架構(gòu) 細聊分布式ID生成方法

一、需求緣起

---

幾乎所有的業(yè)務(wù)系統(tǒng)，都有生成一個記錄標(biāo)識的需求，例如：
（1）消息標(biāo)識：message-id
（2）訂單標(biāo)識：order-id

（3）帖子標(biāo)識：tiezi-id

這個記錄標(biāo)識往往就是數(shù)據(jù)庫中的唯一主鍵，數(shù)據(jù)庫上會建立聚集索引（cluster index），即在物理存儲上以這個字段排序。

這個記錄標(biāo)識上的查詢，往往又有分頁或者排序的業(yè)務(wù)需求，例如：
（1）拉取最新的一頁消息：selectmessage-id/ order by time/ limit 100
（2）拉取最新的一頁訂單：selectorder-id/ order by time/ limit 100

（3）拉取最新的一頁帖子：selecttiezi-id/ order by time/ limit 100

所以往往要有一個time字段，并且在time字段上建立普通索引（non-cluster index）。

我們都知道普通索引存儲的是實際記錄的指針，其訪問效率會比聚集索引慢，如果記錄標(biāo)識在生成時能夠基本按照時間有序，則可以省去這個time字段的索引查詢：

select message-id/ (order by message-id)/limit 100

再次強調(diào)，能這么做的前提是，message-id的生成基本是趨勢時間遞增的。

這就引出了記錄標(biāo)識生成（也就是上文提到的三個XXX-id）的兩大核心需求：
（1）全局唯一

（2）趨勢有序

這也是本文要討論的核心問題：如何高效生成趨勢有序的全局唯一ID。

二、常見方法、不足與優(yōu)化

---

【常見方法一：使用數(shù)據(jù)庫的 auto_increment 來生成全局唯一遞增ID】

優(yōu)點：

（1）簡單，使用數(shù)據(jù)庫已有的功能
（2）能夠保證唯一性
（3）能夠保證遞增性

（4）步長固定

缺點：

（1）可用性難以保證：數(shù)據(jù)庫常見架構(gòu)是一主多從+讀寫分離，生成自增ID是寫請求，主庫掛了就玩不轉(zhuǎn)了

（2）擴展性差，性能有上限：因為寫入是單點，數(shù)據(jù)庫主庫的寫性能決定ID的生成性能上限，并且難以擴展

改進方法：

（1）增加主庫，避免寫入單點
（2）數(shù)據(jù)水平切分，保證各主庫生成的ID不重復(fù)

如上圖所述，由1個寫庫變成3個寫庫，每個寫庫設(shè)置不同的auto_increment初始值，以及相同的增長步長，以保證每個數(shù)據(jù)庫生成的ID是不同的（上圖中庫0生成0,3,6,9…，庫1生成1,4,7,10，庫2生成2,5,8,11…）

改進后的架構(gòu)保證了可用性，但缺點是：

（1）喪失了ID生成的“絕對遞增性”：先訪問庫0生成0,3，再訪問庫1生成1，可能導(dǎo)致在非常短的時間內(nèi)，ID生成不是絕對遞增的（這個問題不大，我們的目標(biāo)是趨勢遞增，不是絕對遞增）

（2）數(shù)據(jù)庫的寫壓力依然很大，每次生成ID都要訪問數(shù)據(jù)庫

為了解決上述兩個問題，引出了第二個常見的方案

【常見方法二：單點批量ID生成服務(wù)】

分布式系統(tǒng)之所以難，很重要的原因之一是“沒有一個全局時鐘，難以保證絕對的時序”，要想保證絕對的時序，還是只能使用單點服務(wù)，用本地時鐘保證“絕對時序”。數(shù)據(jù)庫寫壓力大，是因為每次生成ID都訪問了數(shù)據(jù)庫，可以使用批量的方式降低數(shù)據(jù)庫寫壓力。

如上圖所述，數(shù)據(jù)庫使用雙master保證可用性，數(shù)據(jù)庫中只存儲當(dāng)前ID的最大值，例如0。ID生成服務(wù)假設(shè)每次批量拉取6個ID，服務(wù)訪問數(shù)據(jù)庫，將當(dāng)前ID的最大值修改為5，這樣應(yīng)用訪問ID生成服務(wù)索要ID，ID生成服務(wù)不需要每次訪問數(shù)據(jù)庫，就能依次派發(fā)0,1,2,3,4,5這些ID了，當(dāng)ID發(fā)完后，再將ID的最大值修改為11，就能再次派發(fā)6,7,8,9,10,11這些ID了，于是數(shù)據(jù)庫的壓力就降低到原來的1/6了。

優(yōu)點：

（1）保證了ID生成的絕對遞增有序

（2）大大的降低了數(shù)據(jù)庫的壓力，ID生成可以做到每秒生成幾萬幾十萬個

缺點：

（1）服務(wù)仍然是單點
（2）如果服務(wù)掛了，服務(wù)重啟起來之后，繼續(xù)生成ID可能會不連續(xù)，中間出現(xiàn)空洞（服務(wù)內(nèi)存是保存著0,1,2,3,4,5，數(shù)據(jù)庫中max-id是5，分配到3時，服務(wù)重啟了，下次會從6開始分配，4和5就成了空洞，不過這個問題也不大）

