分布式主键

news2024/9/21 6:25:05

1.分布式主键的基本需求

2.常见的分布式主键生成策略

2.1UUID（128位）

2.2MySQL

2.2.1自增主键

2.2.2区间号段

2.3Redis

2.4SnowFlake雪花算法（64位）

1.分布式主键的基本需求

全局唯一：不管什么主键，都需要全局唯一。
高性能高可用：分布式主键服务本身就是一个底层的服务，很多服务都依赖于这个服务，如果底层服务都不稳定，那么上游的服务就更谈不上稳定。
递增：大部分数据存储使用MySQL存储数据，为了快速存储和检索，分布式主键生成策略总趋势要求是递增的。

2.常见的分布式主键生成策略

2.1UUID（128位）

在Java中自带的UUID就具有唯一性。如下面代码所示。生成的结果不是数字，是字符串。

UUID 是由128位二进制数组成，通常表示为32个十六进制字符。

public static void main(String[] args) {
    String uuid = UUID.randomUUID().toString().replaceAll("-","");
    System.out.println(uuid);//e48126eb0e6646638b043fca85f38818
}

优点：简单，没有网络消耗。

缺点：

不保证大趋势递增，不利于检索，对索引的构建和维护成本比较大。
长度过长，不利于存储。
没有具体的业务含义。

2.2MySQL

2.2.1自增主键

基于数据库的自增主键充当分布式ID服务器。

具体实现：
1）创建一个SEQUENCE_ID表（id,value）
2）每次请求该分布式主键服务时向SEQUENCE_ID 插入一条数据，并返回自增主键作为分布式主键。

优点：实现简单，自增有序；

缺点：DB单点存在宕机风险，扛不住高并发场景。

对于MySQL集群，单点数据库方式不可取，那对上边的方式做一些高可用优化，换成主从模式集群。害怕一个主节点挂掉没法用，那就做双主模式集群，也就是两个Mysql实例都能单独的生产自增ID。（起始值+自增步长）

2.2.2区间号段

以单节点为例，在数据库中维护一个SEQUENCE_ID表。表中定义的是一个order主键生成规则和user主键生成规则。简单对表做一下解释，biz_code表示一种主键，max_id表示已经分配的最大ID，step表示步长，用于每次生成一批主键。

biz_code	max_id	step	desc	update_time
order	11000	1000	订单表	2022-09-06
user	1000	100	用户表	2022-09-09

在上面数据库的原始数据之上，此时上线了3个节点的订单服务。当用户创建订单时，Order_Node1节点会请求主键服务器生成一批主键，此时数据库表记录为

biz_code	max_id	step	desc	update_time
order	11000	1000	订单表	2022-09-06

[max_id + 1 , max_id + step]这批主键会返回给Order_Node1，即[11001,12000]，此时会更新表的数据为

biz_code	max_id	step	desc	update_time
order	12000	1000	订单表	2022-09-07

每个节点的内存中存的是一批主键ID，当时候完毕后再去申请一批数据，效率极高。

优点：

并发压力不会再MySQL主键服务器侧。
容灾性好，我一次给你一批，即使主键服务器挂了，Node内存中的主键可以继续使用，Node不应该order_node对外提供服务。

缺点：每当请求主键服务器申请一批主键时，TP 999数据会偶尔出现尖刺。因为当Clinet大量的请求到Order_Node时因没有主键去申请主键时会导致这一批的请求时间会hang住。

双Buffer优化

针对区间号段中出现尖刺的情况，使用双Buffer进行优化。

首先申请一批主键，当使用到该批次的10%时，后台起一个线程申请下一批主键，这样一种预加载的情况可以时主键串联起来，有效解决上面的请求RT抖动情况。

2.3Redis

原理就是利用redis的incr命令实现ID的原子性自增。

127.0.0.1:6379>set seq_id 1 // 初始化自增ID为1 
OK 
127.0.0.1:6379> incr seq_id // 增加1，并返回递增后的数值 
(integer)2

优点：

极大降低了主键服务器MySQL的流量

缺点：

Redis如果使用RDB进行持久化，那么数据会存在丢失的风险。即 incr 后的数据丢失，则再次生成的主键会重复
依赖第三方服务，系统的复杂性会增加

2.4SnowFlake雪花算法（64位）

（雪花算法的基本思想是采用一个8字节的二进制序列来生成一个主键。为什么用8个字节呢？因为8个字节正好是一个Long类型的变量。既保持足够的区分度，又能比较自然的与业务结合。）

第一个bit位（1bit）：一般生成ID都为正数，所以默认为0。
时间戳部分（41bit）：毫秒级的时间，不建议存当前时间戳，而是用（当前时间戳 - 固定开始时间戳）的差值，可以使产生的ID从更小的值开始；41位的时间戳可以使用69年，(1L << 41) / (1000L * 60 * 60 * 24 * 365) = 69年
工作机器id（10bit）：也被叫做workId，这个可以灵活配置，机房或者机器号组合都可以。
序列号部分（12bit），自增值支持同一毫秒内同一个节点可以生成4096个ID

核心思想：

多种唯一的值进行拼接，使其更唯一。
Snowflake的第二部分是时间戳，时间戳是唯一的，但是如果多个节点同时生产则会参数相同的时间戳，那怎么办？接着加唯一的值，工作机器的ID唯一呀。那么就出现了第三部分的值。但是如果在一个进程中可能两个线程同时请求，那么会产生相同的（时间戳+工作机器ID），那就继续加唯一值，在加上最后的序列号，从而保证全局唯一。

第一个bit位（1bit）：一般生成ID都为正数，所以默认为0。
时间戳部分（41bit）：保证单节点下请求唯一，但是多节点内请求会生成相同的时间戳。
工作机器id（10bit）：时间戳 + 工作机器 保证多节点同同时请求可以生成不同的主键ID。但是多节点下多线程还是存在重复。
序列号部分（12bit），解决多节点下多线程生成ID重复的问题。

优点：

高性能，生成的主键贼多

缺点

生成的主键之间跨度大，不密集，比如我想看一天的订单量，那么根据主键ID相减就没办法
该算法强依赖时间，存在时钟回拨问题

时钟回拨问题常见的解决方案

其实很多大厂基于雪花算法开源的分布式ID解决方案一方面偏重于64的设计，另一方面偏重于时钟回拨出现后的解决方案优化。

回拨时间很短（<100ms）
当请求系统时如果发现这个时钟回拨的时间段很小，则可以使其睡一会而到达之前最新的时间节点而继续往下执行。
回拨时间适中（>100ms && < 1s）
维护最近的一秒（1000毫秒）每毫秒请求的最大值到Redis中（time，maxId），如果发生时钟回拨则取该毫秒的最大值+1。
回拨时间较长（>1s && < 5s）
当请求Snowflake1时发现时钟回拨，则可以抛一个异常给客户端，客户端则进行其他节点的访问，负载均衡去实现。