redis分散式ID解決方案範例詳解

2023-03-09 06:06:34

常用的分散式ID解決方案

在分散式系統中，生成全域性唯一ID是非常重要的，因為在分散式系統中，多個節點同時生成ID可能會導致ID衝突。

下面介紹幾種常用的分散式ID解決方案。

UUID

UUID（通用唯一識別符號）是由128位元數位組成的識別符號，它可以保證在全球範圍內的唯一性，因為其生成演演算法基於時間戳、節點ID等因素。UUID可以使用Java自帶的UUID類來生成，如下所示：

javaCopy code
import java.util.UUID;
public class UuidGenerator {
    public static void main(String[] args) {
        UUID uuid = UUID.randomUUID();
        System.out.println(uuid.toString());
    }
}

UUID的優點是簡單易用，無需額外的設定和管理，可以直接使用Java自帶的UUID類生成。但是UUID長度較長（128位元），不太適合作為資料庫表的主鍵，且不易於排序和索引。

Snowflake

Snowflake是Twitter開源的一種分散式ID生成演演算法，它可以生成64位元的唯一ID，其中包含了時間戳、資料中心ID和機器ID等資訊。Snowflake演演算法的Java程式碼如下所示：

Snowflake演演算法的Java程式碼：

javaCopy code
public class SnowflakeGenerator {
    private final static long START_STMP = 1480166465631L;
    private final static long SEQUENCE_BIT = 12;
    private final static long MACHINE_BIT = 5;
    private final static long DATACENTER_BIT = 5;
    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);
    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;
    private long machineId;
    private long sequence = 0L;
    private long lastStmp = -1L;
    public SnowflakeGenerator(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;
    }
    public synchronized long nextId() {
        long currStmp = getNewstmp();
        if (currStmp < lastStmp) {
            throw new RuntimeException("Clock moved backwards.  Refusing to generate id");
        }
        if (currStmp == lastStmp) {
            sequence = (sequence + 1) & MAX_SEQUENCE;
            if (sequence == 0L) {
                currStmp = getNextMill();
            }
        } else {
            sequence = 0L;
        }
        lastStmp = currStmp;
        return (currStmp - START_STMP) << TIMESTMP_LEFT
                | datacenterId << DATACENTER_LEFT
                | machineId << MACHINE_LEFT
                | sequence;
    }
    private long getNextMill() {
        long mill = getNewstmp();
        while (mill <= lastStmp) {
            mill = getNewstmp();
        }
        return mill;
    }
    private long getNewstmp() {
        return System.currentTimeMillis();
    }
}

Snowflake演演算法的優點是生成ID的效能高，且ID長度較短（64位元），可以作為資料庫表的主鍵，且便於排序和索引。但是需要注意，如果叢集中的節點數超過了機器ID所佔的位數，或者叢集規模很大，時間戳位數不夠用，那麼就需要考慮其他的分散式ID生成演演算法。

Leaf

Leaf是美團點評開源的一種分散式ID生成演演算法，它可以生成全域性唯一的64位元ID。Leaf演演算法的Java程式碼如下所示：

Leaf演演算法的Java程式碼：

javaCopy code
public class LeafGenerator {
    private static final Logger logger = LoggerFactory.getLogger(LeafGenerator.class);
    private static final String WORKER_ID_KEY = "leaf.worker.id";
    private static final String PORT_KEY = "leaf.port";
    private static final int DEFAULT_PORT = 8080;
    private static final int DEFAULT_WORKER_ID = 0;
    private static final int WORKER_ID_BITS = 10;
    private static final int SEQUENCE_BITS = 12;
    private static final int MAX_WORKER_ID = (1 << WORKER_ID_BITS) - 1;
    private static final int MAX_SEQUENCE = (1 << SEQUENCE_BITS) - 1;
    private static final long EPOCH = 1514736000000L;
    private final SnowflakeIdWorker idWorker;
    public LeafGenerator() {
        int workerId = SystemPropertyUtil.getInt(WORKER_ID_KEY, DEFAULT_WORKER_ID);
        int port = SystemPropertyUtil.getInt(PORT_KEY, DEFAULT_PORT);
        this.idWorker = new SnowflakeIdWorker(workerId, port);
        logger.info("Initialized LeafGenerator with workerId={}, port={}", workerId, port);
    }
    public long nextId() {
        return idWorker.nextId();
    }
    private static class SnowflakeIdWorker {
        private final long workerId;
        private final long port;
        private long sequence = 0L;
        private long lastTimestamp = -1L;
        SnowflakeIdWorker(long workerId, long port) {
            if (workerId < 0 || workerId > MAX_WORKER_ID) {
                throw new IllegalArgumentException(String.format("workerId must be between %d and %d", 0, MAX_WORKER_ID));
            }
            this.workerId = workerId;
            this.port = port;
        }
        synchronized long nextId() {
            long timestamp = System.currentTimeMillis();
            if (timestamp < lastTimestamp) {
                throw new RuntimeException("Clock moved backwards. Refusing to generate id");
            }
            if (timestamp == lastTimestamp) {
                sequence = (sequence + 1) & MAX_SEQUENCE;
                if (sequence == 0L) {
                    timestamp = tilNextMillis(lastTimestamp);
                }
            } else {
                sequence = 0L;
            }
            lastTimestamp = timestamp;
            return ((timestamp - EPOCH) << (WORKER_ID_BITS + SEQUENCE_BITS))
                    | (workerId << SEQUENCE_BITS)
                    | sequence;
        }
        private long tilNextMillis(long lastTimestamp) {
            long timestamp = System.currentTimeMillis();
            while (timestamp <= lastTimestamp) {
                timestamp = System.currentTimeMillis();
            }
            return timestamp;
        }
    }
}

