最經常使用的分佈式ID解決方案，你知道幾個

1、分佈式ID概念

提及ID，特性就是惟一，在人的世界裏，ID就是身份證，是每一個人的惟一的身份標識。在複雜的分佈式系統中，每每也須要對大量的數據和消息進行惟一標識。舉個例子，數據庫的ID字段在單體的狀況下可使用自增來做爲ID，可是對數據分庫分表後必定須要一個惟一的ID來標識一條數據，這個ID就是分佈式ID。對於分佈式ID而言，也須要具有分佈式系統的特色：高併發，高可用，高性能等特色。

2、分佈式ID實現方案

下表爲一些經常使用方案對比：

	描述	優勢	缺點
UUID	UUID是通用惟一標識碼的縮寫，其目的是上分佈式系統中的全部元素都有惟一的辨識信息，而不須要經過中央控制器來指定惟一標識。	1. 下降全局節點的壓力，使得主鍵生成速度更快；2. 生成的主鍵全局惟一；3. 跨服務器合併數據方便	1. UUID佔用16個字符，空間佔用較多；2. 不是遞增有序的數字，數據寫入IO隨機性很大，且索引效率降低
數據庫主鍵自增	MySQL數據庫設置主鍵且主鍵自動增加	1. INT和BIGINT類型佔用空間較小；2. 主鍵自動增加，IO寫入連續性好；3. 數字類型查詢速度優於字符串	1. 併發性能不高，受限於數據庫性能；2. 分庫分表，須要改造，複雜；3. 自增：數據量泄露
Redis自增	Redis計數器，原子性自增	使用內存，併發性能好	1. 數據丟失；2. 自增：數據量泄露
雪花算法（snowflake）	大名鼎鼎的雪花算法，分佈式ID的經典解決方案	1. 不依賴外部組件；2. 性能好	時鐘回撥

目前流行的分佈式ID解決方案有兩種：號段模式和雪花算法。

號段模式依賴於數據庫，可是區別於數據庫主鍵自增的模式。假設100爲一個號段100，200，300，每取一次能夠得到100個ID，性能顯著提升。

雪花算法是由符號位+時間戳+工做機器id+序列號組成的，如圖所示：

符號位爲0，0表示正數，ID爲正數。

時間戳位不用多說，用來存放時間戳，單位是ms。

工做機器id位用來存放機器的id，一般分爲5個區域位+5個服務器標識位。

序號位是自增。

• 雪花算法能存放多少數據？
  時間範圍：2^41 / (3652460601000) = 69年
  工做進程範圍：2^10 = 1024
  序列號範圍：2^12 = 4096，表示1ms能夠生成4096個ID。

根據這個算法的邏輯，只須要將這個算法用Java語言實現出來，封裝爲一個工具方法，那麼各個業務應用能夠直接使用該工具方法來獲取分佈式ID，只需保證每一個業務應用有本身的工做機器id便可，而不須要單獨去搭建一個獲取分佈式ID的應用。下面是推特版的Snowflake算法：

public class SnowFlake {

    /**
     * 起始的時間戳
     */
    private final static long START_STMP = 1480166465631L;

    /**
     * 每一部分佔用的位數
     */
    private final static long SEQUENCE_BIT = 12; //序列號佔用的位數
    private final static long MACHINE_BIT = 5;   //機器標識佔用的位數
    private final static long DATACENTER_BIT = 5;//數據中心佔用的位數

    /**
     * 每一部分的最大值
     */
    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);

    /**
     * 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;  //數據中心
    private long machineId;     //機器標識
    private long sequence = 0L; //序列號
    private long lastStmp = -1L;//上一次時間戳

    public SnowFlake(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;
    }

    /**
     * 產生下一個ID
     *
     * @return
     */
    public synchronized long nextId() {
        long currStmp = getNewstmp();
        if (currStmp < lastStmp) {
            throw new RuntimeException("Clock moved backwards.  Refusing to generate id");
        }

        if (currStmp == lastStmp) {
            //相同毫秒內，序列號自增
            sequence = (sequence + 1) & MAX_SEQUENCE;
            //同一毫秒的序列數已經達到最大
            if (sequence == 0L) {
                currStmp = getNextMill();
            }
        } else {
            //不一樣毫秒內，序列號置爲0
            sequence = 0L;
        }

        lastStmp = currStmp;

        return (currStmp - START_STMP) << TIMESTMP_LEFT //時間戳部分
                | datacenterId << DATACENTER_LEFT       //數據中心部分
                | machineId << MACHINE_LEFT             //機器標識部分
                | sequence;                             //序列號部分
    }

    private long getNextMill() {
        long mill = getNewstmp();
        while (mill <= lastStmp) {
            mill = getNewstmp();
        }
        return mill;
    }

    private long getNewstmp() {
        return System.currentTimeMillis();
    }

    public static void main(String[] args) {
        SnowFlake snowFlake = new SnowFlake(2, 3);

        for (int i = 0; i < (1 << 12); i++) {
            System.out.println(snowFlake.nextId());
        }

    }
}

3、分佈式ID開源組件

3.1 如何選擇開源組件

選擇開源組件首先須要看軟件特性是否知足需求，主要包括兼容性和擴展性。

其次須要看目前的技術能力，根據目前本身或者團隊的技術棧和技術能力，可否能夠平滑的使用。

第三，要看開源組件的社區，主要關注更新是否頻繁、項目是否有人維護、遇到坑的時候能夠取得聯繫尋求幫助、是否在業內被普遍使用等。

3.2 美團Leaf

Leaf是美團基礎研發平臺推出的一個分佈式ID生成服務，名字取自德國哲學家、數學家萊布尼茨的一句話：「There are no two identical leaves in the world.」Leaf具有高可靠、低延遲、全局惟一等特色。目前已經普遍應用於美團金融、美團外賣、美團酒旅等多個部門。具體的技術細節，可參考美團技術博客的一篇文章：《Leaf美團分佈式ID生成服務》。目前，Leaf項目已經在Github上開源：https://github.com/Meituan-Dianping/Leaf。Leaf在特性以下：

1. 全局惟一，絕對不會出現重複的ID，且ID總體趨勢遞增。
2. 高可用，服務徹底基於分佈式架構，即便MySQL宕機，也能容忍一段時間的數據庫不可用。
3. 高併發低延時，在CentOS 4C8G的虛擬機上，遠程調用QPS可達5W+，TP99在1ms內。
4. 接入簡單，直接經過公司RPC服務或者HTTP調用便可接入。

3.3 百度UidGenerator

UidGenerator百度開源的一款基於Snowflake算法的分佈式高性能惟一ID生成器。採用官網的一段描述：UidGenerator以組件形式工做在應用項目中, 支持自定義workerId位數和初始化策略, 從而適用於docker等虛擬化環境下實例自動重啓、漂移等場景。 在實現上, UidGenerator經過借用將來時間來解決sequence自然存在的併發限制; 採用RingBuffer來緩存已生成的UID, 並行化UID的生產和消費, 同時對CacheLine補齊，避免了由RingBuffer帶來的硬件級「僞共享」問題. 最終單機QPS可達600萬。UidGenerator的GitHub地址：https://github.com/baidu/uid-generator

3.4 開源組件對比

百度UidGenerator是Java語言的；最近一次提交記錄是兩年前，基本無人維護；只支持雪花算法。

美團Leaf也是Java語言的；最近維護爲2020年；支持號段模式和雪花算法。

綜上理論和兩款開源組件的對比，仍是美團Leaf稍勝一籌。

你還知道哪些經常使用的分佈式ID解決方案呢？