前兩天公眾號有個粉絲給我留言吐槽最近面試：“四哥，年前我在公司受點委屈一沖動就裸辭了，然后現在疫情嚴重兩個多月還沒找到工作，接了幾個視頻面試也都沒下文。好多面試官問完一個問題，緊接著說還會其他解決方法嗎？能干活解決bug不就行了嗎？那還得會多少種方法？”

面試官應該是對應聘者的回答不太滿意，他想聽到一個他認為最優的解決方案，其實這無可厚非。同樣一個bug，能用一行代碼解決問題的人和用十行代碼解決問題的人，你會選哪個入職？顯而易見的事情！所以看待問題還是要從多個角度出發，每種方法都有各自的利弊。

一、為什么要用分布式ID？

在說分布式ID的具體實現之前，我們來簡單分析一下為什么用分布式ID？分布式ID應該滿足哪些特征？

1、什么是分布式ID？

拿MySQL數據庫舉個栗子：

在我們業務數據量不大的時候，單庫單表完全可以支撐現有業務，數據再大一點搞個MySQL主從同步讀寫分離也能對付。

但隨著數據日漸增長，主從同步也扛不住了，就需要對數據庫進行分庫分表，但分庫分表后需要有一個唯一ID來標識一條數據，數據庫的自增ID顯然不能滿足需求；特別一點的如訂單、優惠券也都需要有唯一ID做標識。此時一個能夠生成全局唯一ID的系統是非常必要的。那么這個全局唯一ID就叫分布式ID。

2、那么分布式ID需要滿足那些條件？

•  全局唯一：必須保證ID是全局性唯一的，基本要求
•  高性能：高可用低延時，ID生成響應要塊，否則反倒會成為業務瓶頸
•  高可用：100%的可用性是騙人的，但是也要無限接近于100%的可用性
•  好接入：要秉著拿來即用的設計原則，在系統設計和實現上要盡可能的簡單
•  趨勢遞增：最好趨勢遞增，這個要求就得看具體業務場景了，一般不嚴格要求

二、 分布式ID都有哪些生成方式？

今天主要分析一下以下9種，分布式ID生成器方式以及優缺點：

•  UUID
•  數據庫自增ID
•  數據庫多主模式
•  號段模式
•  Redis
•  雪花算法（SnowFlake）
•  滴滴出品（TinyID）
•  百度 （Uidgenerator）
•  美團（Leaf）

那么它們都是如何實現？以及各自有什么優缺點？我們往下看

圖片源自網絡

以上圖片源自網絡，如有侵權聯系刪除

1、基于UUID

在Java的世界里，想要得到一個具有唯一性的ID，首先被想到可能就是UUID，畢竟它有著全球唯一的特性。那么UUID可以做分布式ID嗎？答案是可以的，但是并不推薦！ 

public static void main(String[] args) {   
       String uuid = UUID.randomUUID().toString().replaceAll("-","");  
       System.out.println(uuid); 
  } 

UUID的生成簡單到只有一行代碼，輸出結果 c2b8c2b9e46c47e3b30dca3b0d447718，但UUID卻并不適用于實際的業務需求。像用作訂單號UUID這樣的字符串沒有絲毫的意義，看不出和訂單相關的有用信息；而對于數據庫來說用作業務主鍵ID，它不僅是太長還是字符串，存儲性能差查詢也很耗時，所以不推薦用作分布式ID。

優點：

•  生成足夠簡單，本地生成無網絡消耗，具有唯一性

缺點：

•  無序的字符串，不具備趨勢自增特性
•  沒有具體的業務含義
•  長度過長16 字節128位，36位長度的字符串，存儲以及查詢對MySQL的性能消耗較大，MySQL官方明確建議主鍵要盡量越短越好，作為數據庫主鍵 UUID 的無序性會導致數據位置頻繁變動，嚴重影響性能。

2、基于數據庫自增ID

基于數據庫的auto_increment自增ID完全可以充當分布式ID，具體實現：需要一個單獨的MySQL實例用來生成ID，建表結構如下： 

CREATE DATABASE `SEQ_ID`;  
CREATE TABLE SEQID.SEQUENCE_ID (  
    id bigint(20) unsigned NOT NULL auto_increment,   
    value char(10) NOT NULL default '',  
    PRIMARY KEY (id),  
) ENGINE=MyISAM;  
insert into SEQUENCE_ID(value)  VALUES ('values'); 

當我們需要一個ID的時候，向表中插入一條記錄返回主鍵ID，但這種方式有一個比較致命的缺點，訪問量激增時MySQL本身就是系統的瓶頸，用它來實現分布式服務風險比較大，不推薦！

