是一個(gè)workId。
號段模式是對直接用數(shù)據(jù)庫自增ID充當(dāng)分布式ID的一種優(yōu)化,減少對數(shù)據(jù)庫的頻率操作。相當(dāng)于從數(shù)據(jù)庫批量的獲取自增ID,每次從數(shù)據(jù)庫取出一個(gè)號段范圍,例如 (1,1000] 代表1000個(gè)ID,業(yè)務(wù)服務(wù)將號段在本地生成1~1000的自增ID并加載到內(nèi)存。
7、百度(Uidgenerator)
源碼地址:https://github.com/baidu/uid-generator
中文文檔地址:https://github.com/baidu/uid-generator/blob/master/README.zh_cn.md
UidGenerator是百度開源的Java語言實(shí)現(xiàn),基于Snowflake算法的唯一ID生成器。它是分布式的,并克服了雪花算法的并發(fā)限制。單個(gè)實(shí)例的QPS能超過6000000。需要的環(huán)境:JDK8+,MySQL(用于分配WorkerId)。
百度的Uidgenerator對結(jié)構(gòu)做了部分的調(diào)整,具體如下:

時(shí)間部分只有28位,這就意味著UidGenerator默認(rèn)只能承受8.5年(2^28-1/86400/365),不過UidGenerator可以適當(dāng)調(diào)整delta seconds、worker node id和sequence占用位數(shù)。
8、滴滴(TinyID)
由滴滴開發(fā),開源項(xiàng)目鏈接:https://github.com/didi/tinyid
Tinyid是在美團(tuán)(Leaf)的leaf-segment算法基礎(chǔ)上升級而來,不僅支持了數(shù)據(jù)庫多主節(jié)點(diǎn)模式,還提供了tinyid-client客戶端的接入方式,使用起來更加方便。但和美團(tuán)(Leaf)不同的是,Tinyid只支持號段一種模式不支持雪花模式。Tinyid提供了兩種調(diào)用方式,一種基于Tinyid-server提供的http方式,另一種Tinyid-client客戶端方式。
總結(jié)比較
| 優(yōu)點(diǎn) | 缺點(diǎn) | |
|---|---|---|
| UUID | 代碼實(shí)現(xiàn)簡單、沒有網(wǎng)絡(luò)開銷,性能好 | 占用空間大、無序 |
| 數(shù)據(jù)庫自增ID | 利用數(shù)據(jù)庫系統(tǒng)的功能實(shí)現(xiàn),成本小、ID自增有序 | 并發(fā)性能受Mysql限制、強(qiáng)依賴DB,當(dāng)DB異常時(shí)整個(gè)系統(tǒng)不可用,致命 |
| Redis INCR | 性能優(yōu)于數(shù)據(jù)庫、ID有序 | 解決單點(diǎn)問題帶來的數(shù)據(jù)一致性等問題使得復(fù)雜度提高 |
| 雪花算法 | 不依賴數(shù)據(jù)庫等第三方系統(tǒng),性能也是非高、可以根據(jù)自身業(yè)務(wù)特性分配bit位,非常靈活 | 強(qiáng)依賴機(jī)器時(shí)鐘,如果機(jī)器上時(shí)鐘回?fù)埽瑫?huì)導(dǎo)致發(fā)號重復(fù)或者服務(wù)會(huì)處于不可用狀態(tài)。 |
| 號段模式 | 數(shù)據(jù)庫的壓力小 | 單點(diǎn)故障ID不連續(xù) |
| Leaf、Uidgenerator、TinyID | 高性能、高可用、接入簡單 | 依賴第三方組件如ZooKeeper、Mysql |
到此這篇關(guān)于java九種分布式ID解決方案的文章就介紹到這了,更多相關(guān)java 分布式ID內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Springboot視圖解析器ViewResolver使用實(shí)例
這篇文章主要介紹了Springboot視圖解析器ViewResolver使用實(shí)例,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-04-04
JDBC實(shí)現(xiàn)Mysql自動(dòng)重連機(jī)制的方法詳解
最近在工作中發(fā)現(xiàn)了一個(gè)問題,通過查找相關(guān)的資料終于解決了,下面這篇文章主要給大家介紹了關(guān)于JDBC實(shí)現(xiàn)Mysql自動(dòng)重連機(jī)制的相關(guān)資料,文中給出多種解決的方法,需要的朋友可以參考借鑒,下面來一起看看吧。2017-07-07
解決java Graphics drawImage 無法顯示圖片的問題
這篇文章主要介紹了解決java Graphics drawImage 無法顯示圖片的問題,具有很好的參考價(jià)值,希望對大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2021-11-11
Springboot獲取bean實(shí)例之SpringContextUtil詳解
這篇文章主要介紹了Springboot獲取bean實(shí)例之SpringContextUtil使用,具有很好的參考價(jià)值,希望對大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2025-03-03
Java中DTO與Entity拷貝轉(zhuǎn)換的方法小結(jié)
在?Java?開發(fā)中,DTO(Data?Transfer?Object)和?Entity(實(shí)體類)是常見的兩種數(shù)據(jù)模型,本文將介紹幾種常見的工具類和自定義方式來實(shí)現(xiàn)這種轉(zhuǎn)換,感興趣的可以了解下2025-02-02
淺談Java虛擬機(jī)對內(nèi)部鎖的四種優(yōu)化方式
這篇文章主要介紹了淺談Java虛擬機(jī)對內(nèi)部鎖的四種優(yōu)化方式,小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過來看看吧2017-10-10
SSM框架通過mybatis-generator自動(dòng)生成代碼(推薦)
這篇文章主要介紹了SSM框架通過mybatis-generator自動(dòng)生成代碼,本文通過實(shí)例代碼給大家介紹的非常詳細(xì),對大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2017-11-11

