高并发情况下分布式全局ID

1、高并发情况下，生成分布式全局id策略
2、利用全球唯一UUID生成订单号优缺点
3、基于数据库自增或者序列生成订单号
4、数据库集群如何考虑数据库自增唯一性
5、基于Redis生成生成全局id策略
6、Twitter的Snowflake算法生成全局id
7、基于Zookeeper生成全局id

高并发情况下，生成分布式全局id策略

1、注意幂等性且全局唯一性
2、注意安全性，不能被猜疑
3、趋势递增性

订单号命名规则:比如“业务编码 + 时间戳 + 机器编号[前4位] + 随机4位数 + 毫秒数”。

利用全球唯一UUID生成订单号
UUID基本概念:
UUID是指在一台机器上生成的数字，它保证对在同一时空中的所有机器都是唯一的。
UUID组成部分:当前日期和时间+时钟序列+随机数+全局唯一的IEEE机器识别号
全局唯一的IEEE机器识别号:如果有网卡，从网卡MAC地址获得，没有网卡以其他方式获得。
UUID优缺点:
优点:
简单，代码方便
生成ID性能非常好，基本不会有性能问题
全球唯一，在遇见数据迁移，系统数据合并，或者数据库变更等情况下，可以从容应对
缺点:
没有排序，无法保证趋势递增
UUID往往是使用字符串存储，查询的效率比较低
存储空间比较大，如果是海量数据库，就需要考虑存储量的问题。
传输数据量大

UUID不需要联网生成，redis需要。

基于数据库自增方式

实现思路：利用数据库自增或者序列号方式实现订单号
注意：在数据库集群环境下，默认自增方式存在问题，因为都是从1开始自增，可能会存在重复，应该设置每台不同数据库自增的间隔方式不同。
优点:
简单，代码方便，性能可以接受。
数字ID天然排序，对分页或者需要排序的结果很有帮助。
缺点:
不同数据库语法和实现不同，数据库迁移的时候或多数据库版本支持的时候需要处理。
在性能达不到要求的情况下，比较难于扩展。
在单个数据库或读写分离或一主多从的情况下，只有一个主库可以生成。有单点故障的风险。
分表分库的时候会有麻烦。

数据库集群如何考虑数据库自增唯一性

在数据库集群环境下，默认自增方式存在问题，因为都是从1开始自增，可能会存在重复，应该设置每台节点自增步长不同。
查询自增的步长
SHOW VARIABLES LIKE 'auto_inc%'
修改自增的步长
SET @@auto_increment_increment=10;
修改起始值
SET @@auto_increment_offset=5;
假设有两台mysql数据库服务器
节点①自增 1 3 5 7 9 11 ….
节点②自增 2 4 6 8 10 12 ….
注意:在最开始设置好了每台节点自增方式步长后，确定好了mysql集群数量后，无法扩展新的mysql，不然生成步长的规则可能会发生变化。

MySQL1 1 2 3

MySQL2 1 2 3

方法1 读写分离

方法2 设置自增步长需要提前设置好步长否则如果新增一台MySQL就麻烦了

如果想提高扩展性采用UUID方式作为主键

基于Redis生成生成全局id策略
因为Redis是单线的，天生保证原子性，可以使用Redis的原子操作 INCR和INCRBY来实现
优点:
不依赖于数据库，灵活方便，且性能优于数据库。
数字ID天然排序，对分页或者需要排序的结果很有帮助。
缺点:
如果系统中没有Redis，还需要引入新的组件，增加系统复杂度。
需要编码和配置的工作量比较大。
注意:在Redis集群情况下，同样和Redis一样需要设置不同的增长步长，同时key一定要设置有效期
可以使用Redis集群来获取更高的吞吐量。假如一个集群中有5台Redis。可以初始化每台Redis的值分别是1,2,3,4,5，然后步长都是5。各个Redis生成的ID为：
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

比较适合使用Redis来生成每天从0开始的流水号。比如订单号=日期+当日自增长号。可以每天在Redis中生成一个Key，使用INCR进行累加。

如果生成的订单号超过自增增长的话，可以采用前缀+自增+并且设置有效期

当前日期-5位自增

统一时间最多生成10w-1个不重复的

假设双十一每秒99w订单

package com.toov5.controller;

