分布式惟一ID实现

ID生成的核心需求

• 全局惟一

• 趋势有序

---

为何要全局惟一

避免ID冲突

著名的例子就是身份证号码，身份证号码确实是对人惟一的，然而一我的是能够办理多个身份证的，例如你身份证丢了，又从新补办了一张，号码不变。

问题来了，由于系统是按照身份证号码作惟一主键的。此时，若是身份证是被盗的状况下，你是没有办法在系统里面注销的，由于新旧2个身份证的“主键”都是身份证号码。

也就是说，旧的身份证仍然逍遥在外，彻底有效。这个时候，还好有一个身份证有效时间的东西，只有靠身份证有效期来辨识了。不过，这就是如今这么多银行，电信诈骗的由来，捡到一张身份证，去不少银行，手机，酒店均可以使用！身份证缺少注销机制！

因此，经验告诉咱们。不要相信本身的直觉，业务上所谓的惟一每每都是不靠谱的，经不起时间的考研的。因此须要单独设置一个和业务无关的主键，专业术语叫作代理主键（surrogate key）。

---

为何要趋势有序

提升读写性能

以mysql为例，InnoDB引擎表是基于B+树的索引组织表(IOT)；每一个表都须要有一个汇集索引(clustered index)；全部的行记录都存储在B+树的叶子节点(leaf pages of the tree)；基于汇集索引的增、删、改、查的效率相对是最高的；以下图：

• 若是咱们定义了主键(PRIMARY KEY)，那么InnoDB会选择其做为汇集索引；

• 若是没有显式定义主键，则InnoDB会选择第一个不包含有NULL值的惟一索引做为主键索引；

• 若是也没有这样的惟一索引，则InnoDB会选择内置6字节长的ROWID做为隐含的汇集索引(ROWID随着行记录的写入而主键递增，这个ROWID不像ORACLE的ROWID那样可引用，是隐含的)。

综上总结，若是InnoDB表的数据写入顺序能和B+树索引的叶子节点顺序一致的话，这时候存取效率是最高的，也就是下面这几种状况的存取效率最高

• 使用自增列(INT/BIGINT类型)作主键，这时候写入顺序是自增的，和B+数叶子节点分裂顺序一致；

• 该表不指定自增列作主键，同时也没有能够被选为主键的惟一索引(上面的条件)，这时候InnoDB会选择内置的ROWID做为主键，写入顺序和ROWID增加顺序一致；

• 除此之外，若是一个InnoDB表又没有显示主键，又有能够被选择为主键的惟一索引，但该惟一索引可能不是递增关系时(例如字符串、UUID、多字段联合惟一索引的状况)，该表的存取效率就会比较差）

---

面对分布式ID需求，常见的处理方案

1.数据库自增加序列或字段

利用数据库自增加，全局数据库惟一。

优势：

• 简单，代码方便

缺点：

• 兼容性低：不一样的数据库语法和实现不一样，数据库多版本支持的时候须要做调整。
• 存在单点故障风险：在单个数据库或读写分离或一主多从的状况下，只有一个主库能够生成。
• 扩展性低：性能达不到要求，难以扩展。
• 多个数据库合并或者涉及到迁移操做难度大。
• 分库分表麻烦。

2.UUID

利用数据库或者程序生成，全球惟一。

优势：

• 简单，代码方便。
• 生成ID性能好，基本不会有性能问题。
• 数据迁移，数据合并，数据库变动。均可以简单进行。

缺点：

• 不能保证趋势递增。
• UUID通常采用字符串存储，查询效率低。
• 存储空间大。
• 传输数据量大。
• 不可读。

3.Redis生成ID

Redis是单线程的，因此也能够用生成全局惟一的ID。能够用Redis的原子操做 INCR和INCRBY来实现。

可使用Redis集群来获取更高的吞吐量。假如一个集群中有5台Redis。能够初始化每台Redis的值分别是1,2,3,4,5，而后步长都是5。各个Redis生成的ID为：

A：1,6,11,16,21

B：2,7,12,17,22

C：3,8,13,18,23

D：4,9,14,19,24

E：5,10,15,20,25

这个，随便负载到哪一个机肯定好，将来很难作修改。可是3-5台服务器基本可以知足器上，均可以得到不一样的ID。可是步长和初始值必定须要事先须要了。使用Redis集群也能够方式单点故障的问题。

