文章摘要
这篇文章介绍了几种常见的分布式ID生成方案，包括UUID、Snowflake、Leaf、Redis、Zookeeper等，分析了它们的特点、优缺点及适用场景。文章指出，根据业务需求可以选择适合的生成方案，例如基于数据库自增ID适合低并发场景，基于UUID适合中等规模应用，Redis适合高并发需求，而Zookeeper则在节点故障恢复方面表现良好。文章还提到了其他一些方案，如MongoDB ID、Flicker和Facebook的IGS方案，建议根据具体需求选择合适的算法。总结而言，文章强调了分布式ID生成方案在分布式系统中的重要性，以及不同方案在性能、存储成本、扩展性和可用性方面的权衡。
目录常用的分布式ID解决方案UUIDSnowflakeSnowflake算法的Java代码：LeafLeaf算法的Java代码：基于数据库自增ID生成基于UUID生成基于Redis生成基于ZooKeeper生成
在分布式系统中，生成全局唯一ID是非常重要的，因为在分布式系统中，多个节点同时生成ID可能会导致ID冲突。
下面介绍几种常用的分布式ID解决方案。
UUID（通用唯一标识符）是由128位数字组成的标识符，它可以保证在全球范围内的唯一性，因为其生成算法基于时间戳、节点ID等因素。UUID可以使用Java自带的UUID类来生成，如下所示：
javaCopy code
import java.util.UUID;
public class UuidGenerator {
public static void main(String[] args) {
UUID uuid=UUID.randomUUID();
System.out.println(uuid.toString());
}
}
UUID的优点是简单易用，无需额外的配置和管理，可以直接使用Java自带的UUID类生成。但是UUID长度较长（128位），不太适合作为数据库表的主键，且不易于排序和索引。
Snowflake是Twitter开源的一种分布式ID生成算法，它可以生成64位的唯一ID，其中包含了时间戳、数据中心ID和机器ID等信息。Snowflake算法的Java代码如下所示：
Snowflake算法的Java代码：javaCopy code
public class SnowflakeGenerator {
private final static long START_STMP=1480166465631L;
private final static long SEQUENCE_BIT=12;
private final static long MACHINE_BIT=5;
private final static long DATACENTER_BIT=5;
private final static long MAX_DATACENTER_NUM=-1L ^ (-1L << DATACENTER_BIT);
private final static long MAX_MACHINE_NUM=-1L ^ (-1L << MACHINE_BIT);
private final static long MAX_SEQUENCE=-1L ^ (-1L << SEQUENCE_BIT);
private final static long MACHINE_LEFT=SEQUENCE_BIT;
private final static long DATACENTER_LEFT=SEQUENCE_BIT + MACHINE_BIT;
private final static long TIMESTMP_LEFT=DATACENTER_LEFT + DATACENTER_BIT;
private long datacenterId;
private long machineId;
private long sequence=0L;
private long lastStmp=-1L;
public SnowflakeGenerator(long datacenterId, long machineId) {
if (datacenterId > MAX_DATACENTER_NUM || datacenterId < 0) {
throw new IllegalArgumentException(“datacenterId can’t be greater than MAX_DATACENTER_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;
}
public synchronized long nextId() {
long currStmp=getNewstmp();
if (currStmp < lastStmp) {
throw new RuntimeException(“Clock moved backwards. Refusing to generate id”);
}
if (currStmp==lastStmp) {
sequence=(sequence + 1) & MAX_SEQUENCE;
if (sequence==0L) {
currStmp=getNextMill();
}
} else {
sequence=0L;
}
lastStmp=currStmp;
return (currStmp – START_STMP) << TIMESTMP_LEFT
| datacenterId << DATACENTER_LEFT
| machineId << MACHINE_LEFT
| sequence;
}
private long getNextMill() {
long mill=getNewstmp();
while (mill <=lastStmp) {
mill=getNewstmp();
}
return mill;
}
private long getNewstmp() {
return System.currentTimeMillis();
}
}
Snowflake算法的优点是生成ID的性能高，且ID长度较短（64位），可以作为数据库表的主键，且便于排序和索引。但是需要注意，如果集群中的节点数超过了机器ID所占的位数，或者集群规模很大，时间戳位数不够用，那么就需要考虑其他的分布式ID生成算法。
Leaf是美团点评开源的一种分布式ID生成算法，它可以生成全局唯一的64位ID。Leaf算法的Java代码如下所示：
Leaf算法的Java代码：javaCopy code
public class LeafGenerator {
private static final Logger logger=LoggerFactory.getLogger(LeafGenerator.class);
private static final String WORKER_ID_KEY=”leaf.worker.id”;
private static final String PORT_KEY=”leaf.port”;
private static final int DEFAULT_PORT=8080;
private static final int DEFAULT_WORKER_ID=0;
private static final int WORKER_ID_BITS=10;
private static final int SEQUENCE_BITS=12;
private static final int MAX_WORKER_ID=(1 << WORKER_ID_BITS) – 1;
