图解各路分布式ID生成算法

2019-10-08

加入收藏

在分布式系统中，通常会用到分布式ID来标注数据的唯一性，而分布式ID的生成方式又多种多样，今天我们就来讨论一下主流的分布式ID生成策略。

分布式ID基本需求

全局唯一
趋势递增
信息安全

全局唯一

这是基本要求，不必解释

趋势递增

为什么要趋势递增呢？

第一，由于我们的分布式ID，是用来标识数据唯一性的，所以多数时候会被定义为主键或者唯一索引。

第二，并且绝大多数互联网公司使用的数据库是：MySQL，存储引擎为innoDB。

对于 B+Tree这个数据结构来讲，数据以自增顺序来写入的话，b+tree的结构不会时常被打乱重塑，存取效率是最高的。

信息安全

由于数据是递增的，所以，恶意用户的可以根据当前ID推测出下一个，非常危险，所以，我们的分布式ID尽量做到不易被破解。

数据库主键自增(Flicker)

基于数据库主键自增的方案，名为 Flicker。

主要是利用MySQL的自增主键来实现分布式ID。

以下为 Flicker实现分布式ID的主流做法：

1、需要单独建立一个数据库实例：flicker

create database `flicker`;

2、创建一张表：sequence_id

create table sequence_id(
 id bigint(20) unsigned NOT NULL auto_increment, 
 stub char(10) NOT NULL default '',
 PRIMARY KEY (id),
 UNIQUE KEY stub (stub)
) ENGINE=MyISAM;

为什么用 MyISAM？不用 InnoDB？个人推测原因是： flicker算法出来的时候，MySQL的默认引擎还依旧是 MyISAM而不是 InnoDB，作者只是想用默认引擎而已，并无其他原因。

stub: 票根，对应需要生成 Id 的业务方编码，可以是项目名、表名甚至是服务器 IP 地址。
stub 要设置为唯一索引

3、使用以下SQL来获取ID

REPLACE INTO ticket_center (stub) VALUES ('test'); 
SELECT LAST_INSERT_ID();

Replaceinto 先尝试插入数据到表中，如果发现表中已经有此行数据（根据主键或者唯一索引判断）则先删除此行数据，然后插入新的数据，否则直接插入新数据。

一般 stub为特殊的相同的值。

这样，一个分布式ID系统算是可以搭建运行了。但是，有人要问：“这是一个单实例、单点的系统，万一挂了，岂不是影响所有关联的业务方？”

改进升华

是的。确实如此，因此又有人说：“可以利用MySQL主从模式，主库挂了，使用从库。”

这只能算是一种比较low的策略，因为如果主库挂了，从库没来得及同步，就会生成重复的ID。

有没有更好的方法呢？

我们可以使用“双主模式“，也就是有两个MySQL实例，这两个都能生成ID。

如图所示，我们原来的模式：

双主模式是该怎么样呢？如何保持唯一性？

我们可以让一台实例生成奇数ID，另一台生成偶数ID。

奇数那一台：

set auto_increment_offset=1;--起始值
set auto_increment_increment=2;--步长

偶数那一台：

set auto_increment_offset=2;--起始值
set auto_increment_increment=2;--步长

当两台都OK的时候，随机取其中的一台生成ID；若其中一台挂了，则取另外一台生成ID。

如图所示：

细心会发现，N个节点，只要起始值为1，2，...N，然后步长为N，就会生成各不相同的ID。(PS:后文有推导公式)

总结

优点：

简单。充分利用了数据库自增 ID 机制，生成的 ID 有序递增。
ID递增

缺点：

并发量不大。
水平扩展困难，系统定义好了起始值、步长和机器台数，跑起来之后，添加额外的机器困难。
安全系数低

redis

Redis为单线程的，所以操作为原子操作，利用 incrby命令可以生成唯一的递增ID。

原理

单机单点，吞吐不够，加集群

假设N个节点，则步长为N，节点起始值为1，2，…… N。则三个节点生成的ID一定不同！

想想为什么？

以上信息条件可以转化为数学推理： 1+x*N=2+y*N且x、y、N都为整成数且N不为1，试问等式存不存在？

答：
假设存在在起始值是1的节点上叠加x次之后等于起始值为2、叠加y次的值，
既 “1 + x * N = 2 + y * N” 等式成立
则：
x * N = 1 + y * N
x * N - y * N = 1
(x - y) * N = 1
(x - y) = 1 / N
又因为 x、y都为整成数；
所以x - y 必为整成数；
又因为只有N等于1的时候，1/N才为整成数；
与条件N为1不符合，所以不存在。

