分布式唯一ID(二)--基于Snowflake算法生成唯一ID

目录

一、背景:

SnowFlake算法生成id的结果是一个64bit大小的整数,它的结构如下图:

分布式唯一ID(二)--基于Snowflake算法生成唯一ID

1位:不使用,二进制中最高位为1的都是负数,ID一般都使用正整数,所以这个最高位固定是0。

41位:用来记录时间戳(毫秒)。可以表示2 ^ 41 - 1个数字,转化成单位年则是(2 ^ 41 - 1) / (1000 * 60 * 60 * 24 * 365) = 69年。

10位:用来记录工作机器id。可以部署在2 ^ 10 = 1024个节点,包括5位datacenterId和5位workerId。

5位可以表示的最大正整数是2 ^ 5 - 1 = 31,即可以用0、1、2、3、....31这32个数字,来表示不同的datecenterId或workerId。

12位:序列号,用来记录同毫秒内产生的不同ID。可以用0、1、2、3、....4095这4096个数字,来表示同一机器同一时间截(毫秒)内产生的4096个ID序号

由于在Java中64bit的整数是long类型,所以在Java中SnowFlake算法生成的id就是long来存储的。

二、特点:

  • 所有生成的id按时间趋势递增
  • 整个分布式系统内不会产生重复ID(因为有datacenterId和workerId来做区分)

三、代码实现:

    public class IdWorker {
    
        private long workerId;
        private long datacenterId;
        private long sequence;
    
        public IdWorker(long workerId, long datacenterId, long sequence) {
            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));
            }
            log.info("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;
        private long maxWorkerId = -1L ^ (-1L << workerIdBits);
        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() {
            long timestamp = timeGen();
    
            if (timestamp < lastTimestamp) {
                log.error("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) {
                sequence = (sequence + 1) & sequenceMask;
                if (sequence == 0) {
                    timestamp = tilNextMillis(lastTimestamp);
                }
            } else {
                sequence = 0;
            }
    
            lastTimestamp = timestamp;
            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();
        }
    
        //---------------测试---------------
        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());
            }
        }
    
    }

由于唯一ID生成服务肯定不会只有一个节点,所以只能保证唯一ID是局部递增的,无法保证全局递增。

四、多机房部署:

  • 如果并发特别高,以及高可用等问题,可以采用多机房部署。
  • 将机器ID拆分为机房ID+机器ID,分别占用5位。
  • 可以在maven prod profile配置机房ID。

五、时钟回拨:

从Snowflake算法的生成规则中可以看出,和时间戳强依赖,可能出现时钟回拨。

1、举个栗子:

2020-12-12 12:12:12,生成分布式唯一ID。
2020-12-12 12:12:11,此时机器时钟回拨到前面的时间,就会出现ID重复的问题。

2、解决方案:

2.1. 关闭时钟同步:

关闭时钟同步,避免产生时钟同步问题。这个不太现实,因为强依赖时间的系统,一般都得做时钟同步,避免时间严重错误。

2.2. 记录上一次生成ID的时间:

记录上一次生成ID的时间,如果发现本次生成ID的时间戳小于上次的时间戳,说明时钟回拨了。

如果回拨时间在500ms以内,hang住请求,等待对应的回拨时间。等待时间结束之后,当前时间戳比上一次生成ID的时间戳要大了。

对于业务方而言,仅仅个别的时钟回拨情况之下,500ms,还在接受范围之内,请求一般情况下只要50ms。

如果时钟回拨时间在500ms - 5s,此时可以返回一个异常状态 + 异常持续时间给客户端,可以通知自行进行重试。

可以封装在唯一ID生成服务的客户端,客户端里封装自动重试机制,发现某台服务器返回的响应短时间内没法提供服务,自动就去请求其他机器上的服务获取唯一ID。

2.3. 暂停对外提供服务:

如果发现时钟回拨的太多,比如超过了1分钟,直接进行报警。
同时不再对外提供服务,从集群中下线。

2.4. 内存中维护最近几秒生成的ID:

要在内存里维护最近几秒内每一毫秒生成的ID值的最大值,时钟回拨一般是几十毫秒到几百毫秒,很少会超过秒的,所以保存最近几秒的就行了。
然后如果发生了时钟回拨,此时就看回拨到了哪一毫秒,因为时间戳是毫秒级的,接着就看那一毫秒。
从那一毫秒生产过的ID序号往后继续生成就可以了,后续每一毫秒都是依次类推,就可以完美避免重复问题,还不用等待。

2.5. 兜底:
  • 比如你保留最近10s内每一毫秒生成的ID,那么万一时钟回拨碰巧超过了10s呢?
  • 这种概率很低,可以跟二三两个方案结合,设置几个阈值。
  • 比如说,你保留最近10s的ID,回拨10s内都可以保证不重复,不停顿;
  • 如果超过10s,在60s内,可以有一个等待的过程,让他时间前进到你之前保留过的10s范围内去;
  • 如果回拨超过了60s,直接下线。

3、问题:

  • 如果服务重启,上一次生成唯一ID的时间戳没了,最近1s内每一毫秒的最大ID序号也没了。
  • 重启之后,出现了时间回拨,发现不了时间回拨问题,其次也没有办法继续按照之前的思路去生成不重复的唯一ID了。

4、解决方案:

4.1. 方案一:

将之前的数据持久化到磁盘中,启动的时候重新加载到内存中。

4.2. 方案二:

每次唯一ID生成服务启动会从ZK中获取最新的机器ID,删除自己之前的机器ID。

上一篇:分布式自增ID算法---雪花算法 (snowflake)


下一篇:Snowflake中的准实时数据提取