实现分布式下的全局唯一ID

news/2024/7/2 9:01:28

ID生成规则必要性

软件上要求

  • 全局唯一
    不能出现重复的ID号，既然是唯一标识，这是最基本的要求
  • 趋势递增
    在MySQL的InnoDB引擎中使用的是聚集索引，由于多数RDBMS使用Btree的数据结构来存储索引数据，
    在主键的选择上面我们应该尽量使用有序的主键保证写入性能
  • 单调递增
    保证下一个ID一定大于上一个ID，例如事务版本号、IM增量消息、排序等特殊需求
  • 信息安全
    如果ID是连续的，恶意用户的扒取工作就非常容易做了，直接按照顺序下载指定URL即可;如果是订单号就更危险了，竞对可以直接知道我们一天的单量。所以在一些应用场景下，需要书无规则不规则，让竞争对手不好猜。
  • 含时间戳
    利于排查

硬件上的要求
ID号生成系统高可用性
高可用:发一个获取分布式ID的请求，服务器就要保证99.999%的情况下给我创建一个唯一分布式ID
低延迟:发一个获取分布式ID的请求，服务器就要快，极速
高QPS:假如并发一口气10万个创建分布式ID请求同时杀过来，服务器要顶的住且一下子成功创建,o万个分布式ID

以前的解决方案

UUID
1.无序，无法预测他的生成顺序，不能生成递增有序的数字。首先分布式id一般都会作为主键，但是安装mysql官方推荐主键要尽量越短越好，UUID每一个都很长，所以不是很推荐。
2.主键，ID作为主键时在特定的环境会存在一些问题。比如做DB主键的场景下，UUID就非常不适用MySQL官方有明确的建议主键要尽量越短越好36个字符长度的UUID不符合要求。
3.索引，B+树索引的分裂。既然分布式id是主键，然后主键是包含索引的，然后mysql的索引是通过b+树来实现的，每一次新的UUID数据的插入，为了查询的优化，都会对索引底层的b+树进行修改，因为儿UD数据是无序的，所以每一次UUID数据的插入都会对主键地城的b+树进行很大的修改，这一点很不好。插入完全无序，不但会导致一些中间节点产生分裂，也会白白创造出很多不饱和的节点，这样大大降低了数据库插入的性能。

数据库自增
实现原理：在分布式里面，数据库的自增ID机制的主要原理是:数据库自增ID和mysql数据库的replace into实现的。这里的replace into跟insert功能类似，不同点在于: replace into首先尝试插入数据列表中，如果发现表中已经有此行数据（根据主键或唯一索引判断）则先删除，再插入。否则直接插入新数据。REPLACE INTO的含义是插入一条记录，如果表中唯一索引的值遇到冲突，则替换老数据。
在这里插入图片描述
1:系统水平扩展比较困难，比如定义好了步长和机器台数之后，如果要添加机器该怎么做?假设现在只有一台机器发号是1.2,3.4.5（步长是1)，这个时候需要扩容机器一台。可以这样做:把第工台机器的初始值设置得比第一台超过很多貌似还好，现在想象一下如果我们线上有100台机器，这个时候要扩容该怎么做?简直是噩梦。所以系统水平扩展方案复杂难以实现。
2∶数据库压力还是很大，每次获取ID都得读写一次数据库，非常影响性能，不符合分布式ID里面的延迟低和要高QPS的规则(在高并发下，如果都去数据库里面获取id，那是非常影响性能的

基于Redis生成全局id策略
单机环境下因为Redis低版本是单线的天生保证原子性，可以使用原子操作INCR和INCRBY来实现，所以也行。但是集群情况下，同样和MySQL一样需要设置不同的增长步长，但是部署与维护十分麻烦。在这里插入图片描述

解决方案-Twitter的分布式自增ID算法SnowFlake

Twitter的分布式雪花算法 SnowFlake ，经测试snowflake每秒能够产生26万个自增可排序的ID
1、twitter的SnowFlake生成ID能够按照时间有序生成
2、SnowFlake算法生成id的结果是一个64bit大小的整数，为一个Long型(转换成字符串后长度最多19)。3、分布式系统内不会产生ID碰撞（由datacenter和workerld作区分）并且效率较高。

雪花算法的核心组件
在这里插入图片描述
号段解析:
1bit,
不用，因为二进制中最高位是符号位，1表示负数，0表示正数。生成的id一般都是用整数，所以最高位固定为0。

