• 搜素结果

 / 

互联网分布式id生成方法|msup微课干货

来源于壹佰案例
2016.06.03
7689


所有的业务系统都有生成一个记录标识的需求,这个记录标识的查询往往又有分页或排序的业务需求,那么如何高效生成趋势有序的全局唯一ID呢?

msup微课堂请来了58到家技术总监沈剑老师,一起聊聊「互联网分布式id生成方法」。



课堂实录


一、需求缘起 

 
 
 
 
 
 
 
 

几乎所有的业务系统,都有生成一个记录标识的需求例如

1消息标识:message-id

2订单标识:order-id

3帖子标识:tiezi-id

这个记录标识往往就是数据库中的唯一主键数据库上会建立聚集索引(cluster index),即在物理存储上以这个字段排序

这个记录标识上的查询,往往又有分页或者排序的业务需求例如

1拉取最新的一页消息select message-id/ order by time/ limit 100

2拉取最新的一页订单select order-id/ order by time/ limit 100

3拉取最新的一页帖子select tiezi-id/ order by time/ limit 100

所以往往要有一个time字段,并且在time字段上建立普通索引(non-cluster index)

我们都知道普通索引存储的是实际记录的指针,其访问效率会比聚集索引慢如果记录标识在生成时能够基本按照时间有序,则可以省去这个time字段的索引查询select message-id/ (order by message-id)/limit 100

能这么做的前提是,message-id的生成基本是趋势时间递增的

这就引出了记录标识生成(也就是上面提到的三个XXX-id)的两大核心需求

(1)全局唯一

(2)趋势有序

这也是今天要讨论的核心问题:互联网公司如何高效生成趋势有序的全局唯一ID。


二、常见方法 

 
 
 
 
 
 
 
 

常见方法一:使用数据库的 auto_increment 特性来生成全局唯一递增ID

这种方案的优点是:

(1)简单,使用数据库已有的功能

(2)能够保证唯一性

(3)能够保证递增性

(4)步长固定

缺点也比较明显:

(1)可用性难以保证数据库常见架构是一主多从+读写分离,生成自增ID是写请求,主库挂了就玩不转了

(2)扩展性差,性能有上限因为写入是单点,数据库主库的写性能决定ID的生成性能上限,并且难以扩展

为了缓解这些问题,有这样一种优化方案

1增加主库,避免写入单点

2数据水平切分,保证各主库生成的ID不重复


如上图所述,由1个写库变成3个写库,每个写库设置不同的auto_increment初始值,以及相同的增长步长,以保证每个数据库生成的ID是不同的(上图中库0生成0,3,6,9…,库1生成1,4,7,10,库2生成2,5,8,11…,保证各库生成的id不重复)。

改进后的架构保证了可用性,但缺点也随之而来:

(1)丧失了ID生成的“绝对递增性”:先访问库0生成0,3,再访问库1生成1,可能导致在非常短的时间内,ID生成不是绝对递增的。(这个问题不大,我们的目标是趋势递增,不是绝对递增。)

(2)数据库的写压力依然很大:因为每次生成ID依然都要访问数据库。

为了解决上述两个问题,引出了第二个常见的方案。


【常见方法二:单点批量ID生成服务】

分布式系统之所以难,很重要的原因之一是“没有一个全局时钟,难以保证绝对的时序”,要想保证绝对的时序,还是只能使用单点服务,用本地时钟保证“绝对时序”(单点master数据库能保证id唯一,递增,步长相同也是因为它是单点)。数据库写压力大,是因为每次生成ID都访问了数据库,可以使用批量的方式降低数据库写压力。


如上图所述,数据库使用双master保证可用性,数据库中只存储当前ID的最大值,例如0。ID生成服务假设每次批量拉取6个ID,服务访问数据库,将当前ID的最大值修改为5,这样应用访问ID生成服务索要ID,ID生成服务不需要每次访问数据库,就能依次派发0,1,2,3,4,5这些ID了,当ID发完后,再将ID的最大值修改为11,就能再次派发6,7,8,9,10,11这些ID了,于是数据库的压力就降低到原来的1/6。

批量是一种常见的降低数据库写压力的方案。方案的优点是:

(1)保证了ID生成的绝对递增有序;

(2)大大的降低了数据库的压力,ID生成可以做到每秒生成几万几十万个(单点数据库扛不住这么大的写量)。

缺点是:

(1)服务仍然是单点;

