1. 为什么需要分布式 ID
对于单体系统来说，主键 ID 常用主键自动的方式进行设置。这种 ID 生成方法在单体项目是可行的，但是对于分布式系统，分库分表之后就不适应了。比如订单表数据量太大了，分成了多个库，如果还采用数据库主键自增的方式，就会出现在不同库 id 一致的情况，虽然是不符合业务的。
2. 业务系统对分布式 ID 有什么要求
-
全局唯一性：ID 是作为唯一的标识，不能出现重复；
-
趋势递增：互联网比较喜欢 MySQL 数据库，而 MySQL 数据库默认使用 InnoDB 存储引擎，其使用的是聚集索引，使用有序的主键 ID 有利于保证写入的效率；
-
单调递增：保证下一个 ID 大于上一个 ID，这种情况可以保证事务版本号，排序等特殊需求实现；
-
信息安全：前面说了 ID 要递增，但是最好不要连续。如果 ID 是连续的，容易被恶意爬取数据，指定一系列连续的，所以 ID 递增但是不规则是最好的。
3. 分布式 ID 生成方案
-
UUID
-
数据库自增
-
号段模式
-
Redis 实现
-
雪花算法（SnowFlake）
-
百度 Uidgenerator
-
美团 Leaf
-
滴滴 TinyID
3.1 UUID
UUID （Universally Unique Identifier），通用唯一识别码的缩写。
UUID 的标准型式包含 32 个 16 进制数字，以连字号分为五段，形式为 8-4-4-4-12 的 36 个字符，示例 863e254b-ae34-4371-87da-204b71d46a7b。
UUID 理论上的总数为 1632=2128，约等于 3.4 x 10^38。
-
优点：性能非常高，本地生成的，不依赖于网络；
-
缺点：不易存储。16 字节 128 位，36 位长度的字符串信息不安全，基于 MAC 地址生成 UUID 算法可能会造成 MAC 地址泄露，暴露使用者的位置。UUID 的无序性可能会引起数据位置频繁变动，影响性能。
3.2 数据库自增
在分布式环境也可以使用 MySQL 自增实现分布式 ID 的生成。如果分库分表了，当然不是简单地设置好 auto_increment_increment 和 auto_increment_offset 就行。在分布式系统中，我们可以多部署几台机器，每台机器设置不同的初始值，且步长和机器数相等。
比如有两台机器，设置步长 step 为 2。Server1 的初始值为 1（1, 3, 5, 7, 9, 11…），Server2 的初始值为 2（2, 4, 6, 8, 10…）。
这是 Flickr 团队在 2010 年撰文介绍的一种主键生成策略（Ticket Servers: Distributed Unique Primary Keys on the Cheap ）。
假设有 N 台机器，step 就要设置为 N，如下图进行设置：
这种方案看起来是可行的。但是如果要扩容，步长 step 等要重新设置。
假如只有一台机器，步长就是 1，比如 1,2,3,4,5,6。这时候如果要进行扩容，就要重新设置。
机器 2 可以挑一个偶数的数字，这个数字在扩容时间内，数据库自增达不到这个数的，然后步长就是 2。机器 1 要重新设置 step 为 2，然后还是以一个奇数开始进行自增。
这个过程看起来不是很杂，但是如果机器很多的话，那就要花很多时间去维护重新设置。
这种实现的缺陷：
-
ID 没有了单调递增的特性，只能趋势递增。有些业务场景可能不符合；
-
数据库压力还是比较大，每次获取 ID 都需要读取数据库，只能通过多台机器提高稳定性和性能。
3.3 号段模式
这种模式也是现在生成分布式 ID 的一种方法。实现思路是，会从数据库获取一个号段范围，比如 [1,1000]，生成 1 到 1000 的自增 ID 加载到内存中。
建表结构如下：
CREATE TABLE id_generator (id int(10) NOT NULL,max_id bigint(20) NOT NULL COMMENT '当前最大id',step int(20) NOT NULL COMMENT '号段的布长',biz_type int(20) NOT NULL COMMENT '业务类型',version int(20) NOT NULL COMMENT '版本号',PRIMARY KEY (`id`))
-
biz_type：不同业务类型；
-
max_id ：当前最大的 id；
-
step：代表号段的步长；
-
version ：版本号，就像 MVCC 一样，可以理解为乐观锁。
等 ID 都用完了，再去数据库获取，然后更改最大值：
update id_generator set max_id = #{max_id+step}, version = version + 1 where version = # {version} and biz_type = XXX-
优点：有比较成熟的方案，像百度 Uidgenerator，美团 Leaf； -
缺点：依赖于数据库实现。
3.4 Redis 实现
-
优点：Redis 性能相对比较好，而且可以保证唯一性和有序性； -
