數據庫主鍵是自增好仍是UUID好,分佈式環境下如何保證主鍵的惟一性

時間 2019-11-17

標籤數據庫仍是 uuid 分佈式環境如何保證惟一欄目 SQL 简体版

原文原文鏈接

自增主鍵和UUID主鍵的優缺點及適用場景

咱們首先考慮效率和存儲空間,而後再考慮安全和分佈式html

使用自增主鍵

優勢:

一、數據存儲空間小git

二、查詢效率高github

缺點:

一、若是數據量過大,會超出自增加的值範圍算法

二、分佈式存儲的表操做,尤爲是在合併的時候操做複雜數據庫

三、安全性低,由於是有規律的,若是惡意扒取用戶信息會很容易,若是是單據編號使用,競爭對手會容易查詢出貨量安全

使用UUID主鍵

優勢:

一、出現重複的機會少bash

二、適合大量數據的插入和更新操做,尤爲是在高併發和分佈式環境下併發

三、安全性較高less

缺點:

一、存儲空間大（16 byte）,所以它將會佔用更多的磁盤空間, MySQL官方有明確的建議主鍵要儘可能越短越好，36個字符長度的UUID不符合要求分佈式

二、性能下降,對MySQL索引不利: 若是做爲數據庫主鍵，在InnoDB引擎下，UUID的無序性可能會引發數據位置頻繁變更，嚴重影響性能。

適用場景

一、項目是單機版的,而且數據量比較大（百萬級）時,用自增加的,此時最好能考慮下安全性,作些安全措施

二、項目是單機版的,而且數據量沒那麼大,對速度和存儲要求不高時,用UUID

三、項目是分佈式的,那麼首選UUID,分佈式通常對速度和存儲要求不高

四、項目是分佈式的,而且數據量達到千萬級別可更高時,對速度和存儲有要求時,能夠用自增加。

分佈式環境下保證主鍵的惟一性

目前兩種解決方式,下面分別介紹:

Twitter-Snowflake 64位自增id算法

背景:

Twitter-Snowflake算法產生的背景至關簡單,爲了知足Twitter每秒上萬條消息的請求,每條消息都必須分配一條惟一的id,這些id還須要一些大體的順序（方便客戶端排序）,而且在分佈式系統中不一樣機器產生的id必須不一樣

Snowflake算法核心

時間戳 + 工做機器id + 序列

Snowflake ID有64bits長由如圖4部分組成:

第一位不可用
第二組 timestamp—41bits 使用41位時間戳,精確到毫秒,意味着其能夠表示長達(2^41-1)/(1000360024*365)=139.5年，另外使用者能夠本身定義一個開始紀元（epoch)，而後用(當前時間-開始紀元）算出time，這表示在time這個部分在140年的時間裏是不會重複的,另外這裏用time還有一個很重要的緣由，就是能夠直接更具time進行排序，對於twitter這種更新頻繁的應用，時間排序就顯得尤其重要了。
machine id—10bits(工做機器id),該部分其實由datacenterId和workerId兩部分組成，這兩部分是在配置文件中指明的:

10位的數據機器位，能夠部署在1024個節點，包括5位datacenterId和5位workerId

一、datacenterId，方便搭建多個生成uid的service，並保證uid不重複，好比在datacenter0將機器0，1，2組成了一個生成uid的service，而datacenter1此時也須要一個生成uid的service，從本中心獲取uid顯然是最快最方便的，那麼它能夠在本身中心搭建，只要保證datacenterId惟一。若是沒有datacenterId，即用10bits，那麼在搭建一個新的service前必須知道目前已經在用的id，不然不能保證生成的id惟一，好比搭建的兩個uid service中都有machine id爲100的機器，若是其server時間相同，那麼產生相同id的狀況不可避免。

二、workerId是實際server機器的代號，最大到32，同一個datacenter下的workerId是不能重複的。它會被註冊到consul上，確保workerId未被其餘機器佔用，並將host:port值存入，註冊成功後就能夠對外提供服務了。

sequence id —12bits(序列號),該id能夠表示4096個數字，它是在time相同的狀況下，遞增該值直到爲0，即一個循環結束，此時便只能等到下一個ms到來，通常狀況下4096/ms的請求是不太可能出現的，因此足夠使用了。

源碼

/**
 * Twitter_Snowflake<br>
 * SnowFlake的結構以下(每部分用-分開):<br>
 * 0 - 0000000000 0000000000 0000000000 0000000000 0 - 00000 - 00000 - 000000000000 <br>
 * 1位標識，因爲long基本類型在Java中是帶符號的，最高位是符號位，正數是0，負數是1，因此id通常是正數，最高位是0<br>
 * 41位時間截(毫秒級)，注意，41位時間截不是存儲當前時間的時間截，而是存儲時間截的差值（當前時間截 - 開始時間截)
 * 獲得的值），這裏的的開始時間截，通常是咱們的id生成器開始使用的時間，由咱們程序來指定的（以下下面程序IdWorker類的startTime屬性）。41位的時間截，可使用69年，年T = (1L << 41) / (1000L * 60 * 60 * 24 * 365) = 69<br>
 * 10位的數據機器位，能夠部署在1024個節點，包括5位datacenterId和5位workerId<br>
 * 12位序列，毫秒內的計數，12位的計數順序號支持每一個節點每毫秒(同一機器，同一時間截)產生4096個ID序號<br>
 * 加起來恰好64位，爲一個Long型。<br>
 * SnowFlake的優勢是，總體上按照時間自增排序，而且整個分佈式系統內不會產生ID碰撞(由數據中心ID和機器ID做區分)，而且效率較高，經測試，SnowFlake每秒可以產生26萬ID左右。
 */
public class SnowflakeIdWorker {

