浅谈常用的分布式ID的设计方案以及Snowfake是否受冬令时切换影响

心已赠人 2023-06-21 07:16 57阅读 0赞

### 浅谈常用的分布式ID的设计方案以及Snowfake是否受冬令时切换影响 ###

*   *  分布式ID定义
     *  典型实现方案
     *   *   *  基于数据库自增序列的实现
             *  UUID方案
             *  Redis方案
             *  Snowflake方案
     *  Snowfake是否受冬令时切换影响

## 分布式ID定义 ##

1.  **全局唯一**：区别于单点系统的唯一，全局是要求分布式系统内唯一。
2.  **有序性**：通常都要保证生成的ID是有序递增的。例如，在数据库存储场景中，有序ID便于确定数据位置，往往更加高效。

## 典型实现方案 ##

#### 基于数据库自增序列的实现 ####

这种方式的优缺点都非常明显，好处是简单易用，但是在扩展性和可靠性方面存在局限性。  
**优点** ： 对于数据库自增方案，除了实现简单，它生成的ID还能够保证固定步长的递增，使用很方面。对于单点故障的解决方案是利用Master-slave的主从复制模式。  
**缺点**： 但是，因为每次获取一个ID就会触发数据库的写请求，是一个代价高昂的操作，构建高扩展性、高性能解决方案比较复杂，性能上限明显，更不用谈扩容等场景的难度了，与此同时，保证数据库方案的高可用性也存在挑战，数据库可能发生宕机，即使采取主从热备等各种措施，也可能出现ID重复的现象。

#### UUID方案 ####

**UUID**是Universally Unique Identifier的缩写，它是在一定的范围内（从特定的名字空间到全球）唯一的机器生成的标识符。UUID在其他语言中也叫GUID，在java中，生成UUID的代码很简单：

String uuid = UUID.randomUUID().toString();

一个UUID是16字节长的数字，一共128位。通常以36字节的字符串表示，比如：3a5c3b08-5501-4a1b-8b38-446e73582375。 使用的时候，可以把中间的4个中划线去掉，剩下32位字符串:3a5c3b0855014a1b8b38446e73582375。

UUID经由一定的算法机器生成，为了保证UUID的唯一性，规范定义了包括网卡MAC地址、时间戳、名字空间(Namespace)、随机或伪随机数、时序等元素，以及从这些元素生成UUID的算法。UUID的只能由计算机生成。  
**优点** ： 本地生成ID，不需要进行远程调用，时延低，性能高。  
**缺点** ： UUID过长，16字节128位，通常以36长度的字符串表示，很多场景不适用，比如，由于UUID没有排序，无法保证趋势递增，用做数据库索引字段的效率就很低，太长了，存储空间大，新增记录存储入库时性能差。

#### Redis方案 ####

Redis 有计数器实现，利用此功能可以实现分布式ID。（increment）  
**优点** ： 性能好，有序，可读性好。  
**缺点** ： 缺点是为了防单点故障，需要引入Redis集群，增加了额外编码和配置的工作量。

#### Snowflake方案 ####

基于Twitter早期开源的Snowfake的实现，以及相关改动方案。这是目前应用相对比较广泛的一种方式，其结构定义示意图：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2N1aXhoYW8xMTA_size_16_color_FFFFFF_t_70]  
整体长度通常是64 （1 + 41 + 10+ 12 = 64）位，适合使用Java语言中的long类型来存储。

**符号位说明**：第一位为不能为负的符号位：0

**时间戳说明**：41位记录时间戳timeMillis，当前系统时间，Java 中通常用System.currentTimeMillis()获取long 型数字，转化二进制刚好41位。存在[2038年问题][2038]

**工作机器ID说明**：  
10位记录工作机器id；即datacenterId (5位数据id) + workerId (5位机器id)  
datacenterId 与 workerId的最大值十进制值是31（不能为负数）  
原因：5位数的最大二进制表示： 0001 1111 —> 十进制：31  
序列号说明：

**12位自增序列号sequence**  
Sequence的最大十进制值是4095（不能为负数）  
原因：12位数的最大二进制表示：1111 1111 1111 —> 十进制：4095

**核心算法**  
**计算所需默认常量**：  
默认固定时间twepoch: 1488834975643（毫秒）（小于当前时间即可，不能出现负数）  
时间戳偏移位数 timestampLeftShift：22（给5位机器id、5位数据id、12位序列号移除位置）  
数据id偏移位数 datacenterIdShift：17（给5位数据id、12位序列号移除位置）  
机器id偏移位数 workerIdShift：12（给12位序列号移除位置）  
**开始计算**：  
一，需要输入的条件（以这4个数据为例）：  
当前时间 timwstamp：1523244373577（毫秒）  
机器id workerId：8（本机ip）  
数据id datacentId：12（当前进程Hashmap）  
序列号sequence：123（自增序列号）  
二，计算：  
计算公式：

return ((timwstamp-twepoch) << timestampLeftShift) | (datacentId << datacenterIdShift) | (workerId << workerIdShift) | sequence;

**优点** ： Snowfake方案的好处是算法简单，依赖也非常少，生成的序列可预测，性能也非常好。  
**缺点** ： 时钟偏斜问题（Clock Skew）。我们知道普通的计算机系统时钟并不能保证长久的一致性，可能发生时钟回拨等问题，这就会导致时间戳不准确，进而产生重复ID。从理论上来说，类似Snowfake的方案由于时间数据位数的限制，存在与[2038年问题][2038]相似的理论极限.

## Snowfake是否受冬令时切换影响 ##

我认为没有影响，你可以从Snowfake的具体算法实现寻找答案。我们知道Snowfake算法的Java实现，大都是依赖于System.currentTimeMillis()，这个数值代表什么呢？ 从Javadoc可以看出，它是返回当前时间和1970年1月1号UTC时间相差的毫秒数，这个数值与夏/冬令时并没有关系，所以并不受其影响。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2N1aXhoYW8xMTA_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20191211165917587.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2N1aXhoYW8xMTA=,size_16,color_FFFFFF,t_70
[2038]: https://baike.baidu.com/item/2038%E5%B9%B4%E9%97%AE%E9%A2%98/10578442?fr=aladdin