面試官：分庫分表以後，id 主鍵如何處理？

本文由 yanglbme 首發於 GitHub 技術社區 Doocs，目前 stars 已超 30k。
項目地址：github.com/doocs/advan…

面試題

分庫分表以後，id 主鍵如何處理？

面試官心理分析

其實這是分庫分表以後你必然要面對的一個問題，就是 id 咋生成？由於要是分紅多個表以後，每一個表都是從 1 開始累加，那確定不對啊，須要一個全局惟一的 id 來支持。因此這都是你實際生產環境中必須考慮的問題。

面試題剖析

基於數據庫的實現方案

數據庫自增 id

這個就是說你的系統裏每次獲得一個 id，都是往一個庫的一個表裏插入一條沒什麼業務含義的數據，而後獲取一個數據庫自增的一個 id。拿到這個 id 以後再往對應的分庫分表裏去寫入。

這個方案的好處就是方便簡單，誰都會用；缺點就是單庫生成自增 id，要是高併發的話，就會有瓶頸的；若是你硬是要改進一下，那麼就專門開一個服務出來，這個服務每次就拿到當前 id 最大值，而後本身遞增幾個 id，一次性返回一批 id，而後再把當前最大 id 值修改爲遞增幾個 id 以後的一個值；可是不管如何都是基於單個數據庫。

適合的場景：你分庫分表就倆緣由，要不就是單庫併發過高，要不就是單庫數據量太大；除非是你併發不高，可是數據量太大致使的分庫分表擴容，你能夠用這個方案，由於可能每秒最高併發最多就幾百，那麼就走單獨的一個庫和表生成自增主鍵便可。

設置數據庫 sequence 或者表自增字段步長

能夠經過設置數據庫 sequence 或者表的自增字段步長來進行水平伸縮。

好比說，如今有 8 個服務節點，每一個服務節點使用一個 sequence 功能來產生 ID，每一個 sequence 的起始 ID 不一樣，而且依次遞增，步長都是 8。

適合的場景：在用戶防止產生的 ID 重複時，這種方案實現起來比較簡單，也能達到性能目標。可是服務節點固定，步長也固定，未來若是還要增長服務節點，就很差搞了。

UUID

好處就是本地生成，不要基於數據庫來了；很差之處就是，UUID 太長了、佔用空間大，做爲主鍵性能太差了；更重要的是，UUID 不具備有序性，會致使 B+ 樹索引在寫的時候有過多的隨機寫操做（連續的 ID 能夠產生部分順序寫），還有，因爲在寫的時候不能產生有順序的 append 操做，而須要進行 insert 操做，將會讀取整個 B+ 樹節點到內存，在插入這條記錄後會將整個節點寫回磁盤，這種操做在記錄佔用空間比較大的狀況下，性能降低明顯。

適合的場景：若是你是要隨機生成個什麼文件名、編號之類的，你能夠用 UUID，可是做爲主鍵是不能用 UUID 的。

UUID.randomUUID().toString().replace(「-」, 「」) -> sfsdf23423rr234sfdaf
複製代碼

獲取系統當前時間

這個就是獲取當前時間便可，可是問題是，併發很高的時候，好比一秒併發幾千，會有重複的狀況，這個是確定不合適的。基本就不用考慮了。

適合的場景：通常若是用這個方案，是將當前時間跟不少其餘的業務字段拼接起來，做爲一個 id，若是業務上你以爲能夠接受，那麼也是能夠的。你能夠將別的業務字段值跟當前時間拼接起來，組成一個全局惟一的編號。

snowflake 算法

snowflake 算法是 twitter 開源的分佈式 id 生成算法，採用 Scala 語言實現，是把一個 64 位的 long 型的 id，1 個 bit 是不用的，用其中的 41 bit 做爲毫秒數，用 10 bit 做爲工做機器 id，12 bit 做爲序列號。

• 1 bit：不用，爲啥呢？由於二進制裏第一個 bit 爲若是是 1，那麼都是負數，可是咱們生成的 id 都是正數，因此第一個 bit 統一都是 0。
• 41 bit：表示的是時間戳，單位是毫秒。41 bit 能夠表示的數字多達 2^41 - 1，也就是能夠標識 2^41 - 1 個毫秒值，換算成年就是表示69年的時間。
• 10 bit：記錄工做機器 id，表明的是這個服務最多能夠部署在 2^10臺機器上哪，也就是1024臺機器。可是 10 bit 裏 5 個 bit 表明機房 id，5 個 bit 表明機器 id。意思就是最多表明 2^5個機房（32個機房），每一個機房裏能夠表明 2^5 個機器（32臺機器）。
• 12 bit：這個是用來記錄同一個毫秒內產生的不一樣 id，12 bit 能夠表明的最大正整數是 2^12 - 1 = 4096，也就是說能夠用這個 12 bit 表明的數字來區分同一個毫秒內的 4096 個不一樣的 id。

