一、为什么要用分布式 ID ？

在说分布式 ID 的具体实现之前，我们来简单分析一下为什么用分布式 ID ？分布式 ID 应该满足哪些特征？

1 、什么是分布式 ID ？

拿 MySQL 数据库举个栗子：

在我们业务数据量不大的时候，单库单表完全可以支撑现有业务，数据再大一点搞个 MySQL 主从同步读写分离也能对付。

但随着数据日渐增长，主从同步也扛不住了，就需要对数据库进行分库分表，但分库分表后需要有一个唯一 ID 来标识一条数据，数据库的自增 ID 显然不能满足需求；特别一点的如订单、优惠券也都需要有唯一 ID做标识。此时一个能够生成全局唯一 ID的系统是非常必要的。那么这个全局唯一 ID就叫分布式 ID。

2 、那么分布式 ID 需要满足那些条件？

• 全局唯一：必须保证 ID 是全局性唯一的，基本要求
• 高性能：高可用低延时，ID 生成响应要块，否则反倒会成为业务瓶颈
• 高可用：100%的可用性是骗人的，但是也要无限接近于 100%的可用性
• 好接入：要秉着拿来即用的设计原则，在系统设计和实现上要尽可能的简单
• 趋势递增：最好趋势递增，这个要求就得看具体业务场景了，一般不严格要求

二、 分布式 ID 都有哪些生成方式？

今天主要分析一下以下 9 种，分布式 ID 生成器方式以及优缺点：

• UUID
• 数据库自增 ID
• 数据库多主模式
• 号段模式
• Redis
• 雪花算法（ SnowFlake ）
• 滴滴出品（ TinyID ）
• 百度 （ Uidgenerator ）
• 美团（ Leaf ）

那么它们都是如何实现？以及各自有什么优缺点？我们往下看

以上图片源自网络，如有侵权联系删除

1 、基于 UUID

在 Java 的世界里，想要得到一个具有唯一性的 ID，首先被想到可能就是UUID，毕竟它有着全球唯一的特性。那么UUID可以做分布式 ID吗？答案是可以的，但是并不推荐！

public static void main(String[] args) {         String uuid = UUID.randomUUID().toString().replaceAll("-","");        System.out.println(uuid);  } 

UUID的生成简单到只有一行代码，输出结果 c2b8c2b9e46c47e3b30dca3b0d447718，但 UUID 却并不适用于实际的业务需求。像用作订单号UUID这样的字符串没有丝毫的意义，看不出和订单相关的有用信息；而对于数据库来说用作业务主键 ID，它不仅是太长还是字符串，存储性能差查询也很耗时，所以不推荐用作分布式 ID。

优点：

• 生成足够简单，本地生成无网络消耗，具有唯一性

缺点：

• 无序的字符串，不具备趋势自增特性
• 没有具体的业务含义
• 长度过长 16 字节 128 位，36 位长度的字符串，存储以及查询对 MySQL 的性能消耗较大，MySQL 官方明确建议主键要尽量越短越好，作为数据库主键 UUID 的无序性会导致数据位置频繁变动，严重影响性能。

2 、基于数据库自增 ID

基于数据库的auto_increment自增 ID 完全可以充当分布式 ID，具体实现：需要一个单独的 MySQL 实例用来生成 ID，建表结构如下：

CREATE DATABASE `SEQ_ID`; CREATE TABLE SEQID.SEQUENCE_ID (     id bigint(20) unsigned NOT NULL auto_increment,      value char(10) NOT NULL default '',     PRIMARY KEY (id), ) ENGINE=MyISAM; 

insert into SEQUENCE_ID(value)  VALUES ('values'); 

当我们需要一个 ID 的时候，向表中插入一条记录返回主键 ID，但这种方式有一个比较致命的缺点，访问量激增时 MySQL 本身就是系统的瓶颈，用它来实现分布式服务风险比较大，不推荐！

优点：

• 实现简单，ID 单调自增，数值类型查询速度快

缺点：

• DB 单点存在宕机风险，无法扛住高并发场景

3 、基于数据库集群模式

前边说了单点数据库方式不可取，那对上边的方式做一些高可用优化，换成主从模式集群。害怕一个主节点挂掉没法用，那就做双主模式集群，也就是两个 Mysql 实例都能单独的生产自增 ID 。

那这样还会有个问题，两个 MySQL 实例的自增 ID 都从 1 开始，会生成重复的 ID 怎么办？

解决方案：设置起始值和自增步长

MySQL_1 配置：

set @@auto_increment_offset = 1;     -- 起始值 set @@auto_increment_increment = 2;  -- 步长 

MySQL_2 配置：

set @@auto_increment_offset = 2;     -- 起始值 set @@auto_increment_increment = 2;  -- 步长 