    // ==============================Fields===========================================
    /** 開始時間截 (2015-01-01) */
    private final long twepoch = 1420041600000L;

    /** 機器id所佔的位數 */
    private final long workerIdBits = 5L;

    /** 數據標識id所佔的位數 */
    private final long datacenterIdBits = 5L;

    /** 支持的最大機器id，結果是31 (這個移位算法能夠很快的計算出幾位二進制數所能表示的最大十進制數) */
    private final long maxWorkerId = -1L ^ (-1L << workerIdBits);

    /** 支持的最大數據標識id，結果是31 */
    private final long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);

    /** 序列在id中佔的位數 */
    private final long sequenceBits = 12L;

    /** 機器ID向左移12位 */
    private final long workerIdShift = sequenceBits;

    /** 數據標識id向左移17位(12+5) */
    private final long datacenterIdShift = sequenceBits + workerIdBits;

    /** 時間截向左移22位(5+5+12) */
    private final long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;

    /** 生成序列的掩碼，這裏爲4095 (0b111111111111=0xfff=4095) */
    private final long sequenceMask = -1L ^ (-1L << sequenceBits);

    /** 工做機器ID(0~31) */
    private long workerId;

    /** 數據中心ID(0~31) */
    private long datacenterId;

    /** 毫秒內序列(0~4095) */
    private long sequence = 0L;

    /** 上次生成ID的時間截 */
    private long lastTimestamp = -1L;

    //==============================Constructors=====================================
    /**
     * 構造函數
     * @param workerId 工做ID (0~31)
     * @param datacenterId 數據中心ID (0~31)
     */
    public SnowflakeIdWorker(long workerId, long datacenterId) {
        if (workerId > maxWorkerId || workerId < 0) {
            throw new IllegalArgumentException(String.format("worker Id can't be greater than %d or less than 0", maxWorkerId));
        }
        if (datacenterId > maxDatacenterId || datacenterId < 0) {
            throw new IllegalArgumentException(String.format("datacenter Id can't be greater than %d or less than 0", maxDatacenterId));
        }
        this.workerId = workerId;
        this.datacenterId = datacenterId;
    }

    // ==============================Methods==========================================
    /**
     * 得到下一個ID (該方法是線程安全的)
     * @return SnowflakeId
     */
    public synchronized long nextId() {
        long timestamp = timeGen();

        //若是當前時間小於上一次ID生成的時間戳，說明系統時鐘回退過這個時候應當拋出異常
        if (timestamp < lastTimestamp) {
            throw new RuntimeException(
                    String.format("Clock moved backwards. Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));
        }

        //若是是同一時間生成的，則進行毫秒內序列
        if (lastTimestamp == timestamp) {
            sequence = (sequence + 1) & sequenceMask;
            //毫秒內序列溢出
            if (sequence == 0) {
                //阻塞到下一個毫秒,得到新的時間戳
                timestamp = tilNextMillis(lastTimestamp);
            }
        }
        //時間戳改變，毫秒內序列重置
        else {
            sequence = 0L;
        }

        //上次生成ID的時間截
        lastTimestamp = timestamp;

        //移位並經過或運算拼到一塊兒組成64位的ID
        return ((timestamp - twepoch) << timestampLeftShift) //
                | (datacenterId << datacenterIdShift) //
                | (workerId << workerIdShift) //
                | sequence;
    }

    /**
     * 阻塞到下一個毫秒，直到得到新的時間戳
     * @param lastTimestamp 上次生成ID的時間截
     * @return 當前時間戳
     */
    protected long tilNextMillis(long lastTimestamp) {
        long timestamp = timeGen();
        while (timestamp <= lastTimestamp) {
            timestamp = timeGen();
        }
        return timestamp;
    }

    /**
     * 返回以毫秒爲單位的當前時間
     * @return 當前時間(毫秒)
     */
    protected long timeGen() {
        return System.currentTimeMillis();
    }

    //==============================Test=============================================
    /** 測試 */
    public static void main(String[] args) {
        SnowflakeIdWorker idWorker = new SnowflakeIdWorker(0, 0);
        for (int i = 0; i < 1000; i++) {
            long id = idWorker.nextId();
            System.out.println(Long.toBinaryString(id));
            System.out.println(id);
        }
    }
}
複製代碼