? ? 系統唯一id是我們在設計階段常常遇到的問題。在復雜的分布式系統中，幾乎都需要對大量的數據和消息進行唯一標識。在設計初期，我們需要考慮日后數據量的級別，如果可能會對數據進行分庫分表，那么就需要有一個全局唯一id來標識一條數據或記錄。生成唯一id的策略有多種，但是每種策略都有它的適用場景、優點以及局限性。

1. 全局唯一性：不能出現重復的ID號，既然是唯一標識，這是最基本的要求；
2. 趨勢遞增：在MySQL InnoDB引擎中使用的是聚集索引，由于多數RDBMS使用B-tree的數據結構來存儲索引數據，在主鍵的選擇上面我們應該盡量使用有序的主鍵保證寫入性能；
3. 單調遞增：保證下一個ID一定大于上一個ID，例如事務版本號、IM增量消息、排序等特殊需求；
4. 信息安全：如果ID是連續的，惡意用戶的扒取工作就非常容易做了，直接按照順序下載指定URL即可；如果是訂單號就更危險了，競對可以直接知道我們一天的單量。所以在一些應用場景下，會需要ID無規則、不規則；
5. 高可用性：同時除了對ID號碼自身的要求，業務還對ID號生成系統的可用性要求極高，想象一下，如果ID生成系統癱瘓，這就會帶來一場災難。所以不能有單點故障；
6. 分片支持：可以控制ShardingId。比如某一個用戶的文章要放在同一個分片內，這樣查詢效率高，修改也容易；
7. 長度適中。

? ? 最常見的一種生成id方式。利用數據庫本身來進行設置，在全數據庫內保持唯一。

? ? 【優點】

1. 非常簡單。利用現有數據庫系統的功能實現，成本小，代碼簡單，性能可以接受。
2. ID號單調遞增。可以實現一些對ID有特殊要求的業務，比如對分頁或者排序結果這類需求有幫助。

? ? 【缺點】

? ? 1. 強依賴DB。不同數據庫語法和實現不同，數據庫遷移的時候、多數據庫版本支持的時候、或分表分庫的時候需要處理，會比較麻煩。當DB異常時整個系統不可用，屬于致命問題。

? ? 2. 單點故障。在單個數據庫或讀寫分離或一主多從的情況下，只有一個主庫可以生成。有單點故障的風險。

? ? 3. 數據一致性問題。配置主從復制可以盡可能的增加可用性，但是數據一致性在特殊情況下難以保證。主從切換時的不一致可能會導致重復發號。

? ? 4. 難于擴展。在性能達不到要求的情況下，比較難于擴展。ID發號性能瓶頸限制在單臺MySQL的讀寫性能。

? ? 【部分優化方案】

? ? 針對主庫單點， 如果有多個Master庫，則每個Master庫設置的起始數字不一樣，步長一樣，可以是Master的個數。比如：Master1 生成的是 1，4，7，10，Master2生成的是2,5,8,11 Master3生成的是 3,6,9,12。這樣就可以有效生成集群中的唯一ID，也可以大大降低ID生成數據庫操作的負載。

? ? 常見的生成id方式，利用程序生成。

? ? UUID (Universally Unique Identifier) 的目的，是讓分布式系統中的所有元素，都能有唯一的辨識資訊，而不需要透過中央控制端來做辨識資訊的指定。如此一來，每個人都可以建立不與其它人沖突的 UUID。在這樣的情況下，就不需考慮數據庫建立時的名稱重復問題。

? ? UUID的標準形式包含32個16進制數字，以連字號分為五段，形式為8-4-4-4-12的36個字符，示例：550e8400-e29b-41d4-a716-446655440000，到目前為止業界一共有5種方式生成UUID，詳情見IETF發布的UUID規范 A Universally Unique IDentifier (UUID) URN Namespace。

? ?在Java中我們可以直接使用下面的API生成UUID:

UUID uuid  =  UUID.randomUUID(); String s = UUID.randomUUID().toString();

? ? 【優點】

1. 非常簡單，本地生成，代碼方便，API調用方便。
2. 性能非高。生成的id性能非常好，沒有網絡消耗，基本不會有性能問題。
3. 全球唯一。在數據庫遷移、系統數據合并、或者數據庫變更的情況下，可以 從容應對。

