幾乎所有的業務系統,都有
生成乙個記錄標識的需求
,例如:
(1)訊息標識:message-id
(2)訂單標識:order-id
(3)帖子標識:tiezi-id
這個記錄標識往往就是資料庫中的唯一主鍵
,資料庫上會建立聚集索引(cluster index),即在物理儲存上以這個字段排序。
這個記錄標識上的查詢,往往又有
分頁或者排序的業務需求
,例如:
(1)拉取最新的一頁訊息:selectmessage-id/ order by time/ limit 100
(2)拉取最新的一頁訂單:selectorder-id/ order by time/ limit 100
(3)拉取最新的一頁帖子:selecttiezi-id/ order by time/ limit 100
所以往往要有乙個time欄位,並且在time欄位上建立普通索引(non-cluster index)。
我們都知道普通索引儲存的是實際記錄的指標,其訪問效率會比聚集索引慢,如果記錄標識在生成時能夠基本按照時間有序,則可以省去這個time欄位的索引查詢:
select message-id/ (order by message-id)/limit 100
再次強調,能這麼做的前提是,message-id的生成基本是趨勢時間遞增的
。這就引出了記錄標識生成(也就是上文提到的三個***-id)的兩大核心需求:
(1)全域性唯一
(2)趨勢有序
這也是本文要討論的核心問題:如何高效生成趨勢有序的全域性唯一id
。【常見方法一:使用資料庫的 auto_increment 來生成全域性唯一遞增id】
優點:(1)簡單,使用資料庫已有的功能
(2)能夠保證唯一性
(3)能夠保證遞增性
(4)步長固定
缺點:(1)可用性難以保證:資料庫常見架構是一主多從+讀寫分離,生成自增id是寫請求,主庫掛了就玩不轉了
(2)擴充套件性差,效能有上限:因為寫入是單點,資料庫主庫的寫效能決定id的生成效能上限,並且難以擴充套件
改進方法:
(1)增加主庫,避免寫入單點
(2)資料水平切分,保證各主庫生成的id不重複
如上圖所述,由1個寫庫變成3個寫庫,每個寫庫設定不同的auto_increment初始值,以及相同的增長步長
,以保證每個資料庫生成的id是不同的(上圖中庫0生成0,3,6,9…,庫1生成1,4,7,10,庫2生成2,5,8,11…)
改進後的架構保證了可用性,但缺點是:
(1)喪失了id生成的「絕對遞增性」:先訪問庫0生成0,3,再訪問庫1生成1,可能導致在非常短的時間內,id生成不是絕對遞增的(這個問題不大,我們的目標是趨勢遞增,不是絕對遞增)
(2)資料庫的寫壓力依然很大,每次生成id都要訪問資料庫
為了解決上述兩個問題,引出了第二個常見的方案
【常見方法二:單點批量id生成服務】
分布式系統之所以難,很重要的原因之一是「沒有乙個全域性時鐘,難以保證絕對的時序」,要想保證絕對的時序,還是只能使用單點服務,用本地時鐘保證「絕對時序」。資料庫寫壓力大,是因為每次生成id都訪問了資料庫,可以使用批量的方式降低資料庫寫壓力。
如上圖所述,資料庫使用雙master保證可用性,資料庫中只儲存當前id的最大值,例如0。id生成服務假設每次批量拉取6個id,服務訪問資料庫,將當前id的最大值修改為5,這樣應用訪問id生成服務索要id,id生成服務不需要每次訪問資料庫,就能依次派發0,1,2,3,4,5這些id了,當id發完後,再將id的最大值修改為11,就能再次派發6,7,8,9,10,11這些id了,於是資料庫的壓力就降低到原來的1/6了。
優點:(1)保證了id生成的絕對遞增有序
(2)大大的降低了資料庫的壓力,id生成可以做到每秒生成幾萬幾十萬個
缺點:(1)
服務仍然是單點
(2)如果服務掛了,服務重啟起來之後,繼續
生成id可能會不連續,中間出現空洞
(服務記憶體是儲存著0,1,2,3,4,5,資料庫中max-id是5,分配到3時,服務重啟了,下次會從6開始分配,4和5就成了空洞,不過這個問題也不大)
(3)雖然每秒可以生成幾萬幾十萬個id,但畢竟還是有效能上限,無法進行水平擴充套件
改進方法:
單點服務的常用高可用優化方案是「備用服務」,也叫「影子服務」
,所以我們能用以下方法優化上述缺點(1):
如上圖,對外提供的服務是主服務,有乙個影子服務時刻處於備用狀態,當主服務掛了的時候影子服務頂上。這個切換的過程對呼叫方是透明的,可以自動完成,常用的技術是vip+keepalived,具體就不在這裡展開。
【常見方法三:uuid】
uuid是一種常見的方案:string id =genuuid();
優點:(1)本地生成id,不需要進行遠端呼叫,時延低
(2)擴充套件性好,基本可以認為沒有效能上限
缺點:(1)
無法保證趨勢遞增
(2)uuid過長,往往用字串表示,作為主鍵建立索引查詢效率低
,常見優化方案為「轉化為兩個uint64整數儲存」或者「折半儲存」(折半後不能保證唯一性)
【常見方法四:取當前毫秒數】
uuid是乙個本地演算法,生成效能高,但無法保證趨勢遞增,且作為字串id檢索效率低,有沒有一種能保證遞增的本地演算法呢?
