数据库主键是自增好仍是UUID好,分布式环境下如何保证主键的惟一性

时间  2019-11-17
标签 数据库 仍是 uuid 分布式环境 如何 保证 惟一 栏目 SQL 繁體版
原文   原文链接

自增主键和UUID主键的优缺点及适用场景

咱们首先考虑效率和存储空间,而后再考虑安全和分布式html

使用自增主键

优势:

一、数据存储空间小git

二、查询效率高github

缺点:

一、若是数据量过大,会超出自增加的值范围算法

二、分布式存储的表操做,尤为是在合并的时候操做复杂数据库

三、安全性低,由于是有规律的,若是恶意扒取用户信息会很容易,若是是单据编号使用,竞争对手会容易查询出货量安全

使用UUID主键

优势:

一、出现重复的机会少bash

二、适合大量数据的插入和更新操做,尤为是在高并发和分布式环境下并发

三、安全性较高less

缺点:

一、存储空间大（16 byte）,所以它将会占用更多的磁盘空间, MySQL官方有明确的建议主键要尽可能越短越好，36个字符长度的UUID不符合要求分布式

二、性能下降,对MySQL索引不利: 若是做为数据库主键，在InnoDB引擎下，UUID的无序性可能会引发数据位置频繁变更，严重影响性能。

适用场景

一、项目是单机版的,而且数据量比较大（百万级）时,用自增加的,此时最好能考虑下安全性,作些安全措施

二、项目是单机版的,而且数据量没那么大,对速度和存储要求不高时,用UUID

三、项目是分布式的,那么首选UUID,分布式通常对速度和存储要求不高

四、项目是分布式的,而且数据量达到千万级别可更高时,对速度和存储有要求时,能够用自增加。

分布式环境下保证主键的惟一性

目前两种解决方式,下面分别介绍:

Twitter-Snowflake 64位自增id算法

背景:

Twitter-Snowflake算法产生的背景至关简单,为了知足Twitter每秒上万条消息的请求,每条消息都必须分配一条惟一的id,这些id还须要一些大体的顺序（方便客户端排序）,而且在分布式系统中不一样机器产生的id必须不一样

Snowflake算法核心

时间戳 + 工做机器id + 序列

Snowflake ID有64bits长 由如图4部分组成:

  • 第一位不可用
  • 第二组 timestamp—41bits 使用41位时间戳,精确到毫秒,意味着其能够表示长达(2^41-1)/(1000360024*365)=139.5年，另外使用者能够本身定义一个开始纪元（epoch)，而后用(当前时间-开始纪元）算出time，这表示在time这个部分在140年的时间里是不会重复的,另外这里用time还有一个很重要的缘由，就是能够直接更具time进行排序，对于twitter这种更新频繁的应用，时间排序就显得尤其重要了。
  • machine id—10bits(工做机器id),该部分其实由datacenterId和workerId两部分组成，这两部分是在配置文件中指明的:

10位的数据机器位，能够部署在1024个节点，包括5位datacenterId和5位workerId

一、datacenterId，方便搭建多个生成uid的service，并保证uid不重复，好比在datacenter0将机器0，1，2组成了一个生成uid的service，而datacenter1此时也须要一个生成uid的service，从本中心获取uid显然是最快最方便的，那么它能够在本身中心搭建，只要保证datacenterId惟一。若是没有datacenterId，即用10bits，那么在搭建一个新的service前必须知道目前已经在用的id，不然不能保证生成的id惟一，好比搭建的两个uid service中都有machine id为100的机器，若是其server时间相同，那么产生相同id的状况不可避免。

二、workerId是实际server机器的代号，最大到32，同一个datacenter下的workerId是不能重复的。它会被注册到consul上，确保workerId未被其余机器占用，并将host:port值存入，注册成功后就能够对外提供服务了。

  • sequence id —12bits(序列号),该id能够表示4096个数字，它是在time相同的状况下，递增该值直到为0，即一个循环结束，此时便只能等到下一个ms到来，通常状况下4096/ms的请求是不太可能出现的，因此足够使用了。