这样两个 MySQL 实例的自增 ID 分别就是：

1 、3 、5 、7 、9 2 、4 、6 、8 、10

那如果集群后的性能还是扛不住高并发咋办？就要进行 MySQL 扩容增加节点，这是一个比较麻烦的事。

从上图可以看出，水平扩展的数据库集群，有利于解决数据库单点压力的问题，同时为了 ID 生成特性，将自增步长按照机器数量来设置。

增加第三台MySQL实例需要人工修改一、二两台MySQL 实例的起始值和步长，把第三台机器的 ID起始生成位置设定在比现有最大自增 ID的位置远一些，但必须在一、二两台MySQL 实例ID 还没有增长到第三台 MySQL 实例的起始 ID值的时候，否则自增 ID就要出现重复了，必要时可能还需要停机修改。

优点：

• 解决 DB 单点问题

缺点：

• 不利于后续扩容，而且实际上单个数据库自身压力还是大，依旧无法满足高并发场景。

4 、基于数据库的号段模式

号段模式是当下分布式 ID 生成器的主流实现方式之一，号段模式可以理解为从数据库批量的获取自增 ID，每次从数据库取出一个号段范围，例如 (1,1000] 代表 1000 个 ID，具体的业务服务将本号段，生成 1~1000 的自增 ID 并加载到内存。表结构如下：

CREATE TABLE id_generator (   id int(10) NOT NULL,   max_id bigint(20) NOT NULL COMMENT '当前最大 id',   step int(20) NOT NULL COMMENT '号段的布长',   biz_type int(20) NOT NULL COMMENT '业务类型',   version int(20) NOT NULL COMMENT '版本号',   PRIMARY KEY (`id`) )  

biz_type：代表不同业务类型

max_id：当前最大的可用 id

step：代表号段的长度

version：是一个乐观锁，每次都更新 version，保证并发时数据的正确性

id | biz_type | max_id | step | version ——– | —– | —– | —– | —– 1| 101 |1000 | 2000 | 0

等这批号段 ID 用完，再次向数据库申请新号段，对max_id字段做一次update操作，update max_id= max_id + step，update 成功则说明新号段获取成功，新的号段范围是(max_id ,max_id +step]。

update id_generator set max_id = #{max_id+step}, version = version + 1 where version = # {version} and biz_type = XXX 

由于多业务端可能同时操作，所以采用版本号version乐观锁方式更新，这种分布式 ID生成方式不强依赖于数据库，不会频繁的访问数据库，对数据库的压力小很多。

5 、基于 Redis 模式

Redis也同样可以实现，原理就是利用redis的 incr命令实现 ID 的原子性自增。

127.0.0.1:6379> set seq_id 1     // 初始化自增 ID 为 1 OK 127.0.0.1:6379> incr seq_id      // 增加 1，并返回递增后的数值 (integer) 2 

用redis实现需要注意一点，要考虑到 redis 持久化的问题。redis有两种持久化方式RDB和AOF

• RDB会定时打一个快照进行持久化，假如连续自增但redis没及时持久化，而这会 Redis 挂掉了，重启 Redis 后会出现 ID 重复的情况。

• AOF会对每条写命令进行持久化，即使Redis挂掉了也不会出现 ID 重复的情况，但由于 incr 命令的特殊性，会导致Redis重启恢复的数据时间过长。

6 、基于雪花算法（ Snowflake ）模式

雪花算法（ Snowflake ）是 twitter 公司内部分布式项目采用的 ID 生成算法，开源后广受国内大厂的好评，在该算法影响下各大公司相继开发出各具特色的分布式生成器。

以上图片源自网络，如有侵权联系删除

Snowflake生成的是 Long 类型的 ID，一个 Long 类型占 8 个字节，每个字节占 8 比特，也就是说一个 Long 类型占 64 个比特。

Snowflake ID 组成结构：正数位（占 1 比特）+ 时间戳（占 41 比特）+ 机器 ID（占 5 比特）+ 数据中心（占 5 比特）+ 自增值（占 12 比特），总共 64 比特组成的一个 Long 类型。

• 第一个 bit 位（ 1bit ）：Java 中 long 的最高位是符号位代表正负，正数是 0，负数是 1，一般生成 ID 都为正数，所以默认为 0 。
• 时间戳部分（ 41bit ）：毫秒级的时间，不建议存当前时间戳，而是用（当前时间戳 – 固定开始时间戳）的差值，可以使产生的 ID 从更小的值开始； 41 位的时间戳可以使用 69 年，(1L << 41) / (1000L * 60 * 60 * 24 * 365) = 69 年
• 工作机器 id （ 10bit ）：也被叫做workId，这个可以灵活配置，机房或者机器号组合都可以。
• 序列号部分（ 12bit ），自增值支持同一毫秒内同一个节点可以生成 4096 个 ID