另外，比较适合使用Redis来生成天天从0开始的流水号。好比订单号=日期+当日自增加号。能够天天在Redis中生成一个Key，使用INCR进行累加。

优势：

• 不依赖于数据库，灵活方便，且性能优于数据库。
• 数据中ID自然排序，对分页或者须要排序的结果颇有帮助。

缺点：

• 若是系统中没有Redis，还须要引进新的组件，增长系统复杂度。
• 须要编码和配置的工做量比较多。

4.Twitter

twitter在把存储系统从MySQL迁移到Cassandra的过程当中因为Cassandra没有顺序ID生成机制，因而本身开发了一套全局惟一ID生成服务：Snowflake。
1 41位的时间序列（精确到毫秒，41位的长度可使用69年）
2 10位的机器标识（10位的长度最多支持部署1024个节点） 
3 12位的计数顺序号（12位的计数顺序号支持每一个节点每毫秒产生4096个ID序号） 最高位是符号位，始终为0。
优势：

• 高性能，低延迟；独立的应用。
• 按时间有序。 

缺点：

• 须要独立的开发和部署。
• 强依赖时钟,若是主机时间回拨,则会形成重复ID,会产生。
• ID虽然有序,可是不连续。

原理：

5.MongoDB的ObjectId

MongoDB的ObjectId和snowflake算法相似。它设计成轻量型的，不一样的机器都能用全局惟一的同种方法方便地生成它。MongoDB 从一开始就设计用来做为分布式数据库，处理多个节点是一个核心要求。使其在分片环境中要容易生成得多。

ObjectId使用12字节的存储空间，其生成方式以下：

|0|1|2|3|4|5|6 |7|8|9|10|11|

|时间戳 |机器ID|PID|计数器 |

前四个字节时间戳是从标准纪元开始的时间戳，单位为秒，有以下特性：

 1 时间戳与后边5个字节一块，保证秒级别的惟一性；
 2 保证插入顺序大体按时间排序；
 3 隐含了文档建立时间；
 4 时间戳的实际值并不重要，不须要对服务器之间的时间进行同步（由于加上机器ID和进程ID已保证此值惟一，惟一性是ObjectId的最终诉求）。

机器ID是服务器主机标识，一般是机器主机名的散列值。

同一台机器上能够运行多个mongod实例，所以也须要加入进程标识符PID。

前9个字节保证了同一秒钟不一样机器不一样进程产生的ObjectId的惟一性。后三个字节是一个自动增长的计数器（一个mongod进程须要一个全局的计数器），保证同一秒的ObjectId是惟一的。同一秒钟最多容许每一个进程拥有（256^3 = 16777216）个不一样的ObjectId。

总结一下：时间戳保证秒级惟一，机器ID保证设计时考虑分布式，避免时钟同步，PID保证同一台服务器运行多个mongod实例时的惟一性，最后的计数器保证同一秒内的惟一性（选用几个字节既要考虑存储的经济性，也要考虑并发性能的上限）。

"_id"既能够在服务器端生成也能够在客户端生成，在客户端生成能够下降服务器端的压力。

6.类snowflake算法

国内有不少厂家基于snowflake算法进行了国产化，例如

百度的uid-generator：

https://github.com/baidu/uid-generator

美团Leaf：

https://github.com/zhuzhong/idleaf

基本是对snowflake的进一步优化，好比解决时钟 回拨问题！

---

总结

分布式ID知足条件：

1. 高可用：不能有单点故障。
2. 全局惟一性：不能出现重复的ID。
3. 趋势递增：在MySQL InnoDB引擎中使用的是汇集索引，因为多数RDBMS使用B-tree的数据结构来存储索引数据，在主键的选择上面咱们应该尽可能使用有序的主键保证写入性能。
4. 时间有序：少一个索引，冷热数据容易分离。
5. 分片支持：能够控制ShardingId。好比某一个用户的文章要放在同一个分片内，这样查询效率高，修改也容易。
6. 单调递增：保证下一个ID必定大于上一个ID，例如事务版本号、IM增量消息、排序等特殊需求。
7. 长度适中：不要太长，最好64bit。使用long比较好操做。
8. 信息安全：若是ID是连续的，恶意用户的扒取工做就很是容易作了，直接按照顺序下载指定URL便可；若是是订单号就更危险了，竞争对手能够直接知道咱们一天的单量。因此在一些应用场景下，会须要ID无规则、不规则。

本文参考：https://mp.weixin.qq.com/s/cgCElpjlKcJIE-d3d7JfjQ