優點：

•  實現簡單，ID單調自增，數值類型查詢速度快

缺點：

•  DB單點存在宕機風險，無法扛住高并發場景

3、基于數據庫集群模式

前邊說了單點數據庫方式不可取，那對上邊的方式做一些高可用優化，換成主從模式集群。害怕一個主節點掛掉沒法用，那就做雙主模式集群，也就是兩個Mysql實例都能單獨的生產自增ID。

那這樣還會有個問題，兩個MySQL實例的自增ID都從1開始，會生成重復的ID怎么辦？

解決方案：設置起始值和自增步長

MySQL_1 配置： 

set @@auto_increment_offset = 1;     -- 起始值  
set @@auto_increment_increment = 2;  -- 步長 

MySQL_2 配置： 

set @@auto_increment_offset = 2;     -- 起始值  
set @@auto_increment_increment = 2;  -- 步長 

這樣兩個MySQL實例的自增ID分別就是：

1、3、5、7、9 

2、4、6、8、10

那如果集群后的性能還是扛不住高并發咋辦？就要進行MySQL擴容增加節點，這是一個比較麻煩的事。

在這里插入圖片描述

從上圖可以看出，水平擴展的數據庫集群，有利于解決數據庫單點壓力的問題，同時為了ID生成特性，將自增步長按照機器數量來設置。

增加第三臺MySQL實例需要人工修改一、二兩臺MySQL實例的起始值和步長，把第三臺機器的ID起始生成位置設定在比現有最大自增ID的位置遠一些，但必須在一、二兩臺MySQL實例ID還沒有增長到第三臺MySQL實例的起始ID值的時候，否則自增ID就要出現重復了，必要時可能還需要停機修改。

優點：

•  解決DB單點問題

缺點：

•  不利于后續擴容，而且實際上單個數據庫自身壓力還是大，依舊無法滿足高并發場景。

4、基于數據庫的號段模式

號段模式是當下分布式ID生成器的主流實現方式之一，號段模式可以理解為從數據庫批量的獲取自增ID，每次從數據庫取出一個號段范圍，例如 (1,1000] 代表1000個ID，具體的業務服務將本號段，生成1~1000的自增ID并加載到內存。表結構如下： 

CREATE TABLE id_generator (  
  id int(10) NOT NULL,  
  max_id bigint(20) NOT NULL COMMENT '當前最大id',  
  step int(20) NOT NULL COMMENT '號段的布長',  
  biz_type    int(20) NOT NULL COMMENT '業務類型',  
  version int(20) NOT NULL COMMENT '版本號',  
  PRIMARY KEY (`id`)  
)  

biz_type ：代表不同業務類型

max_id ：當前最大的可用id

step ：代表號段的長度

version ：是一個樂觀鎖，每次都更新version，保證并發時數據的正確性

id	biz_type	max_id	step	version
1	101	1000	2000	0

等這批號段ID用完，再次向數據庫申請新號段，對max_id字段做一次update操作，update max_id= max_id + step，update成功則說明新號段獲取成功，新的號段范圍是(max_id ,max_id +step]。 

update id_generator set max_id = #{max_id+step}, versionversion = version + 1 where version = # {version} and biz_type = XXX 

由于多業務端可能同時操作，所以采用版本號version樂觀鎖方式更新，這種分布式ID生成方式不強依賴于數據庫，不會頻繁的訪問數據庫，對數據庫的壓力小很多。

5、基于Redis模式

Redis也同樣可以實現，原理就是利用redis的 incr命令實現ID的原子性自增。 

127.0.0.1:6379> set seq_id 1     // 初始化自增ID為1  
OK  
127.0.0.1:6379> incr seq_id      // 增加1，并返回遞增后的數值 
(integer) 2 

用redis實現需要注意一點，要考慮到redis持久化的問題。redis有兩種持久化方式RDB和AOF

•  RDB會定時打一個快照進行持久化，假如連續自增但redis沒及時持久化，而這會Redis掛掉了，重啟Redis后會出現ID重復的情況。
•  AOF會對每條寫命令進行持久化，即使Redis掛掉了也不會出現ID重復的情況，但由于incr命令的特殊性，會導致Redis重啟恢復的數據時間過長。

6、基于雪花算法（Snowflake）模式

雪花算法（Snowflake）是twitter公司內部分布式項目采用的ID生成算法，開源后廣受國內大廠的好評，在該算法影響下各大公司相繼開發出各具特色的分布式生成器。