0 | 0001100 10100010 10111110 10001001 01011100 00 | 10001 | 1 1001 | 0000 00000000
複製代碼

public class IdWorker {

    private long workerId;
    private long datacenterId;
    private long sequence;

    public IdWorker(long workerId, long datacenterId, long sequence) {
        // sanity check for workerId
        // 這兒不就檢查了一下，要求就是你傳遞進來的機房id和機器id不能超過32，不能小於0
        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));
        }
        System.out.printf(
                "worker starting. timestamp left shift %d, datacenter id bits %d, worker id bits %d, sequence bits %d, workerid %d",
                timestampLeftShift, datacenterIdBits, workerIdBits, sequenceBits, workerId);

        this.workerId = workerId;
        this.datacenterId = datacenterId;
        this.sequence = sequence;
    }

    private long twepoch = 1288834974657L;

    private long workerIdBits = 5L;
    private long datacenterIdBits = 5L;

    // 這個是二進制運算，就是 5 bit最多隻能有31個數字，也就是說機器id最多隻能是32之內
    private long maxWorkerId = -1L ^ (-1L << workerIdBits);

    // 這個是一個意思，就是 5 bit最多隻能有31個數字，機房id最多隻能是32之內
    private long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);
    private long sequenceBits = 12L;

    private long workerIdShift = sequenceBits;
    private long datacenterIdShift = sequenceBits + workerIdBits;
    private long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;
    private long sequenceMask = -1L ^ (-1L << sequenceBits);

    private long lastTimestamp = -1L;

    public long getWorkerId() {
        return workerId;
    }

    public long getDatacenterId() {
        return datacenterId;
    }

    public long getTimestamp() {
        return System.currentTimeMillis();
    }

    public synchronized long nextId() {
        // 這兒就是獲取當前時間戳，單位是毫秒
        long timestamp = timeGen();

        if (timestamp < lastTimestamp) {
            System.err.printf("clock is moving backwards. Rejecting requests until %d.", lastTimestamp);
            throw new RuntimeException(String.format(
                    "Clock moved backwards. Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));
        }

        if (lastTimestamp == timestamp) {
            // 這個意思是說一個毫秒內最多隻能有4096個數字
            // 不管你傳遞多少進來，這個位運算保證始終就是在4096這個範圍內，避免你本身傳遞個sequence超過了4096這個範圍
            sequence = (sequence + 1) & sequenceMask;
            if (sequence == 0) {
                timestamp = tilNextMillis(lastTimestamp);
            }
        } else {
            sequence = 0;
        }

        // 這兒記錄一下最近一次生成id的時間戳，單位是毫秒
        lastTimestamp = timestamp;

        // 這兒就是將時間戳左移，放到 41 bit那兒；
        // 將機房 id左移放到 5 bit那兒；
        // 將機器id左移放到5 bit那兒；將序號放最後12 bit；
        // 最後拼接起來成一個 64 bit的二進制數字，轉換成 10 進制就是個 long 型
        return ((timestamp - twepoch) << timestampLeftShift) | (datacenterId << datacenterIdShift)
                | (workerId << workerIdShift) | sequence;
    }

    private long tilNextMillis(long lastTimestamp) {
        long timestamp = timeGen();
        while (timestamp <= lastTimestamp) {
            timestamp = timeGen();
        }
        return timestamp;
    }

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

    // ---------------測試---------------
    public static void main(String[] args) {
        IdWorker worker = new IdWorker(1, 1, 1);
        for (int i = 0; i < 30; i++) {
            System.out.println(worker.nextId());
        }
    }

}

複製代碼

怎麼說呢，大概這個意思吧，就是說 41 bit 是當前毫秒單位的一個時間戳，就這意思；而後 5 bit 是你傳遞進來的一個機房 id（可是最大隻能是 32 之內），另外 5 bit 是你傳遞進來的機器 id（可是最大隻能是 32 之內），剩下的那個 12 bit序列號，就是若是跟你上次生成 id 的時間還在一個毫秒內，那麼會把順序給你累加，最多在 4096 個序號之內。

因此你本身利用這個工具類，本身搞一個服務，而後對每一個機房的每一個機器都初始化這麼一個東西，剛開始這個機房的這個機器的序號就是 0。而後每次接收到一個請求，說這個機房的這個機器要生成一個 id，你就找到對應的 Worker 生成。

利用這個 snowflake 算法，你能夠開發本身公司的服務，甚至對於機房 id 和機器 id，反正給你預留了 5 bit + 5 bit，你換成別的有業務含義的東西也能夠的。

這個 snowflake 算法相對來講仍是比較靠譜的，因此你要真是搞分佈式 id 生成，若是是高併發啥的，那麼用這個應該性能比較好，通常每秒幾萬併發的場景，也足夠你用了。

---

歡迎關注個人微信公衆號「Doocs開源社區」，原創技術文章第一時間推送。