面试官 你知道哪些散布式ID生成打算

近两年的技术面试，散布式系列是面试官经常会问到的一个高频方向，比如：散布式事务、散布式锁、散布式调度、散布式存储、散布式ID等。

当天咱们就来聊聊，这外面相对便捷的散布式ID，首先说下，咱们为什么须要散布式ID？

当系统数据量过大，曾经启动分库分表后，咱们须要对扩散在各个库表中的数据记载启动惟一标识，而散布式ID恰恰用来处置这个疑问。

接上去，咱们看看八大散布式ID的生成打算，以及各自的优缺陷是什么。

UUID是 Universally Unique Identifier 的缩写，翻译成中文为“通用惟一识别码”，由32个16进制数字 + 4个“-”造成，全体长度为36，其可以保障惟一性，出现碰撞的概率极低。

UUID目前有5个版本，每个版本都有不同的生成方式。目前最罕用的是版本4，经过随机数的方式生成。

UUID的生成成功方式十分便捷，可以经过java.util包，一行代码即可成功。

 javautilUUID class Test { static void mainString args {Systemprintln“本次生成的UUID为”  UUIDrandomUUID}}

好处：

（1）技术成功便捷，一行代码即可。（2）本地即可生成，出错率低。（3）ID生成性能高。

缺陷：

（1）无序，影响数据库的数据写入性能。（2）存储老本高，就算去掉4个“-”，长度也是32。（3）可读性差。

2、数据库自增ID

选用一个数据库作为中央数据库，应用该库中某表的自增主键机制生成散布式ID。

对应SQL语句如下：

  id_table stub  ’a‘  LAST_INSERT_ID

该SQL语句可以使 id_table 表中在坚持一条数据记载的状况下，主键ID继续递增。

好处：

（1）干燥递增，不会影响数据库的数据写入性能。（2）可读性高。

缺陷：

（1）ID生成触及到数据库操作，性能不高。（2）须要额外引上天方数据库，链路变长造成出错概率参与。（3）开发老本相对较高。（4）数据库压力大。

3、Redis自增命令

经过Redis的INCR自增命令来生成散布式ID。

如下所示：

:  distributed_id OK: incr distributed_id 

好处：

（1）干燥递增，不会影响数据库的数据写入性能。（2）ID生成性能高。（3）可读性高。

缺陷：

（1）须要额外引入Redis，链路变长造成出错概率参与。（2）Redis宕机后，RDB + AOF数据复原较慢，须要Plan B优化复原速度。（3）开发老本相对较高。

4、雪花算法

雪花算法（SnowFlake），是Twitter公司开源的散布式ID生成算法，在本地引入hutool jar包即可成功。

雪花算法生成的散布式ID共64位，由4个局部组成。

好处：

（1）技术成功便捷，开发老本低。（2）趋向递增，不会影响数据库的数据写入性能。（3）本地即可生成，出错率低。（4）ID生成性能高。

缺陷：

（1）强依赖机器时钟，假设机器上时钟回拨，会造成ID重复。（2）可读性差。

5、数据库号段

数据库号段，是在“数据库自增ID”打算上做的优化，成功方式如下：

（1）从中央数据库中失掉出一批散布式ID，并缓存到散布式ID服务本地，业务系统失掉散布式ID的时刻，可间接在这个批次内递增取值。（2）若该批次散布式ID的号段用完，则须要降级数据库中的初始值，再次失掉新批次的散布式ID，并从新缓存到散布式ID服务本地，以供经常使用。

  id_generator id   max_id     step     biz_type     version     '版本号,是一个失望锁，每次都降级version，保障并发时数据的正确性'  

好处：

（1）趋向递增，不会影响数据库的数据写入性能。（2）ID生成性能高。（3）数据库压力小。（4）可读性高。

缺陷：

（1）开发老本很高。（2）须要额外引入散布式ID服务和中央数据库，链路变长造成出错概率参与。

6、美团 Leaf

Leaf，是美团技术团队成功的散布式ID生成打算，成功了数据库号段形式（Leaf-segment）和雪花算法形式（Leaf-snowflake），咱们这里着重说Leaf-snowflake。

Leaf-snowflake打算齐全沿用snowflake算法打算的bit位设计，即：以“1+41+10+12”的方式组装ID号，改变点为：将SnowFlake从本地jar包变成了独立服务，并引入了Zookeeper来处置时钟回拨疑问。

好处：

（1）趋向递增，不会影响数据库的数据写入性能。（2）处置了原有的机器上时钟回拨，会出现的ID重复疑问。（3）ID生成性能高。

缺陷：

（1）第三方开源软件，有必定的相熟和试错老本。（2）须要额外引入散布式ID服务和Zookeeper，链路变长造成出错概率参与。（3）可读性差。

7、滴滴 Tinyid

Tinyid，是滴滴技术团队成功的散布式ID生成算法，基于上文引见的号段形式成功，在此基础上允许数据库多主节点形式，还提供了tinyid-client客户端的接入方式。

除此之外，Tinyid做的另一个优化点是号段预加载。

举个例子：可用号段（1——1000）被加载到内存，失掉id时会从1开局递增失掉，当经常使用到20%（自动）时，会异步加载下一可用号段（1——5000）到内存，此时内存中可用号段为（201——1000）和（1——5000）。

当id递增到1000时，号段经常使用终了，下一号段会交流为号段，以此类推。

好处：

（1）趋向递增，不会影响数据库的数据写入性能。（2）ID生成性能高。（3）数据库压力小。（4）可读性高。

缺陷：

（1）第三方开源软件，有必定的相熟和试错老本。（2）须要额外引入散布式ID服务和中央数据库，链路变长造成出错概率参与。

8、百度 UidGenerator

UidGenerator是Java成功的，基于Snowflake算法的惟一ID生成器。

UidGenerator以组件方式上班在运行名目中, 允许自定义workerId位数和初始化战略。

在成功上，UidGenerator经过借用未来期间，来处置sequence自然存在的并发限度，驳回RingBuffer来缓存已生成的UID，并行化UID的消费和消费，同时对CacheLine补齐，防止了由RingBuffer带来的配件级“伪共享”疑问，最终单机QPS可达600万。

咱们从这里可以看到，相比拟于SnowFlake，UidGenerator的期间bit变少了，而机器ID的bit变多了。

好处：

（1）趋向递增，不会影响数据库的数据写入性能。（2）本地即可生成，出错率低。（3）ID生成性能极高。

缺陷：

（1）第三方开源软件，有必定的相熟和试错老本。（2）强依赖机器时钟，假设机器上时钟回拨，会造成ID重复。（3）可读性差。

结语

这八大散布式ID生成打算，目前最罕用的打算为雪花算法和数据库号段方式。

当然，最罕用的未必是最适宜你所担任的系统的，大家还是须要依据各自的个性来启动选用。