共计 2899 个字符,预计需要花费 8 分钟才能阅读完成。
导读 | 这篇文章,我们就接着分库分表的知识,来具体聊一下全局唯一 ID 如何生成。在分库分表之后你必然要面对的一个问题,就是 id 咋生成?因为要是一个表分成多个表之后,每个表的 id 都是从 1 开始累加自增长,那肯定不对啊。 |
举个例子,你的订单表拆分为了 1024 张订单表,每个表的 id 都从 1 开始累加,这个肯定有问题了!
你的系统就没办法根据表主键来查询订单了,比如 id = 50 这个订单,在每个表里都有!
所以此时就需要分布式架构下的全局唯一 id 生成的方案了,在分库分表之后,对于插入数据库中的核心 id,不能直接简单使用表自增 id,要全局生成唯一 id,然后插入各个表中,保证每个表内的某个 id,全局唯一。
比如说订单表虽然拆分为了 1024 张表,但是 id = 50 这个订单,只会存在于一个表里。
那么如何实现全局唯一 id 呢?有以下几种方案。
这个方案就是说你的系统每次要生成一个 id,都是往一个独立库的一个独立表里插入一条没什么业务含义的数据,然后获取一个数据库自增的一个 id。拿到这个 id 之后再往对应的分库分表里去写入。
比如说你有一个 auto_id 库,里面就一个表,叫做 auto_id 表,有一个 id 是自增长的。
那么你每次要获取一个全局唯一 id,直接往这个表里插入一条记录,获取一个全局唯一 id 即可,然后这个全局唯一 id 就可以插入订单的分库分表中。
这个方案的好处就是方便简单,谁都会用。缺点就是单库生成自增 id,要是高并发的话,就会有瓶颈的,因为 auto_id 库要是承载个每秒几万并发,肯定是不现实的了。
这个每个人都应该知道吧,就是用 UUID 生成一个全局唯一的 id。
好处就是每个系统本地生成,不要基于数据库来了
不好之处就是,uuid 太长了,作为主键性能太差了,不适合用于主键。
如果你是要随机生成个什么文件名了,编号之类的,你可以用 uuid,但是作为主键是不能用 uuid 的。
这个方案的意思就是获取当前时间作为全局唯一的 id。
但是问题是,并发很高的时候,比如一秒并发几千,会有重复的情况,这个是肯定不合适的。
一般如果用这个方案,是将当前时间跟很多其他的业务字段拼接起来,作为一个 id,如果业务上你觉得可以接受,那么也是可以的。
你可以将别的业务字段值跟当前时间拼接起来,组成一个全局唯一的编号,比如说订单编号:时间戳 + 用户 id + 业务含义编码。
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,这 64 个 bit 中,其中 1 个 bit 是不用的,然后用其中的 41 bit 作为毫秒数,用 10 bit 作为工作机器 id,12 bit 作为序列号。
给大家举个例子吧,比如下面那个 64 bit 的 long 型数字,大家看看
上面第一个部分,是 1 个 bit:0,这个是无意义的
上面第二个部分是 41 个 bit:表示的是时间戳
上面第三个部分是 5 个 bit:表示的是机房 id,10001
上面第四个部分是 5 个 bit:表示的是机器 id,1 1001
上面第五个部分是 12 个 bit:表示的序号,就是某个机房某台机器上这一毫秒内同时生成的 id 的序号,0000 00000000
1 bit:是不用的,为啥呢?
因为二进制里第一个 bit 为如果是 1,那么都是负数,但是我们生成的 id 都是正数,所以第一个 bit 统一都是 0
41 bit:表示的是时间戳,单位是毫秒。
41 bit 可以表示的数字多达 2^41 – 1,也就是可以标识 2 ^ 41 – 1 个毫秒值,换算成年就是表示 69 年的时间。
10 bit:记录工作机器 id,代表的是这个服务最多可以部署在 2^10 台机器上,也就是 1024 台机器。
但是 10 bit 里 5 个 bit 代表机房 id,5 个 bit 代表机器 id。意思就是最多代表 2 ^ 5 个机房(32 个机房),每个机房里可以代表 2 ^ 5 个机器(32 台机器)。
12 bit:这个是用来记录同一个毫秒内产生的不同 id。
12 bit 可以代表的最大正整数是 2 ^ 12 – 1 = 4096,也就是说可以用这个 12bit 代表的数字来区分同一个毫秒内的 4096 个不同的 id
简单来说,你的某个服务假设要生成一个全局唯一 id,那么就可以发送一个请求给部署了 snowflake 算法的系统,由这个 snowflake 算法系统来生成唯一 id。
这个 snowflake 算法系统首先肯定是知道自己所在的机房和机器的,比如机房 id = 17,机器 id = 12。
接着 snowflake 算法系统接收到这个请求之后,首先就会用二进制位运算的方式生成一个 64 bit 的 long 型 id,64 个 bit 中的第一个 bit 是无意义的。
接着 41 个 bit,就可以用当前时间戳(单位到毫秒),然后接着 5 个 bit 设置上这个机房 id,还有 5 个 bit 设置上机器 id。
最后再判断一下,当前这台机房的这台机器上这一毫秒内,这是第几个请求,给这次生成 id 的请求累加一个序号,作为最后的 12 个 bit。
最终一个 64 个 bit 的 id 就出来了,类似于:
这个算法可以保证说,一个机房的一台机器上,在同一毫秒内,生成了一个唯一的 id。可能一个毫秒内会生成多个 id,但是有最后 12 个 bit 的序号来区分开来。
下面我们简单看看这个 snowflake 算法的一个代码实现,这就是个示例,大家如果理解了这个意思之后,以后可以自己尝试改造这个算法。
总之就是用一个 64bit 的数字中各个 bit 位来设置不同的标志位,区分每一个 id。
public class IdWorker {
private long workerId; // 这个就是代表了机器 id
private long datacenterId; // 这个就是代表了机房 id
private long sequence; // 这个就是代表了一毫秒内生成的多个 id 的最新序号
public IdWorker(long workerId, long datacenterId, long sequence){
// sanity check for workerId
// 这儿不就检查了一下,要求就是你传递进来的机房 id 和机器 id 不能超过 32,不能小于 0
if (workerId > maxWorkerId || workerId maxDatacenterId || datacenterId
snowflake 算法一个小小的改进思路
其实在实际的开发中,这个 snowflake 算法可以做一点点改进。
因为大家可以考虑一下,我们在生成唯一 id 的时候,一般都需要指定一个表名,比如说订单表的唯一 id。
所以上面那 64 个 bit 中,代表机房的那 5 个 bit,可以使用业务表名称来替代,比如用 00001 代表的是订单表。
因为其实很多时候,机房并没有那么多,所以那 5 个 bit 用做机房 id 可能意义不是太大。
这样就可以做到,snowflake 算法系统的每一台机器,对一个业务表,在某一毫秒内,可以生成一个唯一的 id,一毫秒内生成很多 id,用最后 12 个 bit 来区分序号对待。
![post-qrcode](https://www.xgss.net/wp-content/uploads/2023/07/二维码-微信公众号256x256.jpg)