[TOC] ## 前言 几乎所有的业务系统,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 这个记录标识往往就是数据库中的**唯一主键**,数据库上会建立聚集索引(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,往往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:selectmessage-id/ order by time/ limit 100 2. 拉取最新的一页订单:selectorder-id/ order by time/ limit 100 3. 拉取最新的一页帖子:selecttiezi-id/ order by time/ limit 100 所以往往要有一个time字段,并且在time字段上建立普通索引(non-cluster index)。 我们都知道普通索引存储的是实际记录的指针,其访问效率会比聚集索引慢,如果记录标识在生成时能够基本按照时间有序,则可以省去这个time字段的索引查询: `select message-id/ (order by message-id)/limit 100` 再次强调,能这么做的前提是,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. 全局唯一 2. 趋势有序 > 小节:由于普通索引慢与主键索引,但分页和排序又需要又时间索引,所以可以使用时间相关的递增主键 ## 使用数据库的 auto_increment 来生成全局唯一递增ID **优点:** 1. 简单,使用数据库已有的功能 2. 能够保证唯一性 3. 能够保证递增性 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,生成自增ID是写请求,主库挂了就玩不转了 1. 扩展性差,性能有上限:因为写入是单点,数据库主库的写性能决定ID的生成性能上限,并且难以扩展 **改进方法:** 1. 增加主库,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 ![UTOOLS1576161096269.png](http://yanxuan.nosdn.127.net/1208fc3b57b341a24d46c58a2814c2a0.png) **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,可能导致在非常短的时间内,ID生成不是绝对递增的(这个问题不大,我们的目标是趋势递增,不是绝对递增) 1. 数据库的写压力依然很大,每次生成ID都要访问数据库 ## 单点批量ID生成服务 使用批量的方式降低数据库写压力 ![UTOOLS1576161350644.png](http://yanxuan.nosdn.127.net/d33d5e3b2f519bba646e626bcf36893e.png) 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的最大值修改为5,这样应用访问ID生成服务索要ID,ID生成服务不需要每次访问数据库,就能依次派发0,1,2,3,4,5这些ID了,当ID发完后,再将ID的最大值修改为11,就能再次派发6,7,8,9,10,11这些ID了,于是数据库的压力就降低到原来的1/6了。 **优点:** (1)保证了ID生成的绝对递增有序 (2)大大的降低了数据库的压力,ID生成可以做到每秒生成几万几十万个 **缺点:** (1)服务仍然是单点 (2)如果服务挂了,服务重启起来之后,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)虽然每秒可以生成几万几十万个ID,但毕竟还是有性能上限,无法进行水平扩展 **改进方法:** 单点服务的常用高可用优化方案是“备用服务”,也叫“影子服务”,所以我们能用以下方法优化上述缺点(1): ![UTOOLS1576161399523.png](http://yanxuan.nosdn.127.net/3fa64618e014b05e193610ca426480c5.png) 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,可以自动完成,常用的技术是vip+keepalived,具体就不在这里展开 ## uuid 上述方案来生成ID,虽然性能大增,但由于是单点系统,总还是存在性能上限的。同时,上述两种方案,不管是数据库还是服务来生成ID,业务方Application都需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(); 优点: (1)本地生成ID,不需要进行远程调用,时延低 (2)扩展性好,基本可以认为没有性能上限 缺点: (1)无法保证趋势递增 (2)uuid过长,往往用字符串表示,作为主键建立索引查询效率低,常见优化方案为“转化为两个uint64整数存储”或者“折半存储”(折半后不能保证唯一性) ## 类雪花算法 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作为毫秒数,10bit作为机器编号,12bit作为毫秒内序列号。这个算法单机每秒内理论上最多可以生成1000\*(2^12),也就是400W的ID,完全能满足业务的需求。 借鉴snowflake的思想,结合各公司的业务逻辑和并发量,可以实现自己的分布式ID生成算法。 举例,假设某公司ID生成器服务的需求如下: (1)单机高峰并发量小于1W,预计未来5年单机高峰并发量小于10W (2)有2个机房,预计未来5年机房数量小于4个 (3)每个机房机器数小于100台 (4)目前有5个业务线有ID生成需求,预计未来业务线数量小于10个 (5)… 分析过程如下: (1)高位取从2016年1月1日到现在的毫秒数(假设系统ID生成器服务在这个时间之后上线),假设系统至少运行10年,那至少需要10年\*365天\*24小时\*3600秒\*1000毫秒=320\*10^9,差不多预留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,差不多预留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)每个机房小于100台机器,预留7bit给每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 ![UTOOLS1576162658180.png](http://yanxuan.nosdn.127.net/cf8ab1c5de9daa9d4338a47cec54c7e5.png) 这样设计的64bit标识,可以保证: (1)每个业务线、每个机房、每个机器生成的ID都是不同的 (2)同一个机器,每个毫秒内生成的ID都是不同的 (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是不同的 (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)由于“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,在数据量大时往往需要分库分表,这些ID经常作为取模分库分表的依据,为了分库分表后数据均匀,ID生成往往有“取模随机性”的需求,所以我们通常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。 又如果,我们在跨毫秒时,序列号总是归0,会使得序列号为0的ID比较多,导致生成的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