(2)如果服务挂了,服务重启起来之后,继续生成ID可能会不连续,中间出现空洞。服务内存是保存着0,1,2,3,4,5,数据库中max-id是5,分配到3时,服务重启了,下次会从6开始分配,4和5就成了空洞,不过这个问题也不大;

(3)虽然每秒可以生成几万几十万个ID,但毕竟还是有性能上限(例如每秒生成30w个?),无法进行水平扩展。

对于单点的改进方法是:单点服务的常用高可用优化方案是“备用服务”,也叫“影子服务”。


如上图,对外提供的服务是主服务,有一个影子服务时刻处于备用状态,当主服务挂了的时候影子服务顶上。这个切换的过程对调用方是透明的,可以自动完成,常用的技术是vip+keepalived,具体就不在这里展开。GFS的单点master也是使用类似的方式保证高可用的。

上述方案来生成ID,虽然性能大增,但由于是单点系统,总还是存在性能上限的,怎么优化解决?同时,上述两种方案,不管是数据库还是服务来生成ID,业务方Application都需要进行一次远程调用,比较耗时。有没有一种本地生成ID的方法,即高性能,又时延低呢?

这就引出了第三种方案。


【常见方法三:uuid。string ID =GenUUID();】

这个方法的优点是:

(1)本地生成ID,不需要进行远程调用,时延低;

(2)扩展性好,基本可以认为没有性能上限。

缺点也很显而易见:

(1)无法保证趋势递增

(2)uuid过长,往往用字符串表示,作为主键建立索引查询效率低

常见优化方案为“转化为两个uint64整数存储”或者“折半存储”。而折半后又不能保证唯一性了。


【常见方法四:取当前毫秒数。】

uuid是一个本地算法,生成性能高,但无法保证趋势递增,且作为字符串ID检索效率低,有没有一种能保证递增的本地算法呢?

取当前毫秒数是一种常见方案:uint64 ID = GenTimeMS();它克服了uuid无法递增,且字符串效率低的缺点。

优点有:

(1)本地生成ID,不需要进行远程调用,时延低;

(2)生成的ID趋势递增;

(3)生成的ID是整数,建立索引后查询效率高。

缺点也很容易看到:

(1)如果并发量超过1000,会生成重复的ID(因为1s内只有1000个毫秒)

我去,这个缺点要了命了,不能保证ID的唯一性;

当然,你可以说不用毫秒用微秒,使用微秒可以降低冲突概率,但每秒最多只能生成1000000个ID,再多的话就一定会冲突了,所以使用微秒并不从根本上解决问题。


【常见方法五:类snowflake算法】

snowflake是twitter开源的分布式ID生成算法(它是业务相关的),其核心思想是:一个long型的ID(64bit),使用其中41bit作为毫秒数,10bit作为机器编号,12bit作为毫秒内序列号。这个算法单机每秒内理论上最多可以生成1000*(2^12),也就是400W的ID,完全能满足业务的需求。

借鉴snowflake的思想,结合各公司的业务逻辑和并发量,完全可以实现自己的分布式ID生成算法。

举例,假设某公司ID生成器服务的需求如下:

(1)单机高峰并发量小于1W,预计未来5年单机高峰并发量小于10W;

(2)有2个机房,预计未来5年机房数量小于4个;

(3)每个机房机器数小于100台;

4目前有5个业务线有ID生成需求,预计未来业务线数量小于10个。

我们怎么来设计自己业务相关的id生成算法呢?结合业务需求,分析过程如下:

(1)高位取从2016年1月1日到现在的毫秒数(假设系统ID生成器服务在这个时间之后上线),假设系统至少运行10年,那至少需要10年*365天*24小时*3600秒*1000毫秒=320*10^9,差不多预留39bit给毫秒数;

(2)每秒的单机高峰并发量小于10W,即平均每毫秒的单机高峰并发量小于100,差不多预留7bit给每毫秒内序列号;

(3)5年内机房数小于4个,预留2bit给机房标识;

(4)每个机房小于100台机器,预留7bit给每个机房内的服务器标识。业务线小于10个,预留4bit给业务线标识。

于是乎,我们设计的id生成算法大致是这样的:


这样设计的64bit标识,可以保证:

(1)每个业务线、每个机房、每个机器生成的ID都是不同的;

(2)同一个机器,每个毫秒内生成的ID都是不同的;

(3)同一个机器,同一个毫秒内,以序列号区区分保证生成的ID是不同的;

(4)将毫秒数放在最高位,保证生成的ID是趋势递增的。

这个方案也有其不足:

