分布式全局ID解决方案解析及示例
1. UUID：
- 基于RFC 4122标准生成的128位（16字节）全局唯一标识符。
- 优点：
- 无需中心化服务或协调即可生成，完全离线可用
- 生成的ID几乎可以确保全球范围内的唯一性，无需担心重复。
- 缺点：
- ID长度较长，存储和传输成本相对较高。
- 非顺序生成，不利于数据库索引优化，影响查询效率，特别是在需要扫描数据段的场景下。
- 无趋势递增性，不利于缓存命中和排序。
2. 数据库自增ID：
- 利用关系型数据库的自增序列或类似机制生成ID。
- 优点：
- 简单易用，保证唯一性。
- ID按顺序生成，有利于数据库索引优化和排序。
- 缺点：
- 需要中心化的数据库服务，单点故障风险高，难以水平扩展。
- 在高并发场景下可能成为瓶颈，且对数据库的可用性和性能有较高依赖。
3. 号段模式：
- 通过预分配一定数量（如1000个）的ID作为一个号段，服务从中心节点（如数据库或专门的服务）批量获取号段，在本地进行分配。
- 优点：
- 减轻了对中心节点的压力，提升ID生成性能。
- ID趋势递增，利于索引优化。
- 缺点：
- 需要管理号段的分配与回收，复杂度稍高。
- 号段耗尽时需要及时从中心节点获取新的号段，否则可能导致ID生成阻塞。
4. 雪花算法（Snowflake）：
- 结构化的64位ID，通常包含时间戳、工作机器ID、序列号等组成部分。
- 优点：
- 无需中心节点，支持分布式环境下的独立生成。
- ID趋势递增，利于索引优化。
- 可以根据时间戳判断ID生成的大致时间。
- 缺点：
- 依赖于准确的时间同步，时钟回拨可能导致ID冲突。
- 工作机器ID和序列号的管理需要考虑扩容、容错等因素。
5. 基于Redis的ID生成：
- 利用Redis的原子操作（如`INCR`或`INCRBY`）在一个特定键上递增，实现全局唯一ID的生成。
- 优点：
- 利用Redis的高性能和高可用性，生成速度快。
- 简单易用，支持分布式环境。
- 缺点：
- 对Redis服务的依赖性强，Redis故障可能影响ID生成。
- 如果单个Redis实例成为瓶颈，可能需要引入分片或集群方案，增加复杂性。
6. 专用ID生成服务（如Leaf）：
- 使用专门设计的分布式ID生成服务，如美团的Leaf，它通常集成了多种策略，如号段模式、雪花算法等，并提供了额外的功能如容错、监控等。
- 优点：
- 高度可定制，易于适应不同的业务需求。
- 集成了运维、监控、容错等高级功能，简化运维。
- 缺点：
- 需要维护额外的服务组件，增加了系统的复杂性。
- 对特定服务的依赖性较强，服务故障可能影响ID生成。
实际项目应用中，雪花算法及redis实现分布式全局ID这两种方案比较常见，下面给出两者的java代码示例供参考：
雪花算法（Snowflake）Java代码示例： import java.util.HashSet; import java.util.Set; /** * 雪花ID生成 * * @author Auler_zrl */ public class SnowflakeUtils { private static SnowflakeUtils snowflakeUtils = new SnowflakeUtils(); // 起始的时间戳 private final static long START_STMP = 1579305600000L; // 毫秒时间戳 // 每一部分占用的位数 private final static long SEQUENCE_BIT = 12; // 序列号占用的位数 private final static long MACHINE_BIT = 5; // 机器标识占用的位数 private final static long DATACENTER_BIT = 5; // 数据中心占用的位数 // 每一部分最大值 private final static long MAX_DATACENTER_NUM = -1L ^ (-1L << DATACENTER_BIT); // 支持的最大数据中心ID，结果是31 private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT); // 支持的最大机器ID，结果是31 private final static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT); // 每一部分向左的位移 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 = 0; // 数据中心[0, 2^DATACENTER_BIT) private long machineId = 0; // 机器标识[0, 2^MACHINE_BIT) private long sequence = 0L; // 毫秒内序列号(0~4095) private long lastStmp = -1L; // 上一次时间戳 // 默认构造函数 public SnowflakeUtils() { } /** * 构造函数(分布式每台机子每条线程都不一样参数) * * @param datacenterId 数据中心 * @param machineId 机器id */ public SnowflakeUtils(long datacenterId, long machineId) { if (datacenterId > MAX_DATACENTER_NUM || datacenterId < 0 || 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; } // 产生下一个ID public String nextStrId() { return String.valueOf(nextId()); } // 产生下一个ID public synchronized long nextId() { long currStmp = getNewstmp(); if (currStmp < lastStmp) { throw new RuntimeException("Clock moved backwards. Refusing to generate id for " + (lastStmp - currStmp) + " milliseconds"); } if (currStmp == lastStmp) { // 同一毫秒内，序列号自增 sequence = (sequence + 1) & MAX_SEQUENCE; // 序列号溢出，阻塞到下一毫秒 if (sequence == 0) { currStmp = getNextMill(); } } else { // 不同毫秒内，序列号重置 sequence = 0L; } lastStmp = currStmp; // 组装ID 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(); } } 使用Redis生成全局ID的Java代码示例： 以下示例使用Jedis客户端与Redis交互，通过`INCR`命令递增一个键的值来生成全局ID。请确保已安装并配置好Jedis库。 import redis.clients.jedis.Jedis; public class RedisGlobalIdGenerator { private final Jedis jedis; public RedisGlobalIdGenerator(Jedis jedis) { this.jedis = jedis; } public long generateUniqueId(String key) { return jedis.incr(key); } } 使用示例： import redis.clients.jedis.Jedis; public class Main { public static void main(String[] args) { Jedis jedis = new Jedis("localhost"); // 替换为实际的Redis服务器地址和端口 RedisGlobalIdGenerator generator = new RedisGlobalIdGenerator(jedis); String key = "global_id_counter"; for (int i = 0; i < 10; i++) { long id = generator.generateUniqueId(key); System.out.println("Generated ID: " + id); } jedis.close(); } } 对于更复杂的场景，可能需要使用更高级的Redis客户端库（如Lettuce）或Redis的分布式ID生成插件（如RedLock、Redisson等）。
如何选择合适的分布式全局ID解决方案：
- 业务需求分析：
- 是否需要ID的趋势递增性？这会影响数据库索引和查询效率。
- 是否要求ID能反映生成时间？某些场景下，时间信息嵌入ID有助于数据分析。
- 是否有严格的ID生成速率要求？高并发场景下，需确保ID生成系统的吞吐量。
- 系统架构考量：
- 系统是否高度分布，是否允许引入中心化依赖？中心化方案（如数据库自增ID）可能不适合大规模分布式系统。
- 系统是否有严格的低延迟要求？某些方案（如号段模式、Redis）能够提供更低的延迟。
- 技术栈与运维能力：
- 团队对现有技术栈的熟悉程度，是否易于集成新组件。
- 运维团队对所选方案的监控、故障排查、扩展等能力。
- 成本与资源限制：
- 存储成本：考虑ID长度对数据库存储的影响，以及潜在的带宽消耗。
- 硬件资源：如Redis或专用ID服务可能需要额外的计算和内存资源。
综上所述，选择分布式全局ID解决方案应综合考虑业务需求、系统架构、技术栈、运维能力和成本因素，权衡各种方案的优缺点，选择最适合当前场景的策略。在实际应用中，有时会结合使用多种方案或者对已有方案进行适当改良，以满足特定业务场景的复杂需求。