聊聊分布式ID生成方法

目标：

（1）全局惟一  （2）趋势有序

如何高效生成趋势有序的全局惟一ID呢？

1、需求缘起

几乎全部的业务系统，都有生成一个记录标识的需求，例如：

（1）消息标识：message-id

（2）订单标识：order-id

（3）帖子标识：tiezi-id

这个记录标识每每就是数据库中的惟一主键，数据库上会创建汇集索引（cluster index），即在物理存储上以这个字段排序。

这个记录标识上的查询，每每又有分页或者排序的业务需求，例如：

（1）拉取最新的一页消息：select  message-id order by time limit 100

（2）拉取最新的一页订单：select  order-id order by time limit 100

（3）拉取最新的一页帖子：select  tiezi-id  order by time  limit 100

因此每每要有一个time字段，而且在time字段上创建普通索引（non-cluster index）。

咱们都知道普通索引存储的是实际记录的指针，其访问效率会比汇集索引慢，若是记录标识在生成时可以基本按照时间有序，则能够省去这个time字段的索引查询：

select  message-id (order by message-id)  limit 100

再次强调，能这么作的前提是，message-id的生成基本是趋势时间递增的。

这就引出了记录标识生成（也就是上文提到的三个XXX-id）的两大核心需求：

（1）全局惟一  （2）趋势有序

2、常见方法、不足与优化

【常见方法一：使用数据库的 auto_increment 来生成全局惟一递增ID】

优势：

（1）简单，使用数据库已有的功能

（2）可以保证惟一性

（3）可以保证递增性

（4）步长固定

缺点：

（1）可用性难以保证：数据库常见架构是一主多从+读写分离(主库写，从库读)，生成自增ID是写请求，主库挂了就玩不转了

（2）扩展性差，性能有上限：由于写入是单点，数据库主库的写性能决定ID的生成性能上限，而且难以扩展

改进方法：

（1）增长主库，避免写入单点

（2）数据水平切分，保证各主库生成的ID不重复

如上图所述，由1个写库变成3个写库，每一个写库设置不一样的auto_increment初始值，以及相同的增加步长，以保证每一个数据库生成的ID是不一样的（上图中库0生成0,3,6,9…，库1生成1,4,7,10，库2生成2,5,8,11…）

改进后的架构保证了可用性，但缺点是：

（1）丧失了ID生成的“绝对递增性”：先访问库0生成0,3，再访问库1生成1，可能致使在很是短的时间内，ID生成不是绝对递增的（这个问题不大，咱们的目标是趋势递增，不是绝对递增）

（2）数据库的写压力依然很大，每次生成ID都要访问数据库

为了解决上述两个问题，引出了第二个常见的方案

【常见方法二：单点批量ID生成服务】

分布式系统之因此难，很重要的缘由之一是“没有一个全局时钟，难以保证绝对的时序”，要想保证绝对的时序，仍是只能使用单点服务，用本地时钟保证“绝对时序”。数据库写压力大，是由于每次生成ID都访问了数据库，能够使用批量的方式下降数据库写压力。

如上图所述，数据库使用双master保证可用性，数据库中只存储当前ID的最大值，例如0。ID生成服务假设每次批量拉取6个ID，服务访问数据库，将当前ID的最大值修改成5，这样应用访问ID生成服务索要ID，ID生成服务不须要每次访问数据库，就能依次派发0,1,2,3,4,5这些ID了，当ID发完后，再将ID的最大值修改成11，就能再次派发6,7,8,9,10,11这些ID了，因而数据库的压力就下降到原来的1/6了。

优势：

（1）保证了ID生成的绝对递增有序

（2）大大的下降了数据库的压力，ID生成能够作到每秒生成几万几十万个

缺点：

（1）服务仍然是单点

（2）若是服务挂了，服务重启起来以后，继续生成ID可能会不连续，中间出现空洞（服务内存是保存着0,1,2,3,4,5，数据库中max-id是5，分配到3时，服务重启了，下次会从6开始分配，4和5就成了空洞，不过这个问题也不大）

（3）虽然每秒能够生成几万几十万个ID，但毕竟仍是有性能上限，没法进行水平扩展

改进方法：

单点服务的经常使用高可用优化方案是“备用服务”，也叫“影子服务”，因此咱们能用如下方法优化上述缺点（1）：

如上图，对外提供的服务是主服务，有一个影子服务时刻处于备用状态，当主服务挂了的时候影子服务顶上。这个切换的过程对调用方是透明的，能够自动完成，经常使用的技术是vip+keepalived，具体就不在这里展开。