在這里插入圖片描述

以上圖片源自網絡，如有侵權聯系刪除

Snowflake生成的是Long類型的ID，一個Long類型占8個字節，每個字節占8比特，也就是說一個Long類型占64個比特。

Snowflake ID組成結構：正數位（占1比特）+ 時間戳（占41比特）+ 機器ID（占5比特）+ 數據中心（占5比特）+ 自增值（占12比特），總共64比特組成的一個Long類型。

•  第一個bit位（1bit）：Java中long的最高位是符號位代表正負，正數是0，負數是1，一般生成ID都為正數，所以默認為0。
•  時間戳部分（41bit）：毫秒級的時間，不建議存當前時間戳，而是用（當前時間戳 - 固定開始時間戳）的差值，可以使產生的ID從更小的值開始；41位的時間戳可以使用69年，(1L << 41) / (1000L * 60 * 60 * 24 * 365) = 69年
•  工作機器id（10bit）：也被叫做workId，這個可以靈活配置，機房或者機器號組合都可以。
•  序列號部分（12bit），自增值支持同一毫秒內同一個節點可以生成4096個ID

根據這個算法的邏輯，只需要將這個算法用Java語言實現出來，封裝為一個工具方法，那么各個業務應用可以直接使用該工具方法來獲取分布式ID，只需保證每個業務應用有自己的工作機器id即可，而不需要單獨去搭建一個獲取分布式ID的應用。

Java版本的Snowflake算法實現： 

/**  
 * Twitter的SnowFlake算法,使用SnowFlake算法生成一個整數，然后轉化為62進制變成一個短地址URL  
 *  
 * https://github.com/beyondfengyu/SnowFlake  
 */  
public class SnowFlakeShortUrl {  
    /**  
     * 起始的時間戳  
     */  
    private final static long START_TIMESTAMP = 1480166465631L;  
    /**  
     * 每一部分占用的位數  
     */  
    private final static long SEQUENCE_BIT = 12;   //序列號占用的位數  
    private final static long MACHINE_BIT = 5;     //機器標識占用的位數  
    private final static long DATA_CENTER_BIT = 5; //數據中心占用的位數  
    /**  
     * 每一部分的最大值  
     */  
    private final static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT);  
    private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT);  
    private final static long MAX_DATA_CENTER_NUM = -1L ^ (-1L << DATA_CENTER_BIT);  
    /**  
     * 每一部分向左的位移  
     */  
    private final static long MACHINE_LEFT = SEQUENCE_BIT;  
    private final static long DATA_CENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;  
    private final static long TIMESTAMP_LEFT = DATA_CENTER_LEFT + DATA_CENTER_BIT;  
    private long dataCenterId;  //數據中心  
    private long machineId;     //機器標識  
    private long sequence = 0L; //序列號  
    private long lastTimeStamp = -1L;  //上一次時間戳  
    private long getNextMill() {  
        long mill = getNewTimeStamp();  
        while (mill <= lastTimeStamp) {  
            mill = getNewTimeStamp();  
        }  
        return mill;  
    }  
    private long getNewTimeStamp() {  
        return System.currentTimeMillis();  
    }  
    /**  
     * 根據指定的數據中心ID和機器標志ID生成指定的序列號  
     *  
     * @param dataCenterId 數據中心ID  
     * @param machineId    機器標志ID  
     */  
    public SnowFlakeShortUrl(long dataCenterId, long machineId) {  
        if (dataCenterId > MAX_DATA_CENTER_NUM || dataCenterId < 0) {  
            throw new IllegalArgumentException("DtaCenterId can't be greater than MAX_DATA_CENTER_NUM or less than 0！");  
        }  
        if (machineId > MAX_MACHINE_NUM || machineId < 0) {  
            throw new IllegalArgumentException("MachineId can't be greater than MAX_MACHINE_NUM or less than 0！");  
        }  
        this.dataCenterId = dataCenterId;  
        this.machineId = machineId;  
    }  
    /**  
     * 產生下一個ID  
     *  
     * @return  
     */  
    public synchronized long nextId() {  
        long currTimeStamp = getNewTimeStamp();  
        if (currTimeStamp < lastTimeStamp) { 
             throw new RuntimeException("Clock moved backwards.  Refusing to generate id");  
        }  
        if (currTimeStamp == lastTimeStamp) {  
            //相同毫秒內，序列號自增  
            sequence = (sequence + 1) & MAX_SEQUENCE;  
            //同一毫秒的序列數已經達到最大  
            if (sequence == 0L) {  
                currTimeStamp = getNextMill();  
            }  
        } else {  
            //不同毫秒內，序列號置為0  
            sequence = 0L;  
        }  
        lastTimeStamp = currTimeStamp;  
        return (currTimeStamp - START_TIMESTAMP) << TIMESTAMP_LEFT //時間戳部分  
                | dataCenterId << DATA_CENTER_LEFT       //數據中心部分  
                | machineId << MACHINE_LEFT             //機器標識部分  
                | sequence;                             //序列號部分  
    }  
    public static void main(String[] args) {  
        SnowFlakeShortUrl snowFlake = new SnowFlakeShortUrl(2, 3);  
        for (int i = 0; i < (1 << 4); i++) {  
            //10進制 
             System.out.println(snowFlake.nextId());  
        }  
    }  
} 