41bit-时间戳，用来记录时间戳，毫秒级。
41位可以表示2^{41}-1个数字，
如果只用来表示正整数（计算机中正数包含O)，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O开始算的，而不是1.-也就是说41位可以表示2*[41]-1个毫秒的值，转化成单位年则是(2^(41]-1)/(10006060*24 *365)=69年，所以雪花算法的使用时间是1970-2039年

10bit-工作机器id，用来记录工作机器id。
-可以部署在2{10]= 1024个节点，包括5位datacenterld和5位workerld
-5位(bit)可以表示的最大正整数是2"(5)}-1=31，即可以用0、1、2、3、.…1这32个数字，来表示不同的datecenterld或workerld

12bit-序列号，序列号，用来记录同毫秒内产生的不同id。
-12位.(bit）可以表示的最大正整数是2[12}-1= 4095，即可以用0、1、2、3、…4094这4095个数字，来表示同一机器同一时间截(毫秒)内产生的4095个ID序号。

结论：SnowFlake可以保证
所有生成的id按时间趋势递增
整个分布式系统内不会产生重复id(因为有datacenterld和workerld来做区分)

SnowFlake落地

源码的github地址在这里，由于他是scale实现的所以我们需要使用第三方的hutool工具包

pom中引入第三方依赖

        <!--雪花算法,分布式ID-->
        <dependency>
            <groupId>cn.hutool</groupId>
            <artifactId>hutool-captcha</artifactId>
            <version>4.6.8</version>
        </dependency>

封装IdGeneratorSnowFlake工具类

package com.atguigu.springcloud.alibaba.util;


import cn.hutool.core.lang.Snowflake;
import cn.hutool.core.net.NetUtil;
import cn.hutool.core.util.IdUtil;
import org.springframework.stereotype.Component;

import javax.annotation.PostConstruct;

/**
 * @description:
 * @author: Czw
 * @create: 2022-11-14 20:22
 **/
 
@Component
public class IdGeneratorSnowFlake {

    //机房,0-31
    private long workerId = 10;
    //机器，0-31
    private long dataCenterId = 5;

    private Snowflake snowflake = IdUtil.createSnowflake(workerId, dataCenterId);


    @PostConstruct
    public void init() {
        try {
            workerId = NetUtil.ipv4ToLong(NetUtil.getLocalhostStr());
            System.out.println("当前机器的workId：" + workerId);
        } catch (Exception e) {
            e.printStackTrace();
            System.out.println("当前机器的workId获取失败" + e);
            workerId = NetUtil.getLocalhostStr().hashCode();
        }
    }


    public synchronized long snowFlakeId(long workerId, long dataCenterId) {
        Snowflake snowflake = IdUtil.createSnowflake(workerId, dataCenterId);
        return snowflake.nextId();
    }

    public synchronized long snowFlakeId() {
        return snowflake.nextId();
    }

}

测试

单机测试

    public static void main(String[] args) {
        //生成雪花算法
        System.out.println(new IdGeneratorSnowFlake().snowFlakeId());
        ;
    }

在这里插入图片描述

并发测试，编写接口


    @Autowired
    private IdGeneratorSnowFlake idGeneratorSnowflake;

    /**
     * 线程池生成多个雪花算法
     */
    @RequestMapping("/snowFlakeId")
    public CommonResult snowFlakeId() {
        ExecutorService threadPool = Executors.newFixedThreadPool(5);
        for (int i = 0; i < 50; i++) {
            threadPool.submit(() -> {
                System.out.println(idGeneratorSnowflake.snowFlakeId());
            });
        }
        return new CommonResult(200, "生成成功");
    }

测试访问
在这里插入图片描述
生成数据

1592146466838323200
1592146466838323202
1592146466838323201
1592146466838323204
1592146466838323203
1592146466838323208
1592146466838323209
1592146466838323207
1592146466838323206
1592146466838323205
1592146466842517505
1592146466842517507
1592146466842517508
1592146466842517509
1592146466842517510
1592146466842517511
1592146466842517512
1592146466842517513
1592146466842517514
1592146466842517515
1592146466842517516
1592146466842517517
1592146466842517518
1592146466842517519
1592146466842517504
1592146466838323211
1592146466842517522
1592146466842517523
1592146466842517524
1592146466842517525
1592146466842517526
1592146466842517527
1592146466842517528
1592146466842517529
1592146466842517530
1592146466842517531
1592146466838323210
1592146466842517532
1592146466842517521
1592146466842517535
1592146466842517536
1592146466842517537
1592146466842517538
1592146466842517539
1592146466842517520
1592146466842517506
1592146466846711808
1592146466842517540
1592146466842517534
1592146466842517533

