微服务+分库分表的自增主键ID该如何设计？

一. 前言

分布式ID 是分布式系统里面非常重要的一个组成部分，那么我们在设计分布式ID的时候，需要考虑什么问题呢？

❓简单结构下是怎么实现 ID 的控制的？
单实例系统 ：通过时间戳，系统内自增，上锁等方式保证ID的唯一性
单数据库实例 : 通过自增字段（不谈性能）实现ID的唯一
❓微服务 + 分库分表了，又该如何进行控制？
问题：单个系统没办法直接感知到其他系统的ID情况，哪怕通信也要付出极大的代价

二. 来理解分布式ID的原则

2.1 分布式 ID 的本质是什么？

全局唯一 ：要保证的是在任何场景下，任何系统，任何库，同一业务场景中生成的ID一定是唯一的
递增：有的文章里面会谈到单调递增和趋势递增，这讲到的是2个维度：
一个要求ID是有序增长的（趋势递增，用于排序）
一个是要求ID是正向增长的（单调递增，下一个一定比上一个大）
无规则 ：无规则是指不能按照MySQL主键自增这种方式进行 + 1 自增，简单的自增方式会带来安全层面的风险

最近无意间获得一份阿里大佬写的刷题笔记，一下子打通了我的任督二脉，进大厂原来没那么难。这是大佬写的，7701页的BAT大佬写的刷题笔记，让我offer拿到手软

2.2 有哪些相同性质的问题？

对于分布式 ID 的实现，在某些思路上和很多业务是通用的，例如：

订单编号的生成逻辑 ：有序 + 反映时间
券码的生成逻辑 ：有序 + 不可推测
动态码 ：付款码，会员动态码等等

这些码的生产一般都会包含上述的2项原则，一定会要求全局唯一，同时根据情况来进行有序或者无序的控制。

其实无序一般也是看起来无序，在底层逻辑的生成上不可能完全无序，否则总会出现冲突的场景。

2.3 分布式 ID 的根本实现方式是什么？

ID的生成本质上只需要关注两个核心：

区域的划分：我们需要保证每台机器是一个固定的区域，一般称之为机器ID
锁的控制：不止是不同服务之间的分布式锁，还包括同一个服务的线程锁

来简单解读下，服务之间的通信很消耗资源 ，所以能不通信实现分布式ID的生成效率是最高的，那么一般会在服务启动的时候就计算出对应的工作区间。

同时要理解的是，锁往往和性能是对立关系，锁越多，则性能会相对越差，所以如何控制锁的粒度，则是分布式ID生成的一大核心。

三. 来探讨一下实现的思路

3.1 常规的分布式ID 算法

可用但是有限制的方案

// 简易版 - 基于时间戳的ID算法 ：
- 方案 ： 使用时间戳作为ID的前缀，然后通过机器的IP地址或MAC地址进行哈希计算得到剩余部分
- 问题 ： 过于简单 , 只能实现单机毫秒级的并发
// 低效版 - 数据库自增
- 方案 ： 没有方案 ，交给数据库来
- 问题 ： 性能低 ， 不支持分库分表
// 升级版 - 基于UUID
- 方案 ：
    - 基于时间的UUID：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
    - 分布式安全的UUID：将版本1的时间戳前四位换为POSIX的UID或GID
    - 基于随机数的UUID：基于随机数或伪随机数生成
    - 基于名字空间的UUID（MD5版）：基于指定的名字空间/名字生成MD5散列值得到
- 问题 ： 长度过长 ，无序 ，不可读

常规的方案：

❓ 基于雪花算法的ID算法：

雪花算法是由Twitter开发的一种分布式ID算法，它由几部分组成：时间戳、数据中心ID和机器ID以及序列ID。该算法可以保证ID的唯一性和稳定性，但需要较为复杂的计算和管理。

❓ 基于LeaseSet的ID算法

LeaseSet是一种分布式ID系统，它通过将ID划分为多个片段，然后将这些片段分配给不同的机器来生成ID。该算法可以实现高可用和可扩展性，但需要较为复杂的实现和管理。

❓ 总结一下 ：

雪花ID一般是常见的分布式ID的方案，很多厂商都有这种算法的变种，操作灵活性能也比较理想。我生成主键ID时就是这种方案。

而通过分段的方案性能会很高，会在分布式锁的基础上 一次拿多个ID序列 ，然后在本地消耗这些ID序列。

比如生成订单码的时候，会一次性取出100个码，然后本地（单机上）逐步使用这些码。

雪花ID比较通用。分段方式性能会更好，有序性会更强，毕竟都是连着的。

最近无意间获得一份阿里大佬写的刷题笔记，一下子打通了我的任督二脉，进大厂原来没那么难。这是大佬写的，7701页的BAT大佬写的刷题笔记，让我offer拿到手软

四. 分布式 ID 的简化方案

不同的业务场景对于分布式ID的要求不同，所以这里不说业务相关的，只谈实现流程，也没有什么代码

4.1 为你的 ID 定义格式

起始位 ：起始位一般都是 1 ，在日常使用中一般不会变动，除非系统发生了整体的重做又需要保留之前数据时，才可以考虑通过这个来进行扩展
总长度 ：位数一般基于具体的业务场景，和关联的内容以及数据总量息息相关。
案例一：内含时间戳，一般 ID 里面会包含一个毫秒精度的时间戳，具体看业务
案例二：插入随机数，在并发比较高的情况下，则需要通过随机数减少ID冲突的概率
总结：一般情况下都是 64 位的纯数字，短了信息少，并发低。长了浪费空间，浪费性能，库不支持。
机器ID ：用来描述对应的服务器 , 一般支持1024位（也就是 1024台服务器，大多数情况下够用了）