7、百度（uid-generator）

uid-generator是由百度技術部開發，項目GitHub地址 https://github.com/baidu/uid-generator

uid-generator是基于Snowflake算法實現的，與原始的snowflake算法不同在于，uid-generator支持自定義時間戳、工作機器ID和 序列號 等各部分的位數，而且uid-generator中采用用戶自定義workId的生成策略。

uid-generator需要與數據庫配合使用，需要新增一個WORKER_NODE表。當應用啟動時會向數據庫表中去插入一條數據，插入成功后返回的自增ID就是該機器的workId數據由host，port組成。

對于uid-generator ID組成結構：

workId，占用了22個bit位，時間占用了28個bit位，序列化占用了13個bit位，需要注意的是，和原始的snowflake不太一樣，時間的單位是秒，而不是毫秒，workId也不一樣，而且同一應用每次重啟就會消費一個workId。

參考文獻

https://github.com/baidu/uid-generator/blob/master/README.zh_cn.md

8、美團（Leaf）

Leaf由美團開發，github地址：https://github.com/Meituan-Dianping/Leaf

Leaf同時支持號段模式和snowflake算法模式，可以切換使用。

號段模式

先導入源碼 https://github.com/Meituan-Dianping/Leaf ，在建一張表leaf_alloc 

DROP TABLE IF EXISTS `leaf_alloc`;  
CREATE TABLE `leaf_alloc` (  
  `biz_tag` varchar(128)  NOT NULL DEFAULT '' COMMENT '業務key', 
  `max_id` bigint(20) NOT NULL DEFAULT '1' COMMENT '當前已經分配了的最大id',  
  `step` int(11) NOT NULL COMMENT '初始步長，也是動態調整的最小步長',  
  `description` varchar(256)  DEFAULT NULL COMMENT '業務key的描述',  
  `update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '數據庫維護的更新時間',  
  PRIMARY KEY (`biz_tag`)  
) ENGINE=InnoDB; 

然后在項目中開啟號段模式，配置對應的數據庫信息，并關閉snowflake模式 

leaf.name=com.sankuai.leaf.opensource.test  
leaf.segment.enable=true  
leaf.jdbc.url=jdbc:mysql://localhost:3306/leaf_test?useUnicode=true&characterEncoding=utf8&characterSetResults=utf8  
leaf.jdbc.username=root  
leaf.jdbc.password=root  
leaf.snowflake.enable=false  
#leaf.snowflake.zk.address=  
#leaf.snowflake.port= 

啟動leaf-server 模塊的 LeafServerApplication項目就跑起來了

號段模式獲取分布式自增ID的測試url ：http：//localhost：8080/api/segment/get/leaf-segment-test

監控號段模式：http://localhost:8080/cache

snowflake模式

Leaf的snowflake模式依賴于ZooKeeper，不同于原始snowflake算法也主要是在workId的生成上，Leaf中workId是基于ZooKeeper的順序Id來生成的，每個應用在使用Leaf-snowflake時，啟動時都會都在Zookeeper中生成一個順序Id，相當于一臺機器對應一個順序節點，也就是一個workId。 

leaf.snowflake.enable=true  
leaf.snowflake.zk.address=127.0.0.1  
leaf.snowflake.port=2181 

snowflake模式獲取分布式自增ID的測試url：http://localhost:8080/api/snowflake/get/test

9、滴滴（Tinyid）

Tinyid由滴滴開發，Github地址：https://github.com/didi/tinyid。

Tinyid是基于號段模式原理實現的與Leaf如出一轍，每個服務獲取一個號段（1000,2000]、（2000,3000]、（3000,4000]

