分布式基础(8)-常见分布式ID生成方案

本文主要参考自相关书籍和网络文章，并附上自身的一些理解，如有遗漏或错误，还望海涵并指出。谢谢！

一.什么是分布式ID

分布式ID即指的是在分布式系统中，全局的唯一标识；分布式ID其实与单机下的ID区别不大，其作用都是起到标识某个订单或数据、消息等，使其在分布式系统中全局唯一。

首先来思考一下，为什么会出现分布式ID呢？单机形式的ID生成方案为什么不能解决分布式ID的问题呢？

假设我们的订单生成服务由两台服务器同时来提供，并且每台机器上生成ID的规则如下：获取当前时间戳和特定序号自增值组合在一起。

由于请求是并发的，那么服务器1和2生成的时间戳一样，假设为151515（略去许多位），并且请求同时到达数据库，获取到的递增值为23，那么两个服务器都会生成同一个ID，造成冲突。

当然，这个场景是模拟的，只是为了还原一种可能出现分布式ID冲突的情况，可以看出单机的ID生成方案并不用适用于分布式情景下的ID生成，所以出现了许多的方案来解决这个问题。

二.常见分布式ID生成方案

1.UUID

UUID(Universally Unique Identifier)全局唯一标识符,是指在一台机器上生成的数字，它保证对在同一时空中的所有机器都是唯一的。

按照开放软件基金会(OSF)制定的标准计算，用到了以太网卡地址、纳秒级时间、芯片ID码和许多可能的数字。由以下几部分的组合：当前日期和时间、时钟序列、全局唯一的IEEE机器识别号（如果有网卡，从网卡获得，没有网卡以其他方式获得）。

UUID的的缺陷在于生成的结果串会比较长并且为字符串形式。

在Java中，可以使用以下方式生成UUID，由于每台服务器的MAC地址和网卡地址肯定是不一样的，所以就算是同一时间生成的ID也会有所不同：

String uuid = UUID.randomUUID().toString();

uuid:f2aca1c1-858b-4cdf-a5b9-999a92414504

2.数据库ID自增

一般主流数据库如Oracle、MySQL都自带表数据主键自增功能，所以我们可以借助数据库来为我们实现全局唯一的ID。

由于分布式数据库的起始自增值一样所以才会有冲突的情况发生，那么我们将分布式系统中数据库的同一个业务表的自增ID设计成不一样的起始值，然后设置固定的步长，步长的值即为分库的数量或分表的数量。

在MySQL中，可以为每台MySQL独自设置自身的初始ID以及递增步长来实现分布式ID的生成：

• auto_increment_offset：表示自增长字段从那个数开始，他的取值范围是1 … 65535。
• auto_increment_increment：表示自增长字段每次递增的量，其默认值是1，取值范围是1 … 65535。

假设有三台机器，则DB1中order表的起始ID值为1，DB2中order表的起始值为2，DB3中order表的起始值为3，它们自增的步长都为3，则它们的ID生成范围如下图所示，可以看出每个数据库生成的ID都不同。

使用数据库生成ID的方式可以保证ID的唯一性，并且实现起来也很简单，但是由于数据库只能做到数字自增，但是普通的数字是不适合做一些业务的ID的，譬如订单号，不能用23、24、25这种形式来标识，因为规律性太强并且从其中不能够解析出其他更有用的数据了（譬如时间戳之类）。

但是数据库自增ID很适合做主键物理ID，而业务逻辑ID应该选择其他方式来生成。

3.Redis

现在来说说Redis生成唯一ID的方案。

我们可以借助Redis的incr或incrby命令的原子特性来获取全局递增的序列号，来构建分布式ID：

GID = 时间戳 + 机器号 + 全局自增的Redis序列号

这种做法需要额外借助Redis服务来实现，并且需要保证Redis的可用性，如果Redis不可用的话（网络问题、宕机等）那么也会导致ID生成失败。

4.Snowflake-雪花算法

说到分布式ID生成方案就不得不提大名鼎鼎的Snowflake-雪花算法。

雪花算法是推特为了解决分布式ID问题而研发出的一种方法，主要的思路与UUID的思路一致，不同的是雪花算法会算得一个64位的Long型ID，而不是一条字符串。

1. 第1bit不使用，默认为0，因为在许多语言中Long的最高位都只用以表示为符号为，这里默认生成的ID为正值。除开高位的1bit外的63bit全部都需要使用。
2. 前41bit表示毫秒级的时间戳，这个时间戳指的是差值时间戳，而不是时刻时间戳。41bit能表达的数字范围为0 ~ 2^ 41个，所以能够表达2^ 41毫秒也就是69年。所以一个由雪花算法生成的ID，最长能够保证69年内不出现重复的，因为在2^ 41毫秒之后，时间戳会重新将差值置为0，开始出现重复。
3. 中间10bit用以表示机器ID，最多可以容纳2^ 10也就是1024台机器组成。还可以将着10bit划分为：5bit表示数据中心，5bit表示机器ID。
4. 后12bit用以表示自增序列号，12bit最多可表示2^ 12 = 4096个数。

所以在极限情况下，假设我们有1024台机器，在1毫秒之内我们可以生成的全局ID有：

1024 * 4096 = 400万

在1s中之内可以生成的ID有：

1024 * 4096 * 1000 = 40亿

所以在不考虑机器性能的情况下，通过雪花算法，1毫秒可以获取到400万个不重复的ID，1秒可以获取40亿个ID，这是一个十分可观的数字。但是实测来说，单机的机器1秒钟大概可以生成30万个ID。

具体的代码实现以及性能测试可以参考这两篇文章：

• http://www.machengyu.net/tech/2019/12/04/snowflake.html
• https://yq.aliyun.com/articles/713964

5.其他：Leaf和UidGenerator

Leaf和UidGenerator分别由美团与百度研发，其原理与雪花算法类似，不过提供了更多的可选项和自定义操作，这里就不再详细说明了。

三.总结

1. UUID：实现简单，不需要网络，可以在本地生成全局唯一ID。但是生成的ID为字符串类型，并且长度较长。
2. 数据库ID自增：实现简单，需要与数据库连接，但是生成的ID只能为简单的数字，不适合做业务ID。
3. Redis：需要外加Redis服务，成本较高，需要设置好Redis以提供高可用服务。但是容易定制和拓展。
4. 雪花算法：需要网络（要借助zk来注册自增序号），效率高，可生成Long型ID，理论上一个ID可有69年的过期时间以及1毫秒内最多可并行生成400万个ID。