👉 来看一下最常见的雪花算法的格式：

0                                       41     51         64
+---------------------------------------+------+-----------+
| 时间戳（以毫秒为单位）                  |机器ID|    递增数  |
+---------------------------------------+------+-----------+

最近无意间获得一份阿里大佬写的刷题笔记，一下子打通了我的任督二脉，进大厂原来没那么难。这是大佬写的，7701页的BAT大佬写的刷题笔记，让我offer拿到手软

👉 来解析下里面的一些具体的细节：

❓问题一：关于时间戳从什么时候开始

一般我们看到的雪花算法都会以当前时间减去过去一个纪元时间 （参考时间点），有的可能是 1970 年 1 月 1 日 00:00:00 ，有的可能是上线时间或者一个特殊的时间点。

通过这种方式既可以减少整体的长度，让数据变得紧凑。又可以混淆 ID 的含义，让ID 没有那么容易被解析。

比如上面那个案例 ，可以看到最开始还空了4位数，所以时间戳的总空间是一定够的

❓问题二：关于机器ID

机器ID 的目的主要是为了区别不同的机器，从而避免在不同机器上面生成的数据冲突，一般都是通过分布式锁的方式来启动时获取：

Redis 原子获取 ：适用于服务器Pod数不高的场景，启动不频繁，流程比较规范的情况下，用 Redis 完全是足够的
数据库自增 ：一般这些ID的获取都是在系统启动时完成，所以数据库里面通过自增键去做也能实现我们的需求
Zookeeper ： Zookeeper持久顺序节点的特性也可以实现类似的功能

这3种方式也是传统的分布式锁的获取方式，通过自增这种实现保证机器ID每个都不一样。

但是需要避免下面几个问题：

集群过大或者不同业务使用了同一个表生成（机器ID一般就1024 ，超过了需要从 0 开始，一般是取模的方式）
避免某个节点长期不重启带来的机器ID冲突
避免某个机器频繁的重启导致机器ID被击穿

❓问题三：关于 sequence 序列ID

重点一 ： sequence ID 是先要比对时间戳的，时间戳一样这个值才会增加
重点二 ：注意并发的影响 ，要么在生成 ID 的方法上添加 synchronized 控制并发，要么使用原子变量

❓问题四：时钟回拨切记切记

由于上述的分布式 ID 是基于时间来实现的，这种方案最大的问题在于时钟回拨，如果服务器的时间回滚了，而机器又没重启，就可能会出现ID的冲突。

也有相关的解决方案，最常见的就是启动时校验时钟，比较其他的机器上的时间，方案就不详述了。

再一个就是换种思路，时间不是依赖的系统时间，而是一个自增的时间位。这个是百度那边的一种算法，下一章单独讲。

最后总结： ❗❗❗❗

位数不是绝对，在保持64位总长度的情况下，机器ID 和最后的自增数都可以随便调节。

包括整体的 64 位也不是完全绝对的，业务不同比 64 小几位也完全是可以的。

4.2 简单的实现方案

// S1 : 不管用什么方案 ，Redis 原子自增什么的，拿到一个 机器ID
public long getMechineId() {
    // 伪代码，方案自寻
    return redisService.incr("MECHINE_ID:" + prefixName);
}
// S2 : 构建分布式ID
private static Long lastTimestamp;

// 注意并发问题 ，加锁或者原子变量
public static synchronized long buildId(){
    long timestamp = System.currentTimeMillis();
    
    // 如果时间一致 ，则需要增加 sequenceID
    if (lastTimestamp == timestamp) {
        sequence = sequence + 1L & 1023L;
    } else {
        // 瞎写的 ，目的就是拿到一个 ID ，从 0 开始也可以
        sequence = (long)random.nextInt(128);
    }
    
    // 设置时间戳为最新时间戳
    lastTimestamp = timestamp;
    
    // tenantCode 是初始位 ，可以是0 ，也可以是 1
    // 如果为 0 则可能导致 ID 长度不统一 ，所以这里要根据具体的情况去设置
    // - 这里偏移多少位取决于后续的 sequence 想要留多少空间 ，只要时间戳偏移不要超过总数就行
    // - MechineId 留了 10 位 ，也就是 1024 个机器
    // - sequence 留了 12位 ，也就是每毫秒 4095 个
    return tenantCode << 60 | timestamp - 1288834974657L << 22 | getMechineId() << 12 | sequence;
}

// S3 : 入库时使用
略 ，这就不用说了吧 ，写数据库的时候设置到ID里面就行了