您好,登錄后才能下訂單哦!
這篇文章主要為大家展示了“分布式業(yè)務(wù)系統(tǒng)中全局ID生成策略的示例分析”,內(nèi)容簡(jiǎn)而易懂,條理清晰,希望能夠幫助大家解決疑惑,下面讓小編帶領(lǐng)大家一起研究并學(xué)習(xí)一下“分布式業(yè)務(wù)系統(tǒng)中全局ID生成策略的示例分析”這篇文章吧。
在實(shí)際的開發(fā)中,幾乎所有的業(yè)務(wù)場(chǎng)景產(chǎn)生的數(shù)據(jù),都需要一個(gè)唯一ID作為核心標(biāo)識(shí),用來(lái)流程化管理。比如常見的:
訂單:order-id,查訂單詳情,物流狀態(tài)等;
支付:pay-id,支付狀態(tài),基于ID事務(wù)管理;
如何生成唯一標(biāo)識(shí),在普通場(chǎng)景下,一般的方法就可以解決,例如:
import java.util.UUID; public class UuidUtil { public static String getUUid() { UUID uuid = UUID.randomUUID(); return String.valueOf(uuid).replace("-",""); } }
這個(gè)方法可以解決絕大部分唯一ID需求的場(chǎng)景業(yè)務(wù),但是網(wǎng)上各種UUID重復(fù)場(chǎng)景的描述帖,說(shuō)的好像該API不好用。
絮叨一句
:說(shuō)一個(gè)真實(shí)使用的業(yè)務(wù)場(chǎng)景,大概是半年近3000萬(wàn)的數(shù)據(jù)流水,用的就是UUID的API,暫時(shí)未捕捉到ID重復(fù)的問(wèn)題,僅供參考。
Twitter公司開源的分布式ID生成算法策略,生成的ID遵循時(shí)間的順序。
1為位標(biāo)識(shí),始終為0,不可用;
41位時(shí)間截,存儲(chǔ)時(shí)間截的差值(當(dāng)前時(shí)間截-開始時(shí)間截);
10位的機(jī)器標(biāo)識(shí),10位的長(zhǎng)度最多支持部署1024個(gè)節(jié)點(diǎn);
12位序列,毫秒內(nèi)的計(jì)數(shù),12位的計(jì)數(shù)順序號(hào)支持每個(gè)節(jié)點(diǎn)每毫秒產(chǎn)生4096個(gè)ID序號(hào);
SnowFlake的優(yōu)點(diǎn)是,整體上按照時(shí)間自增排序,并且整個(gè)分布式系統(tǒng)內(nèi)不會(huì)產(chǎn)生ID碰撞(由數(shù)據(jù)中心ID和機(jī)器ID作區(qū)分),并且效率較高。
工具類中很多可以自定義的,比如起始時(shí)間,機(jī)器ID配置等。
/** * 雪花算法ID生成 */ public class SnowIdWorkerUtil { // 開始時(shí)間截 (2020-01-02) private final long timeToCut = 1577894400000L; // 機(jī)器ID所占的位數(shù) private final long workerIdBits = 2L; // 數(shù)據(jù)標(biāo)識(shí)ID所占的位數(shù) private final long dataCenterIdBits = 8L; // 支持的最大機(jī)器ID,結(jié)果是31 (這個(gè)移位算法可以很快的計(jì)算出幾位二進(jìn)制數(shù)所能表示的最大十進(jìn)制數(shù)) private final long maxWorkerId = -1L ^ (-1L << workerIdBits); // 支持的最大數(shù)據(jù)標(biāo)識(shí)ID,結(jié)果是31 private final long maxDataCenterId = -1L ^ (-1L << dataCenterIdBits); // 序列在ID中占的位數(shù) private final long sequenceBits = 12L; // 機(jī)器ID向左移12位 private final long workerIdShift = sequenceBits; // 數(shù)據(jù)標(biāo)識(shí)ID向左移17位(12+5) private final long dataCenterIdShift = sequenceBits + workerIdBits; // 時(shí)間截向左移22位(5+5+12) private final long timestampLeftShift = sequenceBits + workerIdBits + dataCenterIdBits; // 生成序列的掩碼 private final long sequenceMask = -1L ^ (-1L << sequenceBits); // 工作機(jī)器ID(0~31) private long workerId; // 數(shù)據(jù)中心ID(0~31) private long dataCenterId; // 毫秒內(nèi)序列(0~4095) private long sequence = 0L; // 上次生成ID的時(shí)間截 private long lastTimestamp = -1L; /** * 構(gòu)造函數(shù) * @param workerId 工作ID (0~31) * @param dataCenterId 