缺点：需要依赖 Redis 来实现，系统需要引入 Redis 组件。
3.5 雪花算法（SnowFlake）
-
第一部分：第一位占用 1 bit，始终是 0，是一个符号位，不使用； -
第二部分：第 2 位开始的 41 位是时间戳。41-bit 位可表示 241 个数，每个数代表毫秒，那么雪花算法可用的时间年限是 (241)/(1000606024365)=69 年的时间； -
第三部分：10-bit 位可表示机器数，即 2^10 = 1024 台机器。通常不会部署这么多台机器； -
第四部分：12-bit 位是自增序列，可表示 2^12 = 4096 个数。觉得一毫秒个数不够用也可以调大点。
-
优点：雪花算法生成的 ID 是趋势递增，不依赖数据库等第三方系统。生成 ID 的效率非常高，稳定性好，可以根据自身业务特性分配 bit 位，比较灵活； -
缺点：雪花算法强依赖于机器时钟。如果机器上时钟回拨，会导致发号重复或者服务会处于不可用状态。如果恰巧回退前生成过一些 ID，而时间回退后，生成的 ID 就有可能重复。
3.6 百度 Uidgenerator
引用官网的解释：
-
sign(1bit)：固定 1bit 符号标识，即生成的 UID 为正数； -
delta seconds (28 bits)：当前时间，相对于时间基点”2016-05-20″的增量值，单位：秒，最多可支持约8.7年； -
worker id (22 bits)：机器 id，最多可支持约 420 万次机器启动。内置实现为在启动时由数据库分配，默认分配策略为用后即弃，后续可提供复用策略； -
sequence (13 bits)：每秒下的并发序列，13 bits 可支持每秒 8192 个并发。
3.7 美团 Leaf
There are no two identical leaves in the world “世界上没有两片相同的树叶”
-
原方案每次获取 ID 都得读写一次数据库，造成数据库压力大。改为利用 proxy server 批量获取，每次获取一个 segment（step 决定大小）号段的值。用完之后再去数据库获取新的号段，可以大大减轻数据库的压力； -
各个业务不同的发号需求用 biz_tag 字段来区分，每个 biz-tag 的 ID 获取相互隔离，互不影响。如果以后有性能需求需要对数据库扩容，不需要上述描述的复杂的扩容操作，只需要对 biz_tag 分库分表就行。
>+-------------+--------------+------+-----+-------------------+-----------------------------+| Field | Type | Null | Key | Default | Extra |+-------------+--------------+------+-----+-------------------+-----------------------------+| biz_tag | varchar(128) | NO | PRI | | || max_id | bigint(20) | NO | | 1 | || step | int(11) | NO | | NULL | || desc | varchar(256) | YES | | NULL | || update_time | timestamp | NO | | CURRENT_TIMESTAMP | on update CURRENT_TIMESTAMP |+-------------+--------------+------+-----+-------------------+-----------------------------+
Leafsnowflake 方案
Leafsnowflake 是在雪花算法上改进来的，引用官网技术博客介绍：
-
启动 Leaf-snowflake 服务，连接 Zookeeper，在 leaf_forever 父节点下检查自己是否已经注册过（是否有该顺序子节点）； -
如果有注册过直接取回自己的 workerID（Zookeeper 顺序节点生成的int类型ID号），启动服务； -
如果没有注册过，就在该父节点下面创建一个持久顺序节点。创建成功后取回顺序号当做自己的 workerID 号，启动服务。
3.8 滴滴 Tinyid
-
优点：方便集成，有成熟的方案和实现； -
缺点：依赖 DB 稳定性，需要采用集群主从备份的方式提高 DB 可用性。
如喜欢本文，请点击右上角，把文章分享到朋友圈
作者：smileNicky
来源：blog.csdn.net/u014427391/article/details/127408363
版权申明：内容来源网络，仅供分享学习，版权归原创者所有。除非无法确认，我们都会标明作者及出处，如有侵权烦请告知，我们会立即删除并表示歉意。谢谢!
我们都是架构师！
本篇文章来源于微信公众号:程序IT圈
原创文章，作者：software，如若转载，请注明出处：https://www.sldh123.com/7278.html