Leaf演演算法的特點是生成ID的速度比Snowflake演演算法略慢，但是可以支援更多的Worker節點。Leaf演演算法生成的ID由三部分組成，分別是時間戳、Worker ID和序列號，其中時間戳佔用42位、Worker ID佔用10位、序列號佔用12位元，總共64位元。

以上是常見的分散式ID生成演演算法，當然還有其他的一些方案，如：MongoDB ID、UUID、Twitter Snowflake等。不同的方案適用於不同的業務場景，具體實現細節和效能表現也有所不同，需要根據實際情況選擇合適的方案。

除了上述介紹的分散式ID生成演演算法，還有一些新的分散式ID生成方案不斷湧現，例如Flicker的分散式ID生成演演算法，它使用了類似於Snowflake的思想，但是採用了不同的位數分配方式，相比Snowflake更加靈活，並且可以根據需要動態調整每個部分佔用的位數。此外，Facebook還推出了ID Generation Service (IGS)方案，該方案將ID的生成和儲存分離，提供了更加靈活和可延伸的方案，但是需要進行更加複雜的架構設計和實現。

針對不同的業務需求，可以設計多套分散式ID生成方案。下面是我個人的一些建議：

基於資料庫自增ID生成：使用資料庫自增ID作為全域性唯一ID，可以很好的保證ID的唯一性，並且實現簡單，但是並行量較高時可能會導致效能瓶頸。因此，在高並行場景下不建議使用。
基於UUID生成：使用UUID作為全域性唯一ID，可以很好地保證ID的唯一性，但是ID長度較長（128位元），不便於儲存和傳輸，並且存在重複ID的概率非常小但不為0。因此，建議在分散式系統中使用時要考慮ID的長度和儲存傳輸的成本。
基於Redis生成：使用Redis的原子性操作，可以保證ID的唯一性，並且生成ID的速度非常快，可以適用於高並行場景。但是需要注意，如果Redis宕機或者效能不足，可能會影響ID的生成效率和可用性。
基於ZooKeeper生成：使用ZooKeeper的序列號生成器，可以保證ID的唯一性，並且實現較為簡單，但是需要引入額外的依賴和資源，並且可能會存在效能瓶頸。

選擇適合自己業務場景的分散式ID生成方案，需要綜合考慮ID的唯一性、生成速度、長度、儲存成本、可延伸性、可用性等多個因素。同時需要注意，不同方案的實現細節和效能表現也有所不同，需要根據實際情況進行權衡和選擇。

下面給出每種方案的詳細程式碼demo：

基於資料庫自增ID生成

javaCopy code
public class IdGenerator {
    private static final String JDBC_URL = "jdbc:mysql://localhost:3306/test";
    private static final String JDBC_USER = "root";
    private static final String JDBC_PASSWORD = "password";
    public long generateId() {
        Connection conn = null;
        PreparedStatement pstmt = null;
        ResultSet rs = null;
        try {
            Class.forName("com.mysql.jdbc.Driver");
            conn = DriverManager.getConnection(JDBC_URL, JDBC_USER, JDBC_PASSWORD);
            pstmt = conn.prepareStatement("INSERT INTO id_generator (stub) VALUES (null)", Statement.RETURN_GENERATED_KEYS);
            pstmt.executeUpdate();
            rs = pstmt.getGeneratedKeys();
            if (rs.next()) {
                return rs.getLong(1);
            }
        } catch (Exception e) {
            e.printStackTrace();
        } finally {
            try {
                if (rs != null) {
                    rs.close();
                }
                if (pstmt != null) {
                    pstmt.close();
                }
                if (conn != null) {
                    conn.close();
                }
            } catch (Exception e) {
                e.printStackTrace();
            }
        }
        return 0L;
    }
}