? ? 【缺點】

1. 存儲成本高。UUID太長，16字節128位，通常以36長度的字符串表示，很多場景不適用。如果是海量數據庫，就需要考慮存儲量的問題。
2. 信息不安全。基于MAC地址生成UUID的算法可能會造成MAC地址泄露，這個漏洞曾被用于尋找梅麗莎病毒的制作者位置。
3. 不適用作為主鍵，ID作為主鍵時在特定的環境會存在一些問題，比如做DB主鍵的場景下，UUID就非常不適用。UUID往往是使用字符串存儲，查詢的效率比較低。
4. UUID是無序的。不是單調遞增的，而現階段主流的數據庫主鍵索引都是選用的B+樹索引，對于無序長度過長的主鍵插入效率比較低。
5. 傳輸數據量大。
6. 不可讀。

? ? 【部分優化方案】

? ? 為了解決UUID不可讀， 可以使用UUID to Int64的方法 。

? ? 為了解決UUID無序的問題， NHibernate在其主鍵生成方式中提供了Comb算法（combined guid/timestamp）。保留GUID的10個字節，用另6個字節表示GUID生成的時間（DateTime）。

? ? 當使用數據庫來生成ID性能不夠要求的時候，我們可以嘗試使用Redis來生成ID。這主要依賴于Redis是單線程的，所以也可以用生成全局唯一的ID。可以用Redis的原子操作 INCR和INCRBY來實現。

? ? 可以使用Redis集群來獲取更高的吞吐量。假如一個集群中有5臺Redis。可以初始化每臺Redis的值分別是1,2,3,4,5，然后步長都是5。各個Redis生成的ID為：

A：1,6,11,16,21

B：2,7,12,17,22

C：3,8,13,18,23

D：4,9,14,19,24

E：5,10,15,20,25

? ? 這個負載到哪臺機器上需要提前設定好，未來很難做修改。但是3-5臺服務器基本能夠滿足，都可以獲得不同的ID。步長和初始值一定需要事先設定好。使用Redis集群也可以防止單點故障的問題。

? ? 比較適合使用Redis來生成日切流水號。比如訂單號=日期+當日自增長號。可以每天在Redis中生成一個Key，使用INCR進行累加。

? ? 【優點】

1. 不依賴于數據庫，靈活方便，且性能優于數據庫。。
2. 數字ID天然排序，對分頁或者需要排序的結果很有幫助。

? ? 【缺點】

1. 如果系統中沒有Redis，還需要引入新的組件，增加系統復雜度。。

2. 需要編碼和配置的工作量比較大。

3. Redis單點故障，影響序列服務的可用性。

? ? zookeeper主要通過其znode數據版本來生成序列號，可以生成32位和64位的數據版本號，客戶端可以使用這個版本號來作為唯一的序列號。

? ? 很少會使用zookeeper來生成唯一ID。主要是由于需要依賴zookeeper，并且是多步調用API，如果在競爭較大的情況下，需要考慮使用分布式鎖。因此，性能在高并發的分布式環境下，也不甚理想。

? ? snowflake(雪花算法)是Twitter開源的分布式ID生成算法，結果是一個long型的ID。這種方案把64-bit分別劃分成多段，分開來標示機器、時間等。如圖：

? ? 其核心思想是：使用41bit作為毫秒數，10bit作為機器的ID（5個bit是數據中心，5個bit的機器ID），12bit作為毫秒內的流水號（意味著每個節點在每毫秒可以產生 4096 個 ID），最后還有一個符號位，永遠是0。具體實現的代碼可以參看github。

? ? snowflake算法可以根據自身項目的需要進行一定的修改。比如估算未來的數據中心個數，每個數據中心的機器數以及統一毫秒可以能的并發數來調整在算法中所需要的bit數。

? ? 【優點】

1. 穩定性高，不依賴于數據庫等第三方系統，以服務的方式部署，穩定性更高，生成ID的性能也是非常高的。
2. 靈活方便，可以根據自身業務特性分配bit位。
3. 單機上ID單調自增，毫秒數在高位，自增序列在低位，整個ID都是趨勢遞增的。

? ? 【缺點】

1. 強依賴機器時鐘，如果機器上時鐘回撥，會導致發號重復或者服務會處于不可用狀態。

2. ID可能不是全局遞增。在單機上是遞增的，但是由于涉及到分布式環境，每臺機器上的時鐘不可能完全同步，也許有時候也會出現不是全局遞增的情況。

---------------------
作者：夢 * 蝶
來源：CSDN
原文：https://blog.csdn.net/LZ15932161597/article/details/113397226
版權聲明：本文為作者原創文章，轉載請附上博文鏈接！
內容解析By：CSDN,CNBLOG博客文章一鍵轉載插件