（3）雖然每秒可以生成幾萬幾十萬個ID，但畢竟還是有性能上限，無法進行水平擴展

改進方法：

單點服務(wù)的常用高可用優(yōu)化方案是“備用服務(wù)”，也叫“影子服務(wù)”，所以我們能用以下方法優(yōu)化上述缺點（1）：

如上圖，對外提供的服務(wù)是主服務(wù)，有一個影子服務(wù)時刻處于備用狀態(tài)，當(dāng)主服務(wù)掛了的時候影子服務(wù)頂上。這個切換的過程對調(diào)用方是透明的，可以自動完成，常用的技術(shù)是vip+keepalived，具體就不在這里展開。

【常見方法三：uuid】

上述方案來生成ID，雖然性能大增，但由于是單點系統(tǒng)，總還是存在性能上限的。同時，上述兩種方案，不管是數(shù)據(jù)庫還是服務(wù)來生成ID，業(yè)務(wù)方Application都需要進行一次遠程調(diào)用，比較耗時。有沒有一種本地生成ID的方法，即高性能，又時延低呢？

uuid是一種常見的方案：string ID =GenUUID();

優(yōu)點：

（1）本地生成ID，不需要進行遠程調(diào)用，時延低

（2）擴展性好，基本可以認(rèn)為沒有性能上限

缺點：

（1）無法保證趨勢遞增
（2）uuid過長，往往用字符串表示，作為主鍵建立索引查詢效率低，常見優(yōu)化方案為“轉(zhuǎn)化為兩個uint64整數(shù)存儲”或者“折半存儲”（折半后不能保證唯一性）

【常見方法四：取當(dāng)前毫秒數(shù)】

uuid是一個本地算法，生成性能高，但無法保證趨勢遞增，且作為字符串ID檢索效率低，有沒有一種能保證遞增的本地算法呢？

取當(dāng)前毫秒數(shù)是一種常見方案：uint64 ID = GenTimeMS();

優(yōu)點：

（1）本地生成ID，不需要進行遠程調(diào)用，時延低
（2）生成的ID趨勢遞增

（3）生成的ID是整數(shù)，建立索引后查詢效率高

缺點：

（1）如果并發(fā)量超過1000，會生成重復(fù)的ID

我去，這個缺點要了命了，不能保證ID的唯一性。當(dāng)然，使用微秒可以降低沖突概率，但每秒最多只能生成1000000個ID，再多的話就一定會沖突了，所以使用微秒并不從根本上解決問題。

【常見方法五：類snowflake算法】

snowflake是twitter開源的分布式ID生成算法，其核心思想是：一個long型的ID，使用其中41bit作為毫秒數(shù)，10bit作為機器編號，12bit作為毫秒內(nèi)序列號。這個算法單機每秒內(nèi)理論上最多可以生成1000*(2^12)，也就是400W的ID，完全能滿足業(yè)務(wù)的需求。

借鑒snowflake的思想，結(jié)合各公司的業(yè)務(wù)邏輯和并發(fā)量，可以實現(xiàn)自己的分布式ID生成算法。

舉例，假設(shè)某公司ID生成器服務(wù)的需求如下：

（1）單機高峰并發(fā)量小于1W，預(yù)計未來5年單機高峰并發(fā)量小于10W
（2）有2個機房，預(yù)計未來5年機房數(shù)量小于4個
（3）每個機房機器數(shù)小于100臺
（4）目前有5個業(yè)務(wù)線有ID生成需求，預(yù)計未來業(yè)務(wù)線數(shù)量小于10個

（5）…

分析過程如下：

（1）高位取從2016年1月1日到現(xiàn)在的毫秒數(shù)（假設(shè)系統(tǒng)ID生成器服務(wù)在這個時間之后上線），假設(shè)系統(tǒng)至少運行10年，那至少需要10年*365天*24小時*3600秒*1000毫秒=320*10^9，差不多預(yù)留39bit給毫秒數(shù)

（2）每秒的單機高峰并發(fā)量小于10W，即平均每毫秒的單機高峰并發(fā)量小于100，差不多預(yù)留7bit給每毫秒內(nèi)序列號

（3）5年內(nèi)機房數(shù)小于4個，預(yù)留2bit給機房標(biāo)識

（4）每個機房小于100臺機器，預(yù)留7bit給每個機房內(nèi)的服務(wù)器標(biāo)識

（5）業(yè)務(wù)線小于10個，預(yù)留4bit給業(yè)務(wù)線標(biāo)識

這樣設(shè)計的64bit標(biāo)識，可以保證：

（1）每個業(yè)務(wù)線、每個機房、每個機器生成的ID都是不同的
（2）同一個機器，每個毫秒內(nèi)生成的ID都是不同的
（3）同一個機器，同一個毫秒內(nèi)，以序列號區(qū)區(qū)分保證生成的ID是不同的

（4）將毫秒數(shù)放在最高位，保證生成的ID是趨勢遞增的

缺點：

（1）由于“沒有一個全局時鐘”，每臺服務(wù)器分配的ID是絕對遞增的，但從全局看，生成的ID只是趨勢遞增的（有些服務(wù)器的時間早，有些服務(wù)器的時間晚）

最后一個容易忽略的問題：

生成的ID，例如message-id/ order-id/ tiezi-id，在數(shù)據(jù)量大時往往需要分庫分表，這些ID經(jīng)常作為取模分庫分表的依據(jù)，為了分庫分表后數(shù)據(jù)均勻，ID生成往往有“取模隨機性”的需求，所以我們通常把每秒內(nèi)的序列號放在ID的最末位，保證生成的ID是隨機的。

又如果，我們在跨毫秒時，序列號總是歸0，會使得序列號為0的ID比較多，導(dǎo)致生成的ID取模后不均勻。解決方法是，序列號不是每次都歸0，而是歸一個0到9的隨機數(shù)，這個地方。