4. 分布式ID

PangHu大约 5 分钟

1. 分布式ID

分布式ID的特性

① 唯一性：确保生成的ID是全局唯一的。

② 有序递增性：确保生成的ID是对于某个用户或者业务是按一定的数字有序递增的。

③ 高可用性：确保任何时候都能正确的生成ID。

④ 带时间：ID里面包含时间，一眼扫过去就知道哪天的数据

分布式id方案大概有：

① 数据库自增ID（定义全局表）

② UUID

③ Twitter**-Snowflake算法**

2. 定义全局表

在数据库中专门创建一张序列表，利用数据库表中的自增ID来为其他业务的数据生成一个全局ID，那么每次要用ID的时候，直接从这个表中获取即可。

CREATE TABLE `uid_table` ( `id` bigint(20) NOT NULL AUTO_INCREMENT, `business_id` int(11) NOT NULL, PRIMARY KEY (`id`) USING BTREE, UNIQUE (business_type) )

在应用程序中，每次调用下面这段代码，就可以持续获得一个递增的ID。

begin
replace into uid_table (business_id) values(2);
select last_insert_id();
commit;

其中，replace into是每次删除原来相同的数据，同时加1条，就能保证我们每次得到的就是一个自增的ID。

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：

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。

3. UUID

UUID的格式是： xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx 8-4-4-4-12共36个字符，它是一个128bit的

二进制转化为16进制的32个字符，然后用4个 - 连接起来的字符串。

UUID的五种生成方式

① 基于时间的UUID（date-time & MAC address）：主要依赖当前的时间戳及机器mac地址，因此可以保证全球唯一性。（使用了Mac地址，因此会暴露Mac地址和生成时间。）

**② **分布式安全的UUID（date-time & group/user id）将版本1的时间戳前四位换为POSIX的UID或GID。

**③ **基于名字空间的UUID-MD5版（MD5 hash & namespace），基于指定的名字空间/名字生成MD5散列值得到，标准不推荐。

④ 基于随机数的UUID（pseudo-random number）：基于随机数或伪随机数生成。

⑤ 基于名字空间的UUID-SHA1版（SHA-1 hash & namespace）：将版本3的散列算法改为SHA1。

在Java中，提供了基于MD5算法的UUID、以及基于随机数的UUID。

优点：

本地生成，没有网络消耗，生成简单，没有高可用风险。

缺点：

① 不易于存储：UUID太长，16字节128位，通常以36长度的字符串表示，很多场景不适用。

② 信息不安全：基于MAC地址生成UUID的算法可能会造成MAC地址泄露，这个漏洞曾被用于寻找梅丽莎病毒的制作者位置。

③ 无序查询效率低：由于生成的UUID是无序不可读的字符串，所以其查询效率低。

④ UUID不适合用来做数据库的唯一ID，如果用UUID做主键，无序的不递增，大家都知道，主键是有索引的，然后mysql的索引是通过b+树来实现的，每一次新的UUID数据的插入，为了查询的优化，都会对索引底层的b+树进行修改，因为UUID数据是无序的，所以每一次UUID数据的插入都会对主键的b+树进行很大的修改，严重影响性能

4. 雪花算法

SnowFlake 算法，是 Twitter 开源的分布式 id 生成算法。其核心思想就是：使用一个 64 bit 的 long 型的数字作为全局唯一 id。雪花算法的组成，一共64bit，这64个bit位由四个部分组成。

第一部分，1bit位，用来表示符号位，而ID一般是正数，所以这个符号位一般情况下是0。

第二部分，占41 个 bit：表示的是时间戳，是系统时间的毫秒数，但是这个时间戳不是当前系统的

时间，而是当前系统时间-开始时间，即表示这个ID生成方案的使用的时间，时间戳是为了保证有序性，可读性,即开发者一看就能猜到ID是什么时候生成的。41位可以2^ 41 - 1表示个数字，可以表示的数值范围是：0 至 2^ 41-1，也就是说41位可以表示2^ 41-1个毫秒的值，转化成单位年则是(2^ 41-1)/1000 60 60 24*365=69年，也就是能容纳69年的时间。

第三部分，用来记录工作机器id，id包含10bit，意味着这个服务最多可以部署在 2^10 台机器上，

也就是 1024 台机器。其中这10bit又可以分成2个5bit，前5bit表示机房id、5bit表示机器id，意味着最多支持2^5个机房（32），每个机房可以支持32台机器。

第四部分，由12bit组成，表示一个递增序列，用来记录同毫秒内产生的不同id。如果是同一毫秒同一台机器来请求，需要使用序列号来保证唯一性，即保证同一毫秒内同一机器生成的ID是唯一的，这个其实就是为了满足我们ID的这个高并发，就是保证我同一毫秒进来的并发场景的唯一性。12位（bit）可以表示的最大正整数是2^12-1=4095，即可以用0、1、2、3、…4094这4095个数字，来表示同一机器同一时间截（毫秒)内产生的4095个ID序号。12位2进制，如果全部都是1的情况下，那么最终的值就是4095，也就是12bit能够存储的最大的数字是4095。