private static final int MAX_SEQUENCE=(1 << SEQUENCE_BITS) – 1;
private static final long EPOCH=1514736000000L;
private final SnowflakeIdWorker idWorker;
public LeafGenerator() {
int workerId=SystemPropertyUtil.getInt(WORKER_ID_KEY, DEFAULT_WORKER_ID);
int port=SystemPropertyUtil.getInt(PORT_KEY, DEFAULT_PORT);
this.idWorker=new SnowflakeIdWorker(workerId, port);
logger.info(“Initialized LeafGenerator with workerId={}, port={}”, workerId, port);
}
public long nextId() {
return idWorker.nextId();
}
private static class SnowflakeIdWorker {
private final long workerId;
private final long port;
private long sequence=0L;
private long lastTimestamp=-1L;
SnowflakeIdWorker(long workerId, long port) {
if (workerId < 0 || workerId > MAX_WORKER_ID) {
throw new IllegalArgumentException(String.format(“workerId must be between %d and %d”, 0, MAX_WORKER_ID));
}
this.workerId=workerId;
this.port=port;
}
synchronized long nextId() {
long timestamp=System.currentTimeMillis();
if (timestamp < lastTimestamp) {
throw new RuntimeException(“Clock moved backwards. Refusing to generate id”);
}
if (timestamp==lastTimestamp) {
sequence=(sequence + 1) & MAX_SEQUENCE;
if (sequence==0L) {
timestamp=tilNextMillis(lastTimestamp);
}
} else {
sequence=0L;
}
lastTimestamp=timestamp;
return ((timestamp – EPOCH) << (WORKER_ID_BITS + SEQUENCE_BITS))
| (workerId << SEQUENCE_BITS)
| sequence;
}
private long tilNextMillis(long lastTimestamp) {
long timestamp=System.currentTimeMillis();
while (timestamp <=lastTimestamp) {
timestamp=System.currentTimeMillis();
}
return timestamp;
}
}
}
Leaf算法的特点是生成ID的速度比Snowflake算法略慢，但是可以支持更多的Worker节点。Leaf算法生成的ID由三部分组成，分别是时间戳、Worker ID和序列号，其中时间戳占用42位、Worker ID占用10位、序列号占用12位，总共64位。
以上是常见的分布式ID生成算法，当然还有其他的一些方案，如：MongoDB ID、UUID、Twitter Snowflake等。不同的方案适用于不同的业务场景，具体实现细节和性能表现也有所不同，需要根据实际情况选择合适的方案。
除了上述介绍的分布式ID生成算法，还有一些新的分布式ID生成方案不断涌现，例如Flicker的分布式ID生成算法，它使用了类似于Snowflake的思想，但是采用了不同的位数分配方式，相比Snowflake更加灵活，并且可以根据需要动态调整每个部分占用的位数。此外，Facebook还推出了ID Generation Service (IGS)方案，该方案将ID的生成和存储分离，提供了更加灵活和可扩展的方案，但是需要进行更加复杂的架构设计和实现。
针对不同的业务需求，可以设计多套分布式ID生成方案。下面是我个人的一些建议：
基于数据库自增ID生成：使用数据库自增ID作为全局唯一ID，可以很好的保证ID的唯一性，并且实现简单，但是并发量较高时可能会导致性能瓶颈。因此，在高并发场景下不建议使用。基于UUID生成：使用UUID作为全局唯一ID，可以很好地保证ID的唯一性，但是ID长度较长（128位），不便于存储和传输，并且存在重复ID的概率非常小但不为0。因此，建议在分布式系统中使用时要考虑ID的长度和存储传输的成本。基于Redis生成：使用Redis的原子性操作，可以保证ID的唯一性，并且生成ID的速度非常快，可以适用于高并发场景。但是需要注意，如果Redis宕机或者性能不足，可能会影响ID的生成效率和可用性。基于ZooKeeper生成：使用ZooKeeper的序列号生成器，可以保证ID的唯一性，并且实现较为简单，但是需要引入额外的依赖和资源，并且可能会存在性能瓶颈。选择适合自己业务场景的分布式ID生成方案，需要综合考虑ID的唯一性、生成速度、长度、存储成本、可扩展性、可用性等多个因素。同时需要注意，不同方案的实现细节和性能表现也有所不同，需要根据实际情况进行权衡和选择。
下面给出每种方案的详细代码demo：
javaCopy code
public class IdGenerator {
private static final String JDBC_URL=”jdbc:mysql://localhost:3306/test”;
private static final String JDBC_USER=”root”;
private static final String JDBC_PASSWORD=”password”;
public long generateId() {
Connection conn=null;
PreparedStatement pstmt=null;
ResultSet rs=null;
try {
Class.forName(“com.mysql.jdbc.Driver”);
conn=DriverManager.getConnection(JDBC_URL, JDBC_USER, JDBC_PASSWORD);
pstmt=conn.prepareStatement(“INSERT INTO id_generator (stub) VALUES (null)”, Statement.RETURN_GENERATED_KEYS);
pstmt.executeUpdate();
rs=pstmt.getGeneratedKeys();
if (rs.next()) {
return rs.getLong(1);
}
} catch (Exception e) {
e.printStackTrace();
} finally {
try {
if (rs !=null) {
rs.close();
}