同理可证 1+x*N=3+y*N和 2+x*N=3+y*N也是如此。

优点

性能显然高于基于数据库的 Flicker方案
ID递增

缺点

水平扩展困难
Redis集群宕机可能会产生重复的id
易破解

UUID

想必这个大家都熟悉。 UUID是通用唯一识别码（Universally Unique Identifier）的缩写，是一种软件建构的标准，亦为开放软件基金会组织在分布式计算环境领域的一部分。

原理

UUID是由一组32位数的16进制数字所构成，是故UUID理论上的总数为16^32 = 2^128，约等于3.4 x 10^38。也就是说若每纳秒产生1兆个UUID，要花100亿年才会将所有UUID用完。

UUID是利用同一时空中的所有机器都是唯一的这一规则来确保唯一性的。

具体外形为：

通常由以下几部分组成：

系统时间
时钟序列
全局唯一的IEEE机器识别，如网卡mac、机器SN等

生成方式多种多样，业界公认的是五种，分别是uuid1,uuid2,uuid3,uuid4,uuid5。

目前使用最广泛的UUID是微软的 GUID。

优点

本地生成，性能极佳。无网络消耗
全局唯一

缺点

存储麻烦。16字节128位，通常以36长度的字符串表示，很多场景不适用
通常是字符串，非自增，无序，不利于做主键。每次插入都会对B+tree结构进行修改
破解相对困难，但是也不安全。参考"梅丽莎病毒事件，病毒作者制作的UUID包含Mac地址，被警方破解后，直接定位，抓捕归案"

snowflake

snowflake即雪花算法，Twitter发明的。

原理

外形长这样：

1位不用。二进制中最高位为1的都是负数，但是我们生成的id一般都使用整数，所以这个最高位固定是0。
41位，用来记录毫秒的时间戳。41位可以表示的数值范围是：0 至 2^{41}-1，减1是因为可表示的数值范围是从0开始算的，而不是1，转化为年则是 2^{41}-1)/(1000*60*60*24*365)=69年。
10位，用来记录工作机器id。最多可以部署在2^{10} = 1024个节点，我们可以根据具体的业务来定制具体分配的机器数量和每台机器1毫秒产生的id序号number数。例如可以把10bit分5bit给IDC，分5bit给工作机器。这样就可以表示32个IDC，每个IDC下可以有32台机器，可以将内容配置在配置文件中，服务去获取。
12位。用来表示单台机器每毫秒生成的id序号，12位bit可以表示的最大正整数为2^12 - 1 = 4096，若超过4096，则重新从0开始。即，每台机器1毫秒内最多产生4096个ID，足够用了。

最后将上述4段bit通过位运算拼接起来组成64位bit.

由于是64位bit,所以完全可以用数字来表示ID。

基本是根据：

优点

ID为数字且时间位在高位，整个ID都是趋势递增的。
不依赖任何第三方库，完全可以自己写，且性能非常高。
可根据业务定制分配bit位，非常灵活。得益于 10位机器IDbit位。
不太容易破解

缺点

依赖机器的时间，如果机器时间不准或者回拨，可能导致重复

总结

在国内也得到了比较普遍的应用，各大厂根据其基本原理，生成了自己的规则：

百度的uid-generator：https://github.com/baidu/uid-generator
美团Leaf：https://github.com/zhuzhong/idleaf

请关注我的微信公众号互联网技术窝，问题直接在公众号内留言即可

参考文献：

[flicker算法原文] http://code.flickr.com/blog/2010/02/08/ticket-servers-distributed-unique-primary-keys-on-the-cheap/

[分布式唯一ID极简教程] https://mp.weixin.qq.com/s/cqIK5Bv1U0mT97C7EOxmnA

[分布式 ID 生成策略] https://mp.weixin.qq.com/s/UAvSUDFJ8Fr0a-Na2Vr22g

[分布式ID系列（2）——UUID适合做分布式ID吗] https://mp.weixin.qq.com/s/kZAnYzJj4aBrtsk8Q9wA

https://segmentfault.com/a/1190000011282426

https://juejin.im/post/5d6fc8eff265da03ef7a324b#comment

https://segmentfault.com/a/1190000010978305

[Leaf——美团点评分布式ID生成系统] https://tech.meituan.com/2017/04/21/mt-leaf.html

[UUID的含义及实现原理]https://blog.csdn.net/reggergdsg/article/details/92091404

[通用唯一标识码UUID的介绍及使用] https://mp.weixin.qq.com/s/BjCL076USuhLj9GjhXDaTA

[UUID简史] https://www.infoq.cn/article/talk-about-the-history-of-uuid/?utmsource=tuicool&utmmedium=referral