1、為什么需要分布式ID？

對于單體系統來說，主鍵ID可能會常用主鍵自動的方式進行設置，這種ID生成方法在單體項目是可行的，但是對于分布式系統，分庫分表之后，就不適應了，比如訂單表數據量太大了，分成了多個庫，如果還采用數據庫主鍵自增的方式，就會出現在不同庫id一致的情況，雖然是不符合業務的

2、業務系統對分布式ID有什么要求？

• 全局唯一性：ID是作為唯一的標識，不能出現重復
• 趨勢遞增：互聯網比較喜歡MySQL數據庫，而MySQL數據庫默認使用InnoDB存儲引擎，其使用的是聚集索引，使用有序的主鍵ID有利于保證寫入的效率
• 單調遞增：保證下一個ID大于上一個ID，這種情況可以保證事務版本號，排序等特殊需求實現
• 信息安全：前面說了ID要遞增，但是最好不要連續，如果ID是連續的，容易被惡意爬取數據，指定一系列連續的，所以ID遞增但是不規則是最好的

3、分布式ID生成方案

• UUID
• 數據庫自增
• 號段模式
• Redis實現
• 雪花算法（SnowFlake）
• 百度Uidgenerator
• 美團Leaf
• 滴滴TinyID

3.1 UUID

UUID （Universally Unique Identifier），通用唯一識別碼的縮寫。UUID的標準型式包含32個16進制數字，以連字號分為五段，形式為8-4-4-4-12的36個字符，示例： 863e254b-ae34-4371-87da-204b71d46a7b。UUID理論上的總數為1632=2128，約等于3.4 x 10^38。

• 優點
  • 性能非常高，本地生成的，不依賴于網絡
• 缺點
  • 不易存儲，16 字節128位，36位長度的字符串
  • 信息不安全，基于MAC地址生成UUID的算法可能會造成MAC地址泄露，暴露使用者的位置
  • uuid的無序性可能會引起數據位置頻繁變動，影響性能

3.2、數據庫自增

在分布式環境也可以使用mysql的自增實現分布式ID的生成，如果分庫分表了，當然不是簡單的設置好auto_increment_increment和 auto_increment_offset 即可，在分布式系統中我們可以多部署幾臺機器，每臺機器設置不同的初始值，且步長和機器數相等。比如有兩臺機器。設置步長step為2，Server1的初始值為1（1，3，5，7，9，11…）、Server2的初始值為2（2，4，6，8，10…）。這是Flickr團隊在2010年撰文介紹的一種主鍵生成策略（Ticket Servers: Distributed Unique Primary Keys on the Cheap ）

假設有N臺機器，step就要設置為N，如圖進行設置：

這種方案看起來是可行的，但是如果要擴容，步長step等要重新設置，假如只有一臺機器，步長就是1，比如1,2,3,4,5,6，這時候如果要進行擴容，就要重新設置，機器2可以挑一個偶數的數字，這個數字在擴容時間內，數據庫自增要達不到這個數的，然后步長就是2，機器1要重新設置step為2，然后還是以一個奇數開始進行自增。這個過程看起來不是很雜，但是，如果機器很多的話，那就要花很多時間去維護重新設置

這種實現的缺陷：

• ID沒有了單調遞增的特性，只能趨勢遞增，有些業務場景可能不符合
• 數據庫壓力還是比較大，每次獲取ID都需要讀取數據庫，只能通過多臺機器提高穩定性和性能

3.3、號段模式

這種模式也是現在生成分布式ID的一種方法，實現思路是會從數據庫獲取一個號段范圍，比如[1,1000]，生成1到1000的自增ID加載到內存中，建表結構如：

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 ：不同業務類型
• max_id ：當前最大的id
• step ：代表號段的步長
• version ：版本號，就像MVCC一樣，可以理解為樂觀鎖

等ID都用了，再去數據庫獲取，然后更改最大值

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

• 優點：有比較成熟的方案，像百度Uidgenerator，美團Leaf
• 缺點：依賴于數據庫實現

3.4、 Redis實現

Redis分布式ID實現主要是通過提供像INCR 和 INCRBY 這樣的自增原子命令，由于Redis單線程的特點，可以保證ID的唯一性和有序性

這種實現方式，如果并發請求量上來后，就需要集群，不過集群后，又要和傳統數據庫一樣，設置分段和步長

優缺點：

• 優點：Redis性能相對比較好，又可以保證唯一性和有序性
• 缺點：需要依賴Redis來實現，系統需要引進Redis組件

3.4、 雪花算法（SnowFlake）

Snowflake，雪花算法是由Twitter開源的分布式ID生成算法，以劃分命名空間的方式將
64-bit位分割成多個部分，每個部分代表不同的含義，64位，在java中Long類型是64位的，所以java程序中一般使用Long類型存儲

• 第一部分：第一位占用1bit，始終是0，是一個符號位，不使用

• 第二部分：第2位開始的41位是時間戳。41-bit位可表示2^{41個數，每個數代表毫秒，那么雪花算法可用的時間年限是(2}41)/(1000606024365)=69 年的時間

• 第三部分：10-bit位可表示機器數，即2^10 = 1024臺機器。通常不會部署這么多臺機器

• 第四部分：12-bit位是自增序列，可表示2^12 = 4096個數。覺得一毫秒個數不夠用也可以調大點

• 優點：雪花算法生成的ID是趨勢遞增，不依賴數據庫等第三方系統，生成ID的效率非常高，穩定性好，可以根據自身業務特性分配bit位，比較靈活

• 缺點：雪花算法強依賴機器時鐘，如果機器上時鐘回撥，會導致發號重復或者服務會處于不可用狀態。如果恰巧回退前生成過一些ID，而時間回退后，生成的ID就有可能重復。

