一、需求緣起
幾乎所有的業(yè)務(wù)系統(tǒng)，都有生成一個唯一記錄標識的需求，例如：
-
消息標識：message-id
-
訂單標識：order-id
-
帖子標識：tiezi-id
這個記錄標識往往就是數(shù)據(jù)庫中的主鍵，數(shù)據(jù)庫上會建立聚集索引（cluster index），即在物理存儲上以這個字段排序。
這個記錄標識上的查詢，往往又有分頁或者排序的業(yè)務(wù)需求，例如：
-
拉取最新的一頁消息
select message-id/ order by time/ limit 100
-
拉取最新的一頁訂單
select order-id/ order by time/ limit 100
-
拉取最新的一頁帖子
select tiezi-id/ order by time/ limit 100
所以往往要有一個time字段，并且在time字段上建立普通索引（non-cluster index）。
普通索引存儲的是實際記錄的指針，其訪問效率會比聚集索引慢，如果記錄標識在生成時能夠基本按照時間有序，則可以省去這個time字段的索引查詢：
select message-id/ (order by message-id)/limit 100
強調(diào)，能這么做的前提是，message-id的生成基本是趨勢時間遞增的。
這就引出了記錄標識生成（也就是上文提到的三個XXX-id）的兩大核心需求：
-
全局唯一
-
趨勢有序
這也是本文要討論的核心問題：如何高效生成趨勢有序的全局唯一ID。
二、常見方法、不足與優(yōu)化
方法一：使用數(shù)據(jù)庫的 auto_increment 來生成全局唯一遞增ID
優(yōu)點：
-
簡單，使用數(shù)據(jù)庫已有的功能
-
能夠保證唯一性
-
能夠保證遞增性
-
步長固定
缺點：
-
可用性難以保證：數(shù)據(jù)庫常見架構(gòu)是一主多從+讀寫分離，生成自增ID是寫請求，主庫掛了就玩不轉(zhuǎn)了
-
擴展性差，性能有上限：因為寫入是單點，數(shù)據(jù)庫主庫的寫性能決定ID的生成性能上限，并且難以擴展
改進方法：
-
冗余主庫，避免寫入單點
-
數(shù)據(jù)水平切分，保證各主庫生成的ID不重復(fù)
如上圖所述，由1個寫庫變成3個寫庫，每個寫庫設(shè)置不同的auto_increment初始值，以及相同的增長步長，以保證每個數(shù)據(jù)庫生成的ID是不同的（上圖中庫0生成0,3,6,9…，庫1生成1,4,7,10，庫2生成2,5,8,11…）
改進后的架構(gòu)保證了可用性，但缺點是：
-
喪失了ID生成的“絕對遞增性”：先訪問庫0生成0,3，再訪問庫1生成1，可能導(dǎo)致在非常短的時間內(nèi)，ID生成不是絕對遞增的（這個問題不大，目標是趨勢遞增，不是絕對遞增）
-
數(shù)據(jù)庫的寫壓力依然很大，每次生成ID都要訪問數(shù)據(jù)庫
為了解決上述兩個問題，引出了第二個常見的方案。
方法二：單點批量ID生成服務(wù)
分布式系統(tǒng)之所以難，很重要的原因之一是“沒有一個全局時鐘，難以保證絕對的時序”，要想保證絕對的時序，還是只能使用單點服務(wù)，用本地時鐘保證“絕對時序”。
數(shù)據(jù)庫寫壓力大，是因為每次生成ID都訪問了數(shù)據(jù)庫，可以使用批量的方式降低數(shù)據(jù)庫寫壓力。
如上圖所述，數(shù)據(jù)庫使用雙master保證可用性，數(shù)據(jù)庫中只存儲當前ID的最大值，例如0。
ID生成服務(wù)假設(shè)每次批量拉取6個ID，服務(wù)訪問數(shù)據(jù)庫，將當前ID的最大值修改為5，這樣應(yīng)用訪問ID生成服務(wù)索要ID，ID生成服務(wù)不需要每次訪問數(shù)據(jù)庫，就能依次派發(fā)0,1,2,3,4,5這些ID了。
當ID發(fā)完后，再將ID的最大值修改為11，就能再次派發(fā)6,7,8,9,10,11這些ID了，于是數(shù)據(jù)庫的壓力就降低到原來的1/6。
優(yōu)點：
-
保證了ID生成的絕對遞增有序
-
大大的降低了數(shù)據(jù)庫的壓力，ID生成可以做到每秒生成幾萬幾十萬個
缺點：
-
服務(wù)仍然是單點
-
如果服務(wù)掛了，服務(wù)重啟起來之后，繼續(xù)生成ID可能會不連續(xù)，中間出現(xiàn)空洞（服務(wù)內(nèi)存是保存著0,1,2,3,4,5，數(shù)據(jù)庫中max-id是5，分配到3時，服務(wù)重啟了，下次會從6開始分配，4和5就成了空洞，不過這個問題也不大）
-
