一、需求緣起

幾乎所有的業務系統，都有生成一個記錄標識的需求，例如：

（1）訊息標識：message-id

（2）訂單標識：order-id

（3）帖子標識：tiezi-id

這個記錄標識往往就是資料庫中的唯一主鍵，資料庫上會建立聚集索引（cluster index），即在物理儲存上以這個欄位排序。

這個記錄標識上的查詢，往往又有分頁或者排序的業務需求，例如：

（1）拉取最新的一頁訊息：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欄位，並且在time欄位上建立普通索引（non-cluster index）。

我們都知道普通索引儲存的是實際記錄的指標，其訪問效率會比聚集索引慢，如果記錄標識在生成時能夠基本按照時間有序，則可以省去這個time欄位的索引查詢：

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

再次強調，能這麼做的前提是，message-id的生成基本是趨勢時間遞增的。

這就引出了記錄標識生成（也就是上文提到的三個XXX-id）的兩大核心需求：

（1）全域性唯一

（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域性唯一ID。

二、常見方法、不足與優化

【常見方法一：使用資料庫的 auto_increment 來生成全域性唯一遞增ID】

優點：

（1）簡單，使用資料庫已有的功能

（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：資料庫常見架構是一主多從+讀寫分離，生成自增ID是寫請求，主庫掛了就玩不轉了

（2）擴充套件性差，效能有上限：因為寫入是單點，資料庫主庫的寫效能決定ID的生成效能上限，並且難以擴充套件

改進方法：

（1）增加主庫，避免寫入單點

（2）資料水平切分，保證各主庫生成的ID不重複

如上圖所述，由1個寫庫變成3個寫庫，每個寫庫設定不同的auto_increment初始值，以及相同的增長步長，以保證每個資料庫生成的

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…）

改進後的架構保證了可用性，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，可能導致在非常短的時間內，ID生成不是絕對遞增的（這個問題不大，我們的目標是趨勢遞增，不是絕對遞增）

（2）資料庫的寫壓力依然很大，每次生成ID都要訪問資料庫

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】

分散式系統之所以難，很重要的原因之一是“沒有一個全域性時鐘，難以保證絕對的時序”，要想保證絕對的時序，還是隻能使用單點服務，用本地時鐘保證“絕對時序”。資料庫寫壓力大，是因為每次生成ID都訪問了資料庫，可以使用批量的方式降低資料庫寫壓力。

如上圖所述，資料庫使用雙master保證可用性，資料庫中只儲存當前ID的最大值，例如0。ID生成服務假設每次批量拉取6個ID，服務訪問資料庫，將當前ID的最大值修改為5，這樣應用訪問ID生成服務索要ID，ID生成服務不需要每次訪問資料庫，就能依次派發0,1,2,3,4,5這些ID了，當ID發完後，再將ID的最大值修改為11，就能再次派發6,7,8,9,10,11這些ID了，於是資料庫的壓力就降低到原來的1/6了。

優點：

（1）保證了ID生成的絕對遞增有序

（2）大大的降低了資料庫的壓力，ID生成可以做到每秒生成幾萬幾十萬個

缺點：

（1）服務仍然是單點

（2）如果服務掛了，服務重啟起來之後，繼續生成ID可能會不連續，中間出現空洞（服務記憶體是儲存著0,1,2,3,4,5，資料庫中max-id是5，分配到3時，服務重啟了，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，但畢竟還是有效能上限，無法進行水平擴充套件

改進方法：

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

如上圖，對外提供的服務是主服務，有一個影子服務時刻處於備用狀態，當主服務掛了的時候影子服務頂上。這個切換的過程對呼叫方是透明的，可以自動完成，常用的技術是vip+keepalived，具體就不在這裡展開。

【常見方法三：uuid】

上述方案來生成ID，雖然效能大增，但由於是單點系統，總還是存在效能上限的。同時，上述兩種方案，不管是資料庫還是服務來生成ID，業務方Application都需要進行一次遠端呼叫，比較耗時。有沒有一種本地生成ID的方法，即高效能，又時延低呢？

uuid是一種常見的方案：string ID =GenUUID();

優點：

（1）本地生成ID，不需要進行遠端呼叫，時延低

（2）擴充套件性好，基本可以認為沒有效能上限

缺點：

（1）無法保證趨勢遞增

（2）uuid過長，往往用字串表示，作為主鍵建立索引查詢效率低，常見優化方案為“轉化為兩個uint64整數儲存”或者“折半儲存”（折半後不能保證唯一性）

【常見方法四：取當前毫秒數】

uuid是一個本地演算法，生成效能高，但無法保證趨勢遞增，且作為字串ID檢索效率低，有沒有一種能保證遞增的本地演算法呢？

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

優點：

（1）本地生成ID，不需要進行遠端呼叫，時延低

（2）生成的ID趨勢遞增

（3）生成的ID是整數，建立索引後查詢效率高

缺點：

（1）如果併發量超過1000，會生成重複的ID

我去，這個缺點要了命了，不能保證ID的唯一性。當然，使用微秒可以降低衝突概率，但每秒最多隻能生成1000000個ID，再多的話就一定會衝突了，所以使用微秒並不從根本上解決問題。

【常見方法五：類snowflake演算法】

snowflake是twitter開源的分散式ID生成演算法，其核心思想是：一個long型的ID，使用其中41bit作為毫秒數，10bit作為機器編號，12bit作為毫秒內序列號。這個演算法單機每秒內理論上最多可以生成1000*(2^12)，也就是400W的ID，完全能滿足業務的需求。

借鑑snowflake的思想，結合各公司的業務邏輯和併發量，可以實現自己的分散式ID生成演算法。

舉例，假設某公司ID生成器服務的需求如下：

（1）單機高峰併發量小於1W，預計未來5年單機高峰併發量小於10W

（2）有2個機房，預計未來5年機房數量小於4個

（3）每個機房機器數小於100臺

（4）目前有5個業務線有ID生成需求，預計未來業務線數量小於10個

（5）…

分析過程如下：

（1）高位取從2016年1月1日到現在的毫秒數（假設系統ID生成器服務在這個時間之後上線），假設系統至少執行10年，那至少需要10年*365天*24小時*3600秒*1000毫秒=320*10^9，差不多預留39bit給毫秒數

（2）每秒的單機高峰併發量小於10W，即平均每毫秒的單機高峰併發量小於100，差不多預留7bit給每毫秒內序列號

（3）5年內機房數小於4個，預留2bit給機房標識

（4）每個機房小於100臺機器，預留7bit給每個機房內的伺服器標識

（5）業務線小於10個，預留4bit給業務線標識

這樣設計的64bit標識，可以保證：

（1）每個業務線、每個機房、每個機器生成的ID都是不同的

（2）同一個機器，每個毫秒內生成的ID都是不同的

（3）同一個機器，同一個毫秒內，以序列號區區分保證生成的ID是不同的

（4）將毫秒數放在最高位，保證生成的ID是趨勢遞增的

缺點：

（1）由於“沒有一個全域性時鐘”，每臺伺服器分配的ID是絕對遞增的，但從全域性看，生成的ID只是趨勢遞增的（有些伺服器的時間早，有些伺服器的時間晚）

最後一個容易忽略的問題：

生成的ID，例如message-id/ order-id/ tiezi-id，在資料量大時往往需要分庫分表，這些ID經常作為取模分庫分表的依據，為了分庫分表後資料均勻，ID生成往往有“取模隨機性”的需求，所以我們通常把每秒內的序列號放在ID的最末位，保證生成的ID是隨機的。

相關推薦