3.5、 百度Uidgenerator

百度的UidGenerator是百度開源基于Java語言實現的唯一ID生成器，是在雪花算法 snowflake 的基礎上做了一些改進。
引用官網的解釋：

UidGenerator是Java實現的, 基于Snowflake算法的唯一ID生成器。UidGenerator以組件形式工作在應用項目中, 支持自定義workerId位數和初始化策略, 從而適用于docker等虛擬化環境下實例自動重啟、漂移等場景。 在實現上, UidGenerator通過借用未來時間來解決sequence天然存在的并發限制; 采用RingBuffer來緩存已生成的UID, 并行化UID的生產和消費, 同時對CacheLine補齊，避免了由RingBuffer帶來的硬件級「偽共享」問題. 最終單機QPS可達600萬。

Snowflake算法描述：指定機器 & 同一時刻 & 某一并發序列，是唯一的。據此可生成一個64 bits的唯一ID（long）。默認采用上圖字節分配方式：

• sign(1bit)：固定1bit符號標識，即生成的UID為正數。
• delta seconds (28 bits)：當前時間，相對于時間基點"2016-05-20"的增量值，單位：秒，最多可支持約8.7年
• worker id (22 bits)：機器id，最多可支持約420w次機器啟動。內置實現為在啟動時由數據庫分配，默認分配策略為用后即棄，后續可提供復用策略。
• sequence (13 bits)：每秒下的并發序列，13 bits可支持每秒8192個并發。

詳細的，可以參考官網解釋，鏈接：https://github.com/baidu/uid-generator/blob/master/README.zh_cn.md

3.6、 美團Leaf

Leaf這個名字是來自德國哲學家、數學家萊布尼茨的一句話： >There are no two
identical leaves in the world > “世界上沒有兩片相同的樹葉”

Leaf 提供兩種生成的ID的方式：號段模式(Leaf-segment)和snowflake模式(Leaf-snowflake）。你可以同時開啟兩種方式，也可以指定開啟某種方式，默認兩種方式為關閉狀態。

• Leaf-segment數據庫方案
  其實就是前面介紹的號段模式的改進，可以引用美團技術博客的介紹：

第一種Leaf-segment方案，在使用數據庫的方案上，做了如下改變： - 原方案每次獲取ID都得讀寫一次數據庫，造成數據庫壓力大。改為利用proxy server批量獲取，每次獲取一個segment(step決定大小)號段的值。用完之后再去數據庫獲取新的號段，可以大大的減輕數據庫的壓力。 - 各個業務不同的發號需求用biz_tag字段來區分，每個biz-tag的ID獲取相互隔離，互不影響。如果以后有性能需求需要對數據庫擴容，不需要上述描述的復雜的擴容操作，只需要對biz_tag分庫分表就行

表結構設計：

>+-------------+--------------+------+-----+-------------------+-----------------------------+
| Field       | Type         | Null | Key | Default           | Extra                       |
+-------------+--------------+------+-----+-------------------+-----------------------------+
| biz_tag     | varchar(128) | NO   | PRI |                   |                             |
| max_id      | bigint(20)   | NO   |     | 1                 |                             |
| step        | int(11)      | NO   |     | NULL              |                             |
| desc        | varchar(256) | YES  |     | NULL              |                             |
| update_time | timestamp    | NO   |     | CURRENT_TIMESTAMP | on update CURRENT_TIMESTAMP |
+-------------+--------------+------+-----+-------------------+-----------------------------+

• Leaf-snowflake方案
  Leafsnowflake是在雪花算法上改進來的，引用官網技術博客介紹：

Leaf-snowflake方案完全沿用snowflake方案的bit位設計，即是“1+41+10+12”的方式組裝ID號。對于workerID的分配，當服務集群數量較小的情況下，完全可以手動配置。Leaf服務規模較大，動手配置成本太高。所以使用Zookeeper持久順序節點的特性自動對snowflake節點配置wokerID。Leaf-snowflake是按照下面幾個步驟啟動的：

• 啟動Leaf-snowflake服務，連接Zookeeper，在leaf_forever父節點下檢查自己是否已經注冊過（是否有該順序子節點）。
• 如果有注冊過直接取回自己的workerID（zk順序節點生成的int類型ID號），啟動服務。
• 如果沒有注冊過，就在該父節點下面創建一個持久順序節點，創建成功后取回順序號當做自己的workerID號，啟動服務。

這種方案解決了前面提到的雪花算法的缺陷，官網沒解釋，不過Leaf-snowflake對其進行改進，官網的流程圖

詳細介紹請看官網：https://tech.meituan.com/2017/04/21/mt-leaf.html

3.7、 滴滴TinyID

Tinyid是用Java開發的一款分布式id生成系統，基于數據庫號段算法實現。Tinyid擴展了leaf-segment算法，支持了多數據庫和tinyid-client

Tinyid也是基于號段算法實現，系統實現圖如下：

• 優點：方便集成，有成熟的方案和解決實現
• 缺點：依賴 DB的穩定性，需要采用集群主從備份的方式提高 DB的可用性
  滴滴TinyID wiki：https://github.com/didi/tinyid/wiki

csdn鏈接