if (pstmt !=null) {
pstmt.close();
}
if (conn !=null) {
conn.close();
}
} catch (Exception e) {
e.printStackTrace();
}
}
return 0L;
}
}
javaCopy code
import java.util.UUID;
public class IdGenerator {
public String generateId() {
return UUID.randomUUID().toString().replace(“-“, “”);
}
}
javaCopy code
import redis.clients.jedis.Jedis;
public class IdGenerator {
private static final String REDIS_HOST=”localhost”;
private static final int REDIS_PORT=6379;
private static final String REDIS_PASSWORD=”password”;
private static final int ID_GENERATOR_EXPIRE_SECONDS=3600;
private static final String ID_GENERATOR_KEY=”id_generator”;
public long generateId() {
Jedis jedis=null;
try {
jedis=new Jedis(REDIS_HOST, REDIS_PORT);
jedis.auth(REDIS_PASSWORD);
long id=jedis.incr(ID_GENERATOR_KEY);
jedis.expire(ID_GENERATOR_KEY, ID_GENERATOR_EXPIRE_SECONDS);
return id;
} catch (Exception e) {
e.printStackTrace();
} finally {
if (jedis !=null) {
jedis.close();
}
}
return 0L;
}
}
javaCopy code
import java.util.concurrent.CountDownLatch;
import org.apache.zookeeper.CreateMode;
import org.apache.zookeeper.WatchedEvent;
import org.apache.zookeeper.Watcher;
import org.apache.zookeeper.ZooDefs.Ids;
import org.apache.zookeeper.ZooKeeper;
public class IdGenerator implements Watcher {
private static final String ZK_HOST=”localhost”;
private static final int ZK_PORT=2181;
private static final int SESSION_TIMEOUT=5000;
private static final String ID_GENERATOR_NODE=”/id_generator”;
private static final int ID_GENERATOR_EXPIRE_SECONDS=3600;
private long workerId=0;
public IdGenerator() {
try {
ZooKeeper zk=new ZooKeeper(ZK_HOST + “:” + ZK_PORT, SESSION_TIMEOUT, this);
CountDownLatch latch=new CountDownLatch(1);
latch.await();
if (zk.exists(ID_GENERATOR_NODE, false)==null) {
zk.create(ID_GENERATOR_NODE, null, Ids.OPEN_ACL_UNSAFE, CreateMode.PERSISTENT);
}
workerId=zk.getChildren(ID_GENERATOR_NODE, false).size();
zk.create(ID_GENERATOR_NODE + “/worker_” + workerId, null, Ids.OPEN_ACL_UNSAFE, CreateMode.EPHEMERAL);
} catch (Exception e) {
e.printStackTrace();
}
}
public long generateId() {
ZooKeeper zk=null;
try {
zk=new ZooKeeper(ZK_HOST + “:” + ZK_PORT, SESSION_TIMEOUT, null);
CountDownLatch latch=new CountDownLatch(1);
latch.await();
zk.create(ID_GENERATOR_NODE + “/id_”, null, Ids.OPEN_ACL_UNSAFE, CreateMode.EPHEMERAL_SEQUENTIAL, (rc, path, ctx, name) -> {}, null);
byte[] data=zk.getData(ID_GENERATOR_NODE + “/worker_” + workerId, false, null);
long id=Long.parseLong(new String(data)) * 10000 + zk.getChildren(ID_GENERATOR_NODE, false).size();
return id;
} catch (Exception e) {
e.printStackTrace();
} finally {
if (zk !=null) {
try {
zk.close();
} catch (Exception e) {
e.printStackTrace();
}
}
}
return 0L;
}
@Override
public void process(WatchedEvent event) {
if (event.getState()==Event.KeeperState.SyncConnected) {
System.out.println(“Connected to ZooKeeper”);
CountDownLatch latch=new CountDownLatch(1);
latch.countDown();
}
}
}
注意，这里使用了ZooKeeper的临时节点来协调各个工作节点，如果一个工作节点挂掉了，它的临时节点也会被删除，这样可以保证每个工作节点获得的ID是唯一的。
以上就是各种分布式ID生成方案的详细代码demo，实际上，每种方案都有其优缺点，应根据具体业务场景和系统架构选择合适的方案。
以上就是redis分布式ID解决方案示例详解的详细内容，更多关于redis分布式ID的资料请关注脚本之家其它相关文章！
您可能感兴趣的文章:基于Redis实现分布式单号及分布式ID(自定义规则生成)Redisson分布式限流的实现原理解析redisson分布式限流RRateLimiter源码解析Spring?Boot?集成Redisson实现分布式锁详细案例Java实现redis分布式锁的三种方式Redis分布式锁解决秒杀超卖问题