數(shù)據(jù)中心ID (0~31) */ public SnowIdWorkerUtil (long workerId, long dataCenterId) { if (workerId > maxWorkerId || workerId < 0) { throw new IllegalArgumentException("workerId 不符合條件"); } if (dataCenterId > maxDataCenterId || dataCenterId < 0) { throw new IllegalArgumentException("dataCenterId 不符合條件"); } this.workerId = workerId; this.dataCenterId = dataCenterId; } public synchronized String nextIdVar(){ return String.valueOf(nextId()); } /** * 線程安全,獲得下一個(gè)ID */ private synchronized long nextId() { long timestamp = timeGen(); // 如果當(dāng)前時(shí)間小于上一次ID生成的時(shí)間戳,拋出異常 if (timestamp < lastTimestamp) { throw new RuntimeException(String.format( "時(shí)間順序異常,時(shí)間差(上次時(shí)間-現(xiàn)在)=%d", lastTimestamp - timestamp)); } // 如果是同一時(shí)間生成的,則進(jìn)行毫秒內(nèi)序列 if (lastTimestamp == timestamp) { sequence = (sequence + 1) & sequenceMask; //毫秒內(nèi)序列溢出 if (sequence == 0) { //阻塞到下一個(gè)毫秒,獲得新的時(shí)間戳 timestamp = tilNextMillis(lastTimestamp); } } else { // 時(shí)間戳改變,毫秒內(nèi)序列重置 sequence = 0L; } // 上次生成ID的時(shí)間截 lastTimestamp = timestamp; // 移位并通過(guò)或運(yùn)算拼到一起組成64位的ID return ((timestamp - timeToCut) << timestampLeftShift) | (dataCenterId << dataCenterIdShift) | (workerId << workerIdShift) | sequence; } /** * 阻塞,獲得新的時(shí)間戳 */ private long tilNextMillis(long lastTimestamp) { long timestamp = timeGen(); while (timestamp <= lastTimestamp) { timestamp = timeGen(); } return timestamp; } /** * 返回當(dāng)前時(shí)間節(jié)點(diǎn) */ private long timeGen() { return System.currentTimeMillis(); } public static void main(String[] args) { // 參數(shù)在實(shí)際業(yè)務(wù)下需要配置管理 SnowIdWorkerUtil idWorker = new SnowIdWorkerUtil(1, 1); for (int i = 0; i < 100; i++) { String id = idWorker.nextIdVar(); System.out.println(id+" "+id.length()+"位"); } } }
還有一種常見的實(shí)現(xiàn)思路,基于數(shù)據(jù)庫(kù)的自增主鍵ID,不過(guò)基于這個(gè)原理,卻有各種不同的實(shí)現(xiàn)策略。
簡(jiǎn)單表結(jié)構(gòu):
CREATE TABLE `du_temp_id` ( `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主鍵id', `create_time` datetime DEFAULT NULL COMMENT '創(chuàng)建時(shí)間', PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='主鍵ID臨時(shí)表';
這種模式的原理比較單調(diào),向臨時(shí)表寫入一條記錄,借助MySQL生成的唯一主鍵ID,然后拿出來(lái)稍微處理一下,作為各種業(yè)務(wù)場(chǎng)景的唯一ID使用。
@Service public class TempIdServiceImpl implements TempIdService { @Resource private TempIdMapper tempIdMapper ; @Override public List<String> getIdList() { List<String> idList = new ArrayList<>() ; TempIdEntity tempIdEntity = new TempIdEntity (); tempIdEntity.setCreateTime(new Date()); for (int i = 0 ; i < 10 ; i++){ tempIdMapper.insert(tempIdEntity); idList.add(UuidUtil.getNoId(8,Long.parseLong(tempIdEntity.getId().toString()))) ; } return idList ; } }
