南京网站建设 雷,烟台网站建设外贸,自建电梯费用,国土资源网站建设方案提示#xff1a;文章写完后#xff0c;目录可以自动生成#xff0c;如何生成可参考右边的帮助文档 文章目录 分布式ID一、什么是分布式系统唯一ID2. 二、分布式系统唯一ID的特点 分布式ID-----实现方案1、使用UUID生成分布式ID2、基于数据库自增ID3、Redis生成ID4、号段模式… 提示文章写完后目录可以自动生成如何生成可参考右边的帮助文档 文章目录 分布式ID一、什么是分布式系统唯一ID2. 二、分布式系统唯一ID的特点 分布式ID-----实现方案1、使用UUID生成分布式ID2、基于数据库自增ID3、Redis生成ID4、号段模式滴滴的开源项目TinyId使用的就是这个原理 5、snowflake雪花算法方案优点缺点应用举例Mongdb objectID 6、分布式开源项目 分布式ID
一、什么是分布式系统唯一ID
在复杂分布式系统中往往需要对大量的数据和消息进行唯一标识。
如在金融、电商、支付、等产品的系统中数据日渐增长对数据分库分表后需要有一个唯一ID来标识一条数据或消息数据库的自增ID显然不能满足需求此时一个能够生成全局唯一ID的系统是非常必要的。
2. 二、分布式系统唯一ID的特点
全局唯一必须保证ID是全局性唯一的基本要求高性能高可用低延时ID生成响应要快否则反倒会成为业务瓶颈高可用100%的可用性是骗人的但是也要无限接近于100%的可用性好接入要秉着拿来即用的设计原则在系统设计和实现上要尽可能的简单趋势递增最好趋势递增这个要求就得看具体业务场景了一般不严格要求
分布式ID-----实现方案 1、使用UUID生成分布式ID 优点 实现方式简单本地生成性能高没有网络消耗。 public static void main(String[] args) {System.out.println(UUID.randomUUID());//75a90ba3-8bc9-4b37-992f-2d205de1b704}缺点 1、UUID太长占用存储空间多。 2、UUID作为主键建立索引和基于索引进行查询存在性能问题尤其是在InnoDB存储引擎下UUID的无序性会导致索引位置频繁变动导致分页。 注UUID可能重复吗 UUID理论上来说是可能重复的经过16^321次生成之后会产生一次重复的值。但这是一个特别大的值需要经过很长、很长、很长时间后可能出现一次重复值所以UUID可以看成是不可重复的值。
2、基于数据库自增ID
单节点数据库生成分布式ID 需要一台单独的数据库服务器创建一个张表
CREATE TABLE sequence(id bigint(20) unsigned NOT NULL auto_increment,stub char(1) NOT NULL default ,PRIMARY KEY(id),UNIQUE KEY stub(stub)
) ENGINEMyISAM;
REPLACE INTO sequence(stub) VALUES(a);
SELECT LAST_INSERT_ID();
以MySQL举例利用给字段设置auto_increment_increment和auto_increment_offset来保证ID自增每次业务使用下列SQL读写MySQL得到ID号。
这种方案的优缺点如下 优点 非常简单利用现有数据库系统的功能实现成本小有DBA专业维护。ID号单调自增可以实现一些对ID有特殊要求的业务。 缺点 DB单点存在宕机风险无法扛住高并发场景 强依赖DB当DB异常时整个系统不可用属于致命问题。配置主从复制可以尽可能的增加可用性但是数据一致性在特殊情况下难以保证。主从切换时的不一致可能会导致重复发号。ID发号性能瓶颈限制在单台MySQL的读写性能。 如果你想到了扩展数据库服务器数量那么又会引入一个新的问题。 如果要增加数据库那么之前每台数据库设置好的初始值和步长就需要人工去修改了。这就需要停掉前面配置的所有数据库去统一修改配制这样是极其不方便的并且我们为了生成自增的ID去扩展很多数据库服务器不觉得有些大材小用吗这就需要我们从新的角度考虑生成分布式ID的方案。 3、Redis生成ID
当使用数据库来生成ID性能不够要求的时候我们可以尝试使用Redis来生成ID。
这主要依赖于Redis是单线程的所以也可以用生成全局唯一的ID。可以用Redis的原子操作 INCR和INCRBY来实现。
比较适合使用Redis来生成每天从0开始的流水号。比如订单号日期当日自增长号。可以每天在Redis中生成一个Key使用INCR进行累加。
优点
1不依赖于数据库灵活方便且性能优于数据库。
2数字ID天然排序对分页或者需要排序的结果很有帮助。
缺点
1如果系统中没有Redis还需要引入新的组件增加系统复杂度。
2需要编码和配置的工作量比较大。
4、号段模式
号段模式的大致意思是服务每次从数据库获取ID时获取ID的一段范围表示服务获取到了这段范围的所有ID的使用权比如[11000]表示当前生成的ID从这段范围内自增每次服务从这段范围内返回一个自增的ID(可以通过AutomicLong实现)这样就不用每次获取Id时都去请求数据库。直到ID自增到1000时也就表示当前这段的ID使用完了再去数据库取下一段的ID。 滴滴的开源项目TinyId使用的就是这个原理 https://github.com/didi/tinyid/wiki/tinyid%E5%8E%9F%E7%90%86%E4%BB%8B%E7%BB%8D 5、snowflake雪花算法方案
这种方案大致来说是一种以划分命名空间UUID也算由于比较常见所以单独分析来生成ID的一种算法这种方案把64-bit分别划分成多段分开来标示机器、时间等比如在snowflake中的64-bit分别表示如下图图片来自网络所示
第一个bit位1bitJava中long的最高位是符号位代表正负正数是0负数是1一般生成ID都为正数所以默认为0。时间戳部分41bit毫秒级的时间不建议存当前时间戳而是用当前时间戳 - 固定开始时间戳的差值可以使产生的ID从更小的值开始41位的时间戳可以使用69年(1L 41) / (1000L 60 60 24 365) 69年工作机器id10bit也被叫做workId这个可以灵活配置机房或者机器号组合都可以。序列号部分12bit自增值支持同一毫秒内同一个节点可以生成4096个ID
10-bit机器可以分别表示1024台机器。如果我们对IDC划分有需求还可以将10-bit分5-bit给IDC分5-bit给工作机器。这样就可以表示32个IDC每个IDC下可以有32台机器可以根据自身需求定义。12个自增序列号可以表示2^12个ID理论上snowflake方案的QPS约为409.6w/s这种分配方式可以保证在任何一个IDC的任何一台机器在任意毫秒内生成的ID都是不同的。
这种方式的优缺点是
优点
毫秒数在高位自增序列在低位整个ID都是趋势递增的。不依赖数据库等第三方系统以服务的方式部署稳定性更高生成ID的性能也是非常高的。可以根据自身业务特性分配bit位非常灵活。
缺点
强依赖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。
应用举例Mongdb objectID
MongoDB官方文档 ObjectID可以算作是和snowflake类似方法通过“时间机器码pidinc”共12个字节通过4323的方式最终标识成一个24长度的十六进制字符。
6、分布式开源项目