(1)由于“没有一个全局时钟”,每台服务器分配的ID是绝对递增的,但从全局看,生成的ID只是趋势递增的(有些服务器的时间早,有些服务器的时间晚)。

最后一个容易忽略的问题:

生成的ID,例如message-id/ order-id/ tiezi-id,在数据量大时往往需要分库分表,这些ID经常作为取模分库分表的依据,为了分库分表后数据均匀,ID生成往往有“取模随机性”的需求,所以我们通常把每豪秒内的序列号放在ID的最末位,保证生成的ID是随机的。

又如果,我们在跨毫秒时,序列号总是归0,会使得序列号为0的ID比较多,导致生成的ID取模后不均匀解决方法是,序列号不是每次都归0,而是归一个0到9的随机数。


三、总结

 
 
 
 
 
 
 
 

互联网高并发的环境下,要生成 1)唯一;2)趋势递增;3)具备随机性的id。

常用的有这么5种方法

1、使用数据库的 auto_increment 特性来生成全局唯一递增ID;

2、单点批量ID生成服务来生成全局唯一递增ID;

3、Uuid;

4、取当前毫秒数;

5、类snowflake算法,结合自己的业务设计自己的id生成算法。


Q&A 环节


Q:第二三种方法有个专门生成ID的服务器,是要专门建一个数据库只存那张id表?

A:是的,数据库一个表,只存max-id就能保证派发出去的id是唯一的。


Q:第五种方案(类snowflake方案)会不会也有断点递增呢?

A:毫秒数放在最高位,生成的id本身不是连续的,不出也不是相同的,是趋势递增的。


Q:每次毫秒序号都从随机数开始,这个会不会影响性能?

A:根据经验不会,这个本地操作速度很快的。


Q:拿到的ID什么时候持久化?

A:如果只是一个发号器服务,提供生成唯一、递增、随机id的服务,业务方拿到id后,具体怎么固化业务方自己可以决定。


Q:每个业务线、每个机房、每个机器生成的ID都是不同的,这个用什么方式来保证唯一性?

A:上文有提到,一个64bit的id,其中有若干bit来区分业务线、机房、机器。


Q:同一个机器,同一个毫秒内,以序列号区区分保证生成的ID是不同的,序列号区是怎么用来保证id不同的呢?

A:同一个毫秒内的序列号,只要本地i++,就能保证不同。


Q:由于“没有一个全局时钟”,每台服务器分配的ID是绝对递增的,但从全局看,生成的ID只是趋势递增的(有些服务器的时间早,有些服务器的时间晚) ,这个问题你们的处理方案是什么?

A:比较难解决,所以只能保证趋势递增(如果请求落到不同的服务器,短时间内可能交错),但不会影响唯一性。


Q:不可能手动配置写死吧?

A:可以用配置中心。


Q:第五种方法是不是就是要把这个开源代码放在应用代码里呢,然后再根据自己的业务去修改?那我们dba的如何去管控?

A:最好是提供一个发号器服务,或者提供一个公用的库。


Q:也需要一个中心化的应用去给每个启动的节点派发一个workerid吧?例如zk。

A:是的,配置中心。


Q:为什么要保证每个业务线的ID也不同?

A:这是一个举例,有些公司可能有类似的业务需求。如果没有这类需求,64bit里就不用设置若干bit来区分业务线。

补充:类snowflake算法还有一个优点,就是它生成的id是可以反解的,可以通过id来判断当时生成的:时间,机器,机房,业务线。



讲师介绍

沈剑:58到家技术总监,互联网架构技术专家,“架构师之路”公众号作者。曾任百度高级工程师,58同城高级架构师,58同城技术委员会主席,58同城C2C技术部负责人,58同城技术学院优秀讲师。参与过多个百度hi重大项目的研发,2011年加盟58同城,负责过58同城即时通讯,支付系统重构,摊销系统重构,数据库中间件,58同城推荐系统,58同城商户平台App重构,58同城二手交易平台58转转等多个系统与项目的设计与实现。20159月调任至58到家,任技术委员会主席,技术总监,负责数据库、后端平台、基础服务、架构部、测试平台等多个后端部门。




原创

版权声明:

本文系壹佰案例原创内容,如需转载请注明编者、出处

并保留文章在msup(http://www.msup.com.cn/)的完整链接,谢谢!

欢迎来到msup!

还不是msup会员?快来注册吧!

立即注册

服务热线

400-812-8020

market@msup.com.cn

官方微信公众号

微信公众号:msupclub

Copyright © 2017 msup

京ICP备09001521号