【常见方法三：uuid】

上述方案来生成ID，虽然性能大增，但因为是单点系统，总仍是存在性能上限的。同时，上述两种方案，不论是数据库仍是服务来生成ID，业务方Application都须要进行一次远程调用，比较耗时。有没有一种本地生成ID的方法，即高性能，又时延低呢？

uuid是一种常见的方案：string ID =GenUUID();

优势：

（1）本地生成ID，不须要进行远程调用，时延低

（2）扩展性好，基本能够认为没有性能上限

缺点：

（1）没法保证趋势递增

（2）uuid过长，每每用字符串表示，做为主键创建索引查询效率低，常见优化方案为“转化为两个uint64整数存储”或者“折半存储”（折半后不能保证惟一性）

【常见方法四：取当前毫秒数】

uuid是一个本地算法，生成性能高，但没法保证趋势递增，且做为字符串ID检索效率低，有没有一种能保证递增的本地算法呢？

取当前毫秒数是一种常见方案：uint64 ID = GenTimeMS();

优势：

（1）本地生成ID，不须要进行远程调用，时延低

（2）生成的ID趋势递增

（3）生成的ID是整数，创建索引后查询效率高

缺点：

（1）若是并发量超过1000，会生成重复的ID

我去，这个缺点要了命了，不能保证ID的惟一性。固然，使用微秒能够下降冲突几率，但每秒最多只能生成1000000个ID，再多的话就必定会冲突了，因此使用微秒并不从根本上解决问题。

【常见方法五：类snowflake算法】

snowflake是twitter开源的分布式ID生成算法，其核心思想是：一个long型的ID，使用其中41bit做为毫秒数，10bit做为机器编号，12bit做为毫秒内序列号。这个算法单机每秒内理论上最多能够生成1000*(2^12)，也就是400W的ID，彻底能知足业务的需求。

借鉴snowflake的思想，结合各公司的业务逻辑和并发量，能够实现本身的分布式ID生成算法。

举例，假设某公司ID生成器服务的需求以下：

（1）单机高峰并发量小于1W，预计将来5年单机高峰并发量小于10W

（2）有2个机房，预计将来5年机房数量小于4个

（3）每一个机房机器数小于100台

（4）目前有5个业务线有ID生成需求，预计将来业务线数量小于10个

分析过程以下：

（1）高位取从2016年1月1日到如今的毫秒数（假设系统ID生成器服务在这个时间以后上线），假设系统至少运行10年，那至少须要10年*365天*24小时*3600秒*1000毫秒=320*10^9，差很少预留39bit给毫秒数

（2）每秒的单机高峰并发量小于10W，即平均每毫秒的单机高峰并发量小于100，差很少预留7bit给每毫秒内序列号

（3）5年内机房数小于4个，预留2bit给机房标识

（4）每一个机房小于100台机器，预留7bit给每一个机房内的服务器标识

（5）业务线小于10个，预留4bit给业务线标识

这样设计的64bit标识，能够保证：

（1）每一个业务线、每一个机房、每一个机器生成的ID都是不一样的

（2）同一个机器，每一个毫秒内生成的ID都是不一样的

（3）同一个机器，同一个毫秒内，以序列号区区分保证生成的ID是不一样的

（4）将毫秒数放在最高位，保证生成的ID是趋势递增的

缺点：

（1）因为“没有一个全局时钟”，每台服务器分配的ID是绝对递增的，但从全局看，生成的ID只是趋势递增的（有些服务器的时间早，有些服务器的时间晚）

最后一个容易忽略的问题：

生成的ID，例如message-id/ order-id/ tiezi-id，在数据量大时每每须要分库分表，这些ID常常做为取模分库分表的依据，为了分库分表后数据均匀，ID生成每每有“取模随机性”的需求，因此咱们一般把每秒内的序列号放在ID的最末位，保证生成的ID是随机的。

又若是，咱们在跨毫秒时，序列号老是归0，会使得序列号为0的ID比较多，致使生成的ID取模后不均匀。解决方法是，序列号不是每次都归0，而是归一个0到9的随机数，这个地方。