取當前毫秒數是一種常見方案:uint64 id = gentimems();
優點:(1)本地生成id,不需要進行遠端呼叫,時延低
(2)生成的id趨勢遞增
(3)生成的id是整數,建立索引後查詢效率高
缺點:(1)如果併發量超過1000,會生成重複的id
我去,這個缺點要了命了,不能保證id的唯一性。當然,使用微秒可以降低衝突概率,但每秒最多只能生成1000000個id,再多的話就一定會衝突了,所以使用微秒並不從根本上解決問題。
【常見方法五:類snowflake演算法】
snowflake是twitter開源的分布式id生成演算法,其核心思想
是:乙個long型的id,使用其中41bit作為毫秒數,10bit作為機器編號,12bit作為毫秒內序列號。這個演算法單機每秒內理論上最多可以生成1000*(2^12),也就是400w的id,完全能滿足業務的需求。
借鑑snowflake的思想,結合各公司的業務邏輯和併發量,可以實現自己的分布式id生成演算法。
舉例,假設某公司id生成器服務的需求如下:
(1)單機高峰併發量小於1w,預計未來5年單機高峰併發量小於10w
(2)有2個機房,預計未來5年機房數量小於4個
(3)每個機房機器數小於100臺
(4)目前有5個業務線有id生成需求,預計未來業務線數量小於10個
(5)…
分析過程如下:
(1)高位取從2023年1月1日到現在的毫秒數(假設系統id生成器服務在這個時間之後上線),假設系統至少執行10年,那至少需要10年*365天*24小時*3600秒*1000毫秒=320*10^9,差不多預留39bit給毫秒數
(2)每秒的單機高峰併發量小於10w,即平均每毫秒的單機高峰併發量小於100,差不多預留7bit給每毫秒內序列號
(3)5年內機房數小於4個,預留2bit給機房標識
(4)每個機房小於100臺機器,預留7bit給每個機房內的伺服器標識
(5)業務線小於10個,預留4bit給業務線標識
這樣設計的64bit標識,可以保證:
(1)每個業務線、每個機房、每個機器生成的id都是不同的
(2)同乙個機器,每個毫秒內生成的id都是不同的
(3)同乙個機器,同乙個毫秒內,以序列號區區分保證生成的id是不同的
(4)將毫秒數放在最高位,保證生成的id是趨勢遞增的
缺點:(1)由於「沒有乙個全域性時鐘」,每台伺服器分配的id是絕對遞增的,但從全域性看,生成的id只是趨勢遞增的(有些伺服器的時間早,有些伺服器的時間晚)
最後乙個容易忽略的問題:
生成的id,例如message-id/ order-id/ tiezi-id,在資料量大時往往需要分庫分表,這些id經常作為取模分庫分表的依據,為了分庫分表後資料均勻,id生成往往有「取模隨機性」的需求,所以我們通常把每秒內的序列號放在id的最末位,保證生成的id是隨機的。
又如果,我們在跨毫秒時,序列號總是歸0,會使得序列號為0的id比較多,導致生成的id取模後不均勻。解決方法是,序列號不是每次都歸0,而是歸乙個0到9的隨機數,這個地方。
細聊分布式ID生成方法
幾乎所有的業務系統,都有生成乙個記錄標識的需求,例如 訊息標識 message id 訂單標識 order id 帖子標識 tiezi id 這個記錄標識往往就是資料庫中的唯一主鍵,資料庫上會建立聚集索引 cluster index 即在物理儲存上以這個字段排序。這個記錄標識上的查詢,往往又有分頁或...
全域性唯一遞增的id 細聊分布式ID生成方法
一 需求緣起 幾乎所有的業務系統,都有生成乙個記錄標識的需求,例如 1 訊息標識 message id 2 訂單標識 order id 3 帖子標識 tiezi id 這個記錄標識往往就是資料庫中的唯一主鍵,資料庫上會建立聚集索引 cluster index 即在物理儲存上以這個字段排序。這個記錄標...
分布式ID生成方案
系統唯一id是設計乙個系統的時候常常會遇到的問題,也常常為這個問題而糾結。生成id的方法有很多,適應不同的場景 需求以及效能要求。所以有些比較複雜的系統會有多個id生成的策略。1 全域性唯一性 不能出現重複的id號,既然是唯一標識,這是最基本的要求 2 粗略有序 如果在分布式環境中做到完全有序,需要...