在這里插入圖片描述

Tinyid提供http和tinyid-client兩種方式接入

Http方式接入

（1）導入Tinyid源碼：

git clone https://github.com/didi/tinyid.git

（2）創建數據表： 

CREATE TABLE `tiny_id_info` (  
  `id` bigint(20) unsigned NOT NULL AUTO_INCREMENT COMMENT '自增主鍵',  
  `biz_type` varchar(63) NOT NULL DEFAULT '' COMMENT '業務類型，唯一',  
  `begin_id` bigint(20) NOT NULL DEFAULT '0' COMMENT '開始id，僅記錄初始值，無其他含義。初始化時begin_id和max_id應相同',  
  `max_id` bigint(20) NOT NULL DEFAULT '0' COMMENT '當前最大id',  
  `step` int(11) DEFAULT '0' COMMENT '步長',  
  `delta` int(11) NOT NULL DEFAULT '1' COMMENT '每次id增量',  
  `remainder` int(11) NOT NULL DEFAULT '0' COMMENT '余數',  
  `create_time` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '創建時間',  
  `update_time` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '更新時間',  
  `version` bigint(20) NOT NULL DEFAULT '0' COMMENT '版本號',  
  PRIMARY KEY (`id`),  
  UNIQUE KEY `uniq_biz_type` (`biz_type`)  
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT 'id信息表';   
CREATE TABLE `tiny_id_token` (  
  `id` int(11) unsigned NOT NULL AUTO_INCREMENT COMMENT '自增id',  
  `token` varchar(255) NOT NULL DEFAULT '' COMMENT 'token',  
  `biz_type` varchar(63) NOT NULL DEFAULT '' COMMENT '此token可訪問的業務類型標識',  
  `remark` varchar(255) NOT NULL DEFAULT '' COMMENT '備注',  
  `create_time` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '創建時間',  
  `update_time` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '更新時間',  
  PRIMARY KEY (`id`)  
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT 'token信息表';  
INSERT INTO `tiny_id_info` (`id`, `biz_type`, `begin_id`, `max_id`, `step`, `delta`, `remainder`, `create_time`, `update_time`, `version`)  
VALUES  
    (1, 'test', 1, 1, 100000, 1, 0, '2018-07-21 23:52:58', '2018-07-22 23:19:27', 1);  
INSERT INTO `tiny_id_info` (`id`, `biz_type`, `begin_id`, `max_id`, `step`, `delta`, `remainder`, `create_time`, `update_time`, `version`)  
VALUES  
    (2, 'test_odd', 1, 1, 100000, 2, 1, '2018-07-21 23:52:58', '2018-07-23 00:39:24', 3);  
INSERT INTO `tiny_id_token` (`id`, `token`, `biz_type`, `remark`, `create_time`, `update_time`) 
VALUES  
    (1, '0f673adf80504e2eaa552f5d791b644c', 'test', '1', '2017-12-14 16:36:46', '2017-12-14 16:36:48');  
INSERT INTO `tiny_id_token` (`id`, `token`, `biz_type`, `remark`, `create_time`, `update_time`)  
VALUES  
    (2, '0f673adf80504e2eaa552f5d791b644c', 'test_odd', '1', '2017-12-14 16:36:46', '2017-12-14 16:36:48'); 

（3）配置數據庫： 

datasource.tinyid.names=primary  
datasource.tinyid.primary.driver-class-name=com.mysql.jdbc.Driver  
datasource.tinyid.primary.url=jdbc:mysql://ip:port/databaseName?autoReconnect=true&useUnicode=true&characterEncoding=UTF-8  
datasource.tinyid.primary.username=root  
datasource.tinyid.primary.password=123456 

（4）啟動tinyid-server后測試 

獲取分布式自增ID: http://localhost:9999/tinyid/id/nextIdSimple?bizType=test&token=0f673adf80504e2eaa552f5d791b644c'  
返回結果: 3  
批量獲取分布式自增ID:  
http://localhost:9999/tinyid/id/nextIdSimple?bizType=test&token=0f673adf80504e2eaa552f5d791b644c&batchSize=10'  
返回結果:  4,5,6,7,8,9,10,11,12,13 

Java客戶端方式接入

重復Http方式的（2）（3）操作

引入依賴     

<dependency>  
          <groupId>com.xiaoju.uemc.tinyid</groupId>  
          <artifactId>tinyid-client</artifactId>  
          <version>${tinyid.version}</version>  
      </dependency> 

配置文件 

tinyid.server =localhost:9999  
tinyid.token =0f673adf80504e2eaa552f5d791b644c 

test 、tinyid.token是在數據庫表中預先插入的數據，test 是具體業務類型，tinyid.token表示可訪問的業務類型 

// 獲取單個分布式自增ID  
Long id =  TinyId . nextId( " test " );  
// 按需批量分布式自增ID  
List< Long > ids =  TinyId . nextId( " test " , 10 ); 

總結

本文只是簡單介紹一下每種分布式ID生成器，旨在給大家一個詳細學習的方向，每種生成方式都有它自己的優缺點，具體如何使用還要看具體的業務需求。