基於UUID生成

javaCopy code
import java.util.UUID;
public class IdGenerator {
    public String generateId() {
        return UUID.randomUUID().toString().replace("-", "");
    }
}

基於Redis生成

javaCopy code
import redis.clients.jedis.Jedis;
public class IdGenerator {
    private static final String REDIS_HOST = "localhost";
    private static final int REDIS_PORT = 6379;
    private static final String REDIS_PASSWORD = "password";
    private static final int ID_GENERATOR_EXPIRE_SECONDS = 3600;
    private static final String ID_GENERATOR_KEY = "id_generator";
    public long generateId() {
        Jedis jedis = null;
        try {
            jedis = new Jedis(REDIS_HOST, REDIS_PORT);
            jedis.auth(REDIS_PASSWORD);
            long id = jedis.incr(ID_GENERATOR_KEY);
            jedis.expire(ID_GENERATOR_KEY, ID_GENERATOR_EXPIRE_SECONDS);
            return id;
        } catch (Exception e) {
            e.printStackTrace();
        } finally {
            if (jedis != null) {
                jedis.close();
            }
        }
        return 0L;
    }
}

基於ZooKeeper生成

javaCopy code
import java.util.concurrent.CountDownLatch;
import org.apache.zookeeper.CreateMode;
import org.apache.zookeeper.WatchedEvent;
import org.apache.zookeeper.Watcher;
import org.apache.zookeeper.ZooDefs.Ids;
import org.apache.zookeeper.ZooKeeper;
public class IdGenerator implements Watcher {
    private static final String ZK_HOST = "localhost";
    private static final int ZK_PORT = 2181;
    private static final int SESSION_TIMEOUT = 5000;
    private static final String ID_GENERATOR_NODE = "/id_generator";
    private static final int ID_GENERATOR_EXPIRE_SECONDS = 3600;
    private long workerId = 0;
    public IdGenerator() {
        try {
            ZooKeeper zk = new ZooKeeper(ZK_HOST + ":" + ZK_PORT, SESSION_TIMEOUT, this);
            CountDownLatch latch = new CountDownLatch(1);
            latch.await();
            if (zk.exists(ID_GENERATOR_NODE, false) == null) {
                zk.create(ID_GENERATOR_NODE, null, Ids.OPEN_ACL_UNSAFE, CreateMode.PERSISTENT);
            }
            workerId = zk.getChildren(ID_GENERATOR_NODE, false).size();
            zk.create(ID_GENERATOR_NODE + "/worker_" + workerId, null, Ids.OPEN_ACL_UNSAFE, CreateMode.EPHEMERAL);
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
    public long generateId() {
        ZooKeeper zk = null;
        try {
            zk = new ZooKeeper(ZK_HOST + ":" + ZK_PORT, SESSION_TIMEOUT, null);
            CountDownLatch latch = new CountDownLatch(1);
            latch.await();
            zk.create(ID_GENERATOR_NODE + "/id_", null, Ids.OPEN_ACL_UNSAFE, CreateMode.EPHEMERAL_SEQUENTIAL, (rc, path, ctx, name) -> {}, null);
            byte[] data = zk.getData(ID_GENERATOR_NODE + "/worker_" + workerId, false, null);
            long id = Long.parseLong(new String(data)) * 10000 + zk.getChildren(ID_GENERATOR_NODE, false).size();
            return id;
        } catch (Exception e) {
            e.printStackTrace();
        } finally {
            if (zk != null) {
                try {
                    zk.close();
                } catch (Exception e) {
                    e.printStackTrace();
                }
            }
        }
        return 0L;
    }
    @Override
    public void process(WatchedEvent event) {
        if (event.getState() == Event.KeeperState.SyncConnected) {
            System.out.println("Connected to ZooKeeper");
            CountDownLatch latch = new CountDownLatch(1);
            latch.countDown();
        }
    }
}

注意，這裡使用了ZooKeeper的臨時節點來協調各個工作節點，如果一個工作節點掛掉了，它的臨時節點也會被刪除，這樣可以保證每個工作節點獲得的ID是唯一的。

以上就是各種分散式ID生成方案的詳細程式碼demo，實際上，每種方案都有其優缺點，應根據具體業務場景和系統架構選擇合適的方案。

以上就是redis分散式ID解決方案範例詳解的詳細內容，更多關於redis分散式ID的資料請關注it145.com其它相關文章！