http://lihuaxi.xjx100.cn/news/158198.html

相关文章

RabbitMQ的入门篇

RabbitMQ的入门篇

目录 1. RabbitMQ简介 1.1 RabbitMQ 1.2 RabbitMQ的介绍 1.3 RabbitMQ的特点 2. RabbitMQ的安装 2.1 RabbitMQ下载 2.2 下载的安装包 ​ 2.3 安装步骤 2.4 登录访问 3. RabbitMQ的入门 3.1 RabbitMQ的架构原理 3.2 永远的hello world程序 4. RabbitMQ的工作模式 4.1 简…
阅读更多...
cnpm的版本锁定问题的解决方案

cnpm的版本锁定问题的解决方案

之前因为项目需求&#xff0c;经常使用cnpm i来下载依赖&#xff0c;后来有一次在debug的过程中发现用cnpm下载安装依赖是不会锁版本的&#xff0c;特此就这个问题在这里做个详细记录。 首先了解下npm包管理及依赖版本管理的原理。这些都是通过package.json文件实现的 当你使用…
阅读更多...
spring框架中的IOC实现

spring框架中的IOC实现

spring IOC控制反转 这里先说一下IOC&#xff0c;再说IOC在spring框架中的使用。 IOC的概念 IOC这个缩写有很多意思&#xff0c;比如 智慧城市智能运行中心(IOC)奥林匹克运动的领导机构 但是呢&#xff0c;我们这里说的是面向对象编程中的一种设计原则。他的全称是Invers…
阅读更多...
Android入门第25天-Android里使用SimpleAdapter实现复杂的界面布局

Android入门第25天-Android里使用SimpleAdapter实现复杂的界面布局

介绍 上一篇里我们讲到了以下这样的一个布局 它用的就是SimpleAdapter来实现的。 SimpleAdapter原理 我们来看一下SimpleAdapter的实现 //定义Listview内的元素内容private String[] name new String[]{"雷神", "基神", "天神"};private Str…
阅读更多...
-bash: ./start.sh: Permission denied 授权问题

-bash: ./start.sh: Permission denied 授权问题

chmod ux start.sh 用法 chmod [who] [opt] [mode] 文件/目录名 who代表对象&#xff0c;是以下字母中的一个或组合&#xff1a; u&#xff1a;User&#xff0c;文件或文件夹的拥有者。 g&#xff1a;Group&#xff0c;文件或文件夹的所属群组。 o&#xff1a;Other&#xff…
阅读更多...
基于MWORKS.Syslab的机器学习算法应用案例-动物咳嗽检测

基于MWORKS.Syslab的机器学习算法应用案例-动物咳嗽检测

1 背景介绍 咳嗽是呼吸道疾病的一种很常见的临床症状。咳嗽声中包含喉部、气管或肺等受刺激时的振动信息&#xff0c;通过对此类振动信息的研究可以对动物的患病状况做出提前预警。在大规模的动物养殖过程中&#xff0c;通过咳嗽信息提前对患病动物进行干预治疗能够有效的减少动…
阅读更多...
Python学习笔记（24）-Python框架24-PyQt框架使用（信号与槽的关联及资源文件的使用）

Python学习笔记（24）-Python框架24-PyQt框架使用（信号与槽的关联及资源文件的使用）

（24）-Python框架24-PyQt框架使用（信号与槽的关联及资源文件的使用） 1 信号与槽的关联1.1 简介1.2 编辑信号/槽1.3 信号/槽编辑器2 资源文件的使用2.1 加载资源文件2.2 资源文件的转换1 信号与槽的关联 1.1 简介 信号（signal）与槽（slot）是非常重要的内容；通过信号和槽…
阅读更多...
两个简单的线性 demosaicing 方法

两个简单的线性 demosaicing 方法

文章目录两个简单的线性 demosaicing方法1. Effective Color Interpolation in CCD Color Filter Arrays Using Signal Correlation2. HIGH-QUALITY LINEAR INTERPOLATION FOR DEMOSAICING OF BAYER-PATTERNED COLOR IMAGES两个简单的线性 demosaicing方法 分别是 00年04年的论…
阅读更多...
最新文章

Copyright @ 2022~2023