源码

/**
 * Twitter_Snowflake<br>
 * SnowFlake的结构以下(每部分用-分开):<br>
 * 0 - 0000000000 0000000000 0000000000 0000000000 0 - 00000 - 00000 - 000000000000 <br>
 * 1位标识，因为long基本类型在Java中是带符号的，最高位是符号位，正数是0，负数是1，因此id通常是正数，最高位是0<br>
 * 41位时间截(毫秒级)，注意，41位时间截不是存储当前时间的时间截，而是存储时间截的差值（当前时间截 - 开始时间截)
 * 获得的值），这里的的开始时间截，通常是咱们的id生成器开始使用的时间，由咱们程序来指定的（以下下面程序IdWorker类的startTime属性）。41位的时间截，可使用69年，年T = (1L << 41) / (1000L * 60 * 60 * 24 * 365) = 69<br>
 * 10位的数据机器位，能够部署在1024个节点，包括5位datacenterId和5位workerId<br>
 * 12位序列，毫秒内的计数，12位的计数顺序号支持每一个节点每毫秒(同一机器，同一时间截)产生4096个ID序号<br>
 * 加起来恰好64位，为一个Long型。<br>
 * SnowFlake的优势是，总体上按照时间自增排序，而且整个分布式系统内不会产生ID碰撞(由数据中心ID和机器ID做区分)，而且效率较高，经测试，SnowFlake每秒可以产生26万ID左右。
 */
public class SnowflakeIdWorker {

    // ==============================Fields===========================================
    /** 开始时间截 (2015-01-01) */
    private final long twepoch = 1420041600000L;

    /** 机器id所占的位数 */
    private final long workerIdBits = 5L;

    /** 数据标识id所占的位数 */
    private final long datacenterIdBits = 5L;

    /** 支持的最大机器id，结果是31 (这个移位算法能够很快的计算出几位二进制数所能表示的最大十进制数) */
    private final long maxWorkerId = -1L ^ (-1L << workerIdBits);

    /** 支持的最大数据标识id，结果是31 */
    private final long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);

    /** 序列在id中占的位数 */
    private final long sequenceBits = 12L;

    /** 机器ID向左移12位 */
    private final long workerIdShift = sequenceBits;

    /** 数据标识id向左移17位(12+5) */
    private final long datacenterIdShift = sequenceBits + workerIdBits;

    /** 时间截向左移22位(5+5+12) */
    private final long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;

    /** 生成序列的掩码，这里为4095 (0b111111111111=0xfff=4095) */
    private final long sequenceMask = -1L ^ (-1L << sequenceBits);

    /** 工做机器ID(0~31) */
    private long workerId;

    /** 数据中心ID(0~31) */
    private long datacenterId;

    /** 毫秒内序列(0~4095) */
    private long sequence = 0L;

    /** 上次生成ID的时间截 */
    private long lastTimestamp = -1L;

    //==============================Constructors=====================================
    /**
     * 构造函数
     * @param workerId 工做ID (0~31)
     * @param datacenterId 数据中心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==========================================
    /**
     * 得到下一个ID (该方法是线程安全的)
     * @return SnowflakeId
     */
    public synchronized long nextId() {
        long timestamp = timeGen();

        //若是当前时间小于上一次ID生成的时间戳，说明系统时钟回退过这个时候应当抛出异常
        if (timestamp < lastTimestamp) {
            throw new RuntimeException(
                    String.format("Clock moved backwards. Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));
        }

        //若是是同一时间生成的，则进行毫秒内序列
        if (lastTimestamp == timestamp) {
            sequence = (sequence + 1) & sequenceMask;
            //毫秒内序列溢出
            if (sequence == 0) {
                //阻塞到下一个毫秒,得到新的时间戳
                timestamp = tilNextMillis(lastTimestamp);
            }
        }
        //时间戳改变，毫秒内序列重置
        else {
            sequence = 0L;
        }

        //上次生成ID的时间截
        lastTimestamp = timestamp;

        //移位并经过或运算拼到一块儿组成64位的ID
        return ((timestamp - twepoch) << timestampLeftShift) //
                | (datacenterId << datacenterIdShift) //
                | (workerId << workerIdShift) //
                | sequence;
    }

    /**
     * 阻塞到下一个毫秒，直到得到新的时间戳
     * @param lastTimestamp 上次生成ID的时间截
     * @return 当前时间戳
     */
    protected long tilNextMillis(long lastTimestamp) {
        long timestamp = timeGen();
        while (timestamp <= lastTimestamp) {
            timestamp = timeGen();
        }
        return timestamp;
    }

    /**
     * 返回以毫秒为单位的当前时间
     * @return 当前时间(毫秒)
     */
    protected long timeGen() {
        return System.currentTimeMillis();
    }

    //==============================Test=============================================
    /** 测试 */
    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(Long.toBinaryString(id));
            System.out.println(id);
        }
    }
}
复制代码

参考文章

数据库主键究竟是用自增加（INT）好仍是UUID好？
www.yyjjssnn.cn/articles/75…

Twitter-Snowflake，64位自增ID算法详解
www.jianshu.com/p/54a87a7c3…

Snowflake 源码github地址
github.com/twitter-arc…

Twitter的分布式自增ID算法snowflake (Java版)
www.cnblogs.com/relucent/p/…

Leaf——美团点评分布式ID生成系统
tech.meituan.com/MT_Leaf.htm…

相关文章
相关标签/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公众号
   欢迎关注本站公众号,获取更多信息
联系我们 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程