分布式唯一建ID
2022-04-22 16:12:11 0 举报
AI智能生成
分布式唯一键
作者其他创作
大纲/内容
代码实现简单
本机生成,没有性能问题
因为是全球唯一的ID,所以迁移数据容易
优点
每次生成的ID是无序的,无法保证趋势递增
UUID的字符串存储,查询效率慢
存储空间大
ID本事无业务含义,不可读
缺点
类似生成token令牌的场景
不适用一些要求有趋势递增的ID场景
应用场景
UUID
数字化,id递增
查询效率高
具有一定的业务可读
存在单点问题,如果mysql挂了,就没法生成iD了
数据库压力大,高并发抗不住
MySQL主键自增
解决了单点问题
一旦把步长定好后,就无法扩容;而且单个数据库的压力大,数据库自身性能无法满足高并发
数据不需要扩容的场景
MySQL多实例主键自增
此方案每秒能够产生409.6万个ID,性能快
时间戳在高位,自增序列在低位,整个ID是趋势递增的,按照时间有序递增
灵活度高,可以根据业务需求,调整bit位的划分,满足不同的需求
依赖机器的时钟,如果服务器时钟回拨,会导致重复ID生成
1位标识符:始终是041位时间戳:41位时间截不是存储当前时间的时间截,而是存储时间截的差值(当前时间截 - 开始时间截 )得到的值,这里的的开始时间截,一般是我们的id生成器开始使用的时间,由我们程序来指定的10位机器标识码:可以部署在1024个节点,如果机器分机房(IDC)部署,这10位可以由 5位机房ID + 5位机器ID 组成12位序列:毫秒内的计数,12位的计数顺序号支持每个节点每毫秒(同一机器,同一时间截)产生4096个ID序号
雪花snowflake算法
有序递增,可读性强
占用带宽,每次要向redis进行请求
一旦Redis挂了,整个系统不可用。
Redis方案中,用户是可以预测下一个ID号是多少,因为算法是递增的。
利用redis的incr原子性操作自增,一般算法为:年份 + 当天距当年第多少天 + 天数 + 小时 + redis自增
实现
Redis生成方案
生成方案
id表示为主键,无业务含义
biz_tag为了表示业务,因为整体系统中会有很多业务需要生成ID,这样可以共用一张表维护
max_id表示现在整体系统中已经分配的最大ID
desc描述
update_time表示每次取的ID时间
设计
【用户服务】在注册一个用户时,需要一个用户ID;会请求【生成ID服务(是独立的应用)】的接口
【生成ID服务】会去查询数据库,找到user_tag的id,现在的max_id为0,step=1000
【生成ID服务】把max_id和step返回给【用户服务】;并且把max_id更新为max_id = max_id + step,即更新为1000
【用户服务】获得max_id=0,step=1000;
这个用户服务可以用ID=【max_id + 1,max_id+step】区间的ID,即为【1,1000】
【用户服务】会把这个区间保存到jvm中
【用户服务】需要用到ID的时候,在区间【1,1000】中依次获取id,可采用AtomicLong中的getAndIncrement方法。
如果把区间的值用完了,再去请求【生产ID服务】接口,获取到max_id为1000,即可以用【max_id + 1,max_id+step】区间的ID,即为【1001,2000】
具体流程
如果是多个用户服务,同时获取ID,同时去请求【ID服务】,在获取max_id的时候会存在并发问题
场景
加分布式锁,保证同一时刻只有一个用户服务获取max_id
利用事务方式加行锁
解决
竞争问题
多个用户服务获取到了各自的ID区间,在高并发场景下,ID用的很快,如果3个用户服务在某一时刻都用完了,同时去请求【ID服务】。因为上面提到的竞争问题,所有只有一个用户服务去操作数据库,其他二个会被阻塞。
当前获取ID在buffer1中,每次获取ID在buffer1中获取
当buffer1中的Id已经使用到了100,也就是达到区间的10%
达到了10%,先判断buffer2中有没有去获取过,如果没有就立即发起请求获取ID线程,此线程把获取到的ID,设置到buffer2中。
如果buffer1用完了,会自动切换到buffer2
buffer2用到10%了,也会启动线程再次获取,设置到buffer1中
依次往返
具体实现
双buffer方案
突发阻塞问题
问题
此ID存在一定的问题,就是太过连续,竞争对手可以预测,不适合订单ID。
改造数据库主键自增
大厂方案
分布唯一ID生成https://www.cnblogs.com/myseries/p/12882207.html
0 条评论
下一页