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.data.redis.support.atomic.RedisAtomicLong;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class OrderController {
    @Autowired
    private RedisTemplate redisTemplate;
    
   @RequestMapping("/order")    
   public Long order(String key) {
       
       RedisAtomicLong redisAtomicLong = new RedisAtomicLong(key, redisTemplate.getConnectionFactory() );
       long andIncrement = redisAtomicLong.getAndIncrement();
       return andIncrement;
       
   }
}

补零：

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.data.redis.support.atomic.RedisAtomicLong;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class OrderController {
    @Autowired
    private RedisTemplate redisTemplate;
    
   @RequestMapping("/order")    
   public String order(String key) {
       
       RedisAtomicLong redisAtomicLong = new RedisAtomicLong(key, redisTemplate.getConnectionFactory() );
       long increment = redisAtomicLong.getAndIncrement();
       String id = String.format("%1$05d", increment);  //5位数
       return id;
       
   }
}

加上前缀：

import java.text.SimpleDateFormat;
import java.util.Date;

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.data.redis.support.atomic.RedisAtomicLong;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class OrderController {
    @Autowired
    private RedisTemplate redisTemplate;
    
   @RequestMapping("/order")    
   public String order(String key) {
       
       RedisAtomicLong redisAtomicLong = new RedisAtomicLong(key, redisTemplate.getConnectionFactory() );
       long increment = redisAtomicLong.getAndIncrement();
       String id =prefix()+"-"+String.format("%1$05d", increment);  //5位数
       return id;
       
   }
   
   public static String prefix() {
        String temp_str = "";
        Date dt = new Date();
        // 最后的aa表示“上午”或“下午” HH表示24小时制 如果换成hh表示12小时制
        SimpleDateFormat sdf = new SimpleDateFormat("yyyyMMddHHmmss");
        temp_str = sdf.format(dt);
        return temp_str;
    }
}

Redis如果做集群，会产生重复的问题！

@RequestMapping("/order1")
    public String order1(String key) {
        RedisAtomicLong redisAtomicLong = new RedisAtomicLong(key, redisTemplate.getConnectionFactory());
        // // 起始值
        // redisAtomicLong.set(10);
        // 设置步长加10!!!!
        redisAtomicLong.addAndGet(9);
        return redisAtomicLong.incrementAndGet() + "";
    }

redis 的key的失效时间问题！

24h 第二天时间变了不会重复了哦

Twitter的snowflake(雪花)算法（跟UUID一样不用联网）
snowflake是Twitter开源的分布式ID生成算法，结果是一个long型的ID。其核心思想是：
高位随机+毫秒数+机器码（数据中心+机器id）+10位的流水号码
Github地址: https://github.com/twitter-archive/snowflake
Snowflake 原理:
snowflake生产的ID是一个18位的long型数字，二进制结构表示如下(每部分用-分开):
0 - 00000000 00000000 00000000 00000000 00000000 0 - 00000 - 00000 - 00000000 0000
第一位未使用，接下来的41位为毫秒级时间(41位的长度可以使用69年，从1970-01-01 08:00:00)，然后是5位datacenterId（最大支持2^5＝32个，二进制表示从00000-11111，也即是十进制0-31），和5位workerId（最大支持2^5＝32个，原理同datacenterId），所以datacenterId*workerId最多支持部署1024个节点，最后12位是毫秒内的计数（12位的计数顺序号支持每个节点每毫秒产生2^12＝4096个ID序号）.所有位数加起来共64位，恰好是一个Long型（转换为字符串长度为18）.单台机器实例，通过时间戳保证前41位是唯一的，分布式系统多台机器实例下，通过对每个机器实例分配不同的datacenterId和workerId避免中间的10位碰撞。最后12位每毫秒从0递增生产ID，再提一次：每毫秒最多生成4096个ID，每秒可达4096000个。

高并发情况下分布式全局ID

猜你喜欢