雖然每秒可以生成幾萬幾十萬個ID，但畢竟還是有性能上限，無法進行水平擴展
改進方法：
單點服務(wù)的常用高可用優(yōu)化方案是“備用服務(wù)”，也叫“影子服務(wù)”，所以我們能用以下方法優(yōu)化上述缺點（1）：
如上圖，對外提供的服務(wù)是主服務(wù)，有一個影子服務(wù)時刻處于備用狀態(tài)，當主服務(wù)掛了的時候影子服務(wù)頂上。
這個切換的過程對調(diào)用方是透明的，可以自動完成，常用的技術(shù)是vip+keepalived，具體就不在這里展開。
另外，ID-gen-service也可以實施水平擴展，以解決上述缺點（3），但會引發(fā)一致性問題，具體解決方案詳見《淺談CAS在分布式ID生成方案上的應(yīng)用》。
方法三：uuid/guid
不管是通過數(shù)據(jù)庫，還是通過服務(wù)來生成ID，業(yè)務(wù)方Application都需要進行一次遠程調(diào)用，比較耗時。
有沒有一種本地生成ID的方法，即高性能，又時延低呢？
uuid是一種常見的方案：
string ID =GenUUID();
優(yōu)點：
-
本地生成ID，不需要進行遠程調(diào)用，時延低
-
擴展性好，基本可以認為沒有性能上限
缺點：
-
無法保證趨勢遞增
-
uuid過長，往往用字符串表示，作為主鍵建立索引查詢效率低，常見優(yōu)化方案為“轉(zhuǎn)化為兩個uint64整數(shù)存儲”或者“折半存儲”（折半后不能保證唯一性）
方法四：取當前毫秒數(shù)
uuid是一個本地算法，生成性能高，但無法保證趨勢遞增，且作為字符串ID檢索效率低，有沒有一種能保證遞增的本地算法呢？
取當前毫秒數(shù)是一種常見方案：
uint64 ID = GenTimeMS();
優(yōu)點：
-
本地生成ID，不需要進行遠程調(diào)用，時延低
-
生成的ID趨勢遞增
-
生成的ID是整數(shù)，建立索引后查詢效率高
缺點：
-
如果并發(fā)量超過1000，會生成重復(fù)的ID
這個缺點要了命了，不能保證ID的唯一性。當然，使用微秒可以降低沖突概率，但每秒最多只能生成1000000個ID，再多的話就一定會沖突了，所以使用微秒并不從根本上解決問題。
方法五：類snowflake算法
snowflake是twitter開源的分布式ID生成算法，其核心思想為，一個long型的ID：
-
41bit作為毫秒數(shù)
-
10bit作為機器編號
-
12bit作為毫秒內(nèi)序列號
算法單機每秒內(nèi)理論上最多可以生成1000*(2^12)，也就是400W的ID，完全能滿足業(yè)務(wù)的需求。
借鑒snowflake的思想，結(jié)合各公司的業(yè)務(wù)邏輯和并發(fā)量，可以實現(xiàn)自己的分布式ID生成算法。
舉例，假設(shè)某公司ID生成器服務(wù)的需求如下：
-
單機高峰并發(fā)量小于1W，預(yù)計未來5年單機高峰并發(fā)量小于10W
-
有2個機房，預(yù)計未來5年機房數(shù)量小于4個
-
每個機房機器數(shù)小于100臺
-
目前有5個業(yè)務(wù)線有ID生成需求，預(yù)計未來業(yè)務(wù)線數(shù)量小于10個
-
…
分析過程如下：
-
高位取從2017年1月1日到現(xiàn)在的毫秒數(shù)（假設(shè)系統(tǒng)ID生成器服務(wù)在這個時間之后上線），假設(shè)系統(tǒng)至少運行10年，那至少需要10年*365天*24小時*3600秒*1000毫秒=320*10^9，差不多預(yù)留39bit給毫秒數(shù)
-
每秒的單機高峰并發(fā)量小于10W，即平均每毫秒的單機高峰并發(fā)量小于100，差不多預(yù)留7bit給每毫秒內(nèi)序列號
-
5年內(nèi)機房數(shù)小于4個，預(yù)留2bit給機房標識
-
每個機房小于100臺機器，預(yù)留7bit給每個機房內(nèi)的服務(wù)器標識
-
業(yè)務(wù)線小于10個，預(yù)留4bit給業(yè)務(wù)線標識
這樣設(shè)計的64bit標識，可以保證：
-
每個業(yè)務(wù)線、每個機房、每個機器生成的ID都是不同的
-
同一個機器，每個毫秒內(nèi)生成的ID都是不同的
-
同一個機器，同一個毫秒內(nèi)，以序列號區(qū)區(qū)分保證生成的ID是不同的
-
將毫秒數(shù)放在最高位，保證生成的ID是趨勢遞增的
缺點：
-
由于“沒有一個全局時鐘”，每臺服務(wù)器分配的ID是絕對遞增的，但從全局看，生成的ID只是趨勢遞增的（有些服務(wù)器的時間早，有些服務(wù)器的時間晚）