問(wèn)題點(diǎn):如果作為ID生成的臨時(shí)表所在的MySQL服務(wù)宕掉,那可能會(huì)影響整個(gè)業(yè)務(wù)流程,造成雪崩效應(yīng)。
單服務(wù)如果不能安穩(wěn)的支撐業(yè)務(wù)需求,很自然集群模式就該上場(chǎng)了。提供多臺(tái)MySQL服務(wù)[A,B,C],處理策略也不止一種:
庫(kù)設(shè)置主鍵自增策略
例如A庫(kù)[1,4,7],B庫(kù)[2,5,8],C庫(kù)[3,6,9],基于不同自增規(guī)則,生成統(tǒng)一的自增唯一標(biāo)識(shí)。
生成ID做分庫(kù)標(biāo)識(shí)
這種先把ID生成,然后不同的數(shù)據(jù)庫(kù)生成的ID給一個(gè)不同的標(biāo)識(shí),例如UIDA,UIDB,UIDC。
@Service public class TempIdServiceImpl implements TempIdService { @Resource private TempIdMapper tempIdMapper ; @Override public List<String> getRouteIdList() { List<String> idList = new ArrayList<>() ; TempIdEntity tempIdEntity = new TempIdEntity (); tempIdEntity.setCreateTime(new Date()); for (int i = 0 ; i < 2 ; i++){ tempIdMapper.insertA(tempIdEntity); idList.add(UuidUtil.getRouteId("UID-A",10, Long.parseLong(tempIdEntity.getId().toString()))) ; tempIdMapper.insertB(tempIdEntity); idList.add(UuidUtil.getRouteId("UID-B",10, Long.parseLong(tempIdEntity.getId().toString()))) ; tempIdMapper.insertC(tempIdEntity); idList.add(UuidUtil.getRouteId("UID-C",10, Long.parseLong(tempIdEntity.getId().toString()))) ; } return idList ; } }
結(jié)果樣例:
UID-A00001,UID-B00001,UID-C00001
UID-A00002,UID-B00002,UID-C00002
從數(shù)據(jù)獲取的ID基本是一個(gè)自增的整數(shù)序列,可以提供一個(gè)格式美化工具方法。
public class UuidUtil { private static final String ZERO = "00000000000"; private static final String PREFIX = "UID"; public static String getNoId(int length,Long id){ String idVar = String.valueOf(id) ; if (idVar.length()>length){ return PREFIX+idVar ; } else { int gapLen = length-idVar.length()-PREFIX.length() ; return PREFIX+ZERO.substring(0,gapLen)+idVar ; } } public static String getRouteId(String route,Integer length,Long id){ String idVar = String.valueOf(id) ; if (idVar.length()>length){ return route+idVar ; } else { int gapLen = length-idVar.length()-route.length() ; return route+ZERO.substring(0,gapLen)+idVar ; } } }
基于不同的策略,把ID格式為統(tǒng)一的位數(shù)。
如果在高并發(fā)的業(yè)務(wù)場(chǎng)景下,實(shí)時(shí)基于MySQL去生成唯一ID容易產(chǎn)生性能瓶頸,當(dāng)然其他方法也可能產(chǎn)生這個(gè)問(wèn)題。可以在系統(tǒng)空閑時(shí)間批量生成一批,放入緩存中,在使用的時(shí)候直接從緩存層取出即可。
以上是“分布式業(yè)務(wù)系統(tǒng)中全局ID生成策略的示例分析”這篇文章的所有內(nèi)容,感謝各位的閱讀!相信大家都有了一定的了解,希望分享的內(nèi)容對(duì)大家有所幫助,如果還想學(xué)習(xí)更多知識(shí),歡迎關(guān)注億速云行業(yè)資訊頻道!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。