根据这个算法的逻辑，只需要将这个算法用 Java 语言实现出来，封装为一个工具方法，那么各个业务应用可以直接使用该工具方法来获取分布式 ID，只需保证每个业务应用有自己的工作机器 id 即可，而不需要单独去搭建一个获取分布式 ID 的应用。

Java 版本的Snowflake算法实现：

 /**  * Twitter 的 SnowFlake 算法,使用 SnowFlake 算法生成一个整数，然后转化为 62 进制变成一个短地址 URL  *  * https://github.com/beyondfengyu/SnowFlake  */ public class SnowFlakeShortUrl {      /**      * 起始的时间戳      */     private final static long START_TIMESTAMP = 1480166465631L;      /**      * 每一部分占用的位数      */     private final static long SEQUENCE_BIT = 12;   //序列号占用的位数     private final static long MACHINE_BIT = 5;     //机器标识占用的位数     private final static long DATA_CENTER_BIT = 5; //数据中心占用的位数      /**      * 每一部分的最大值      */     private final static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT);     private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT);     private final static long MAX_DATA_CENTER_NUM = -1L ^ (-1L << DATA_CENTER_BIT);      /**      * 每一部分向左的位移      */     private final static long MACHINE_LEFT = SEQUENCE_BIT;     private final static long DATA_CENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;     private final static long TIMESTAMP_LEFT = DATA_CENTER_LEFT + DATA_CENTER_BIT;      private long dataCenterId;  //数据中心     private long machineId;     //机器标识     private long sequence = 0L; //序列号     private long lastTimeStamp = -1L;  //上一次时间戳      private long getNextMill() {         long mill = getNewTimeStamp();         while (mill <= lastTimeStamp) {             mill = getNewTimeStamp();         }         return mill;     }      private long getNewTimeStamp() {         return System.currentTimeMillis();     }      /**      * 根据指定的数据中心 ID 和机器标志 ID 生成指定的序列号      *      * @param dataCenterId 数据中心 ID      * @param machineId    机器标志 ID      */     public SnowFlakeShortUrl(long dataCenterId, long machineId) {         if (dataCenterId > MAX_DATA_CENTER_NUM || dataCenterId < 0) {             throw new IllegalArgumentException("DtaCenterId can't be greater than MAX_DATA_CENTER_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;     }      /**      * 产生下一个 ID      *      * @return      */     public synchronized long nextId() {         long currTimeStamp = getNewTimeStamp();         if (currTimeStamp < lastTimeStamp) {             throw new RuntimeException("Clock moved backwards.  Refusing to generate id");         }          if (currTimeStamp == lastTimeStamp) {             //相同毫秒内，序列号自增             sequence = (sequence + 1) & MAX_SEQUENCE;             //同一毫秒的序列数已经达到最大             if (sequence == 0L) {                 currTimeStamp = getNextMill();             }         } else {             //不同毫秒内，序列号置为 0             sequence = 0L;         }          lastTimeStamp = currTimeStamp;          return (currTimeStamp - START_TIMESTAMP) << TIMESTAMP_LEFT //时间戳部分                 | dataCenterId << DATA_CENTER_LEFT       //数据中心部分                 | machineId << MACHINE_LEFT             //机器标识部分                 | sequence;                             //序列号部分     }          public static void main(String[] args) {         SnowFlakeShortUrl snowFlake = new SnowFlakeShortUrl(2, 3);          for (int i = 0; i < (1 << 4); i++) {             //10 进制             System.out.println(snowFlake.nextId());         }     } } 

7 、百度（ uid-generator ）

uid-generator是由百度技术部开发，项目 GitHub 地址 https://github.com/baidu/uid-generator

uid-generator是基于Snowflake算法实现的，与原始的snowflake算法不同在于，uid-generator支持自定义时间戳、工作机器 ID和 序列号 等各部分的位数，而且uid-generator中采用用户自定义workId的生成策略。

uid-generator需要与数据库配合使用，需要新增一个WORKER_NODE表。当应用启动时会向数据库表中去插入一条数据，插入成功后返回的自增 ID 就是该机器的workId数据由 host，port 组成。

对于uid-generator ID 组成结构：

workId，占用了 22 个 bit 位，时间占用了 28 个 bit 位，序列化占用了 13 个 bit 位，需要注意的是，和原始的snowflake不太一样，时间的单位是秒，而不是毫秒，workId也不一样，而且同一应用每次重启就会消费一个workId。

参考文献 https://github.com/baidu/uid-generator/blob/master/README.zh_cn.md

8 、美团（ Leaf ）

Leaf由美团开发，github 地址： https://github.com/Meituan-Dianping/Leaf

Leaf同时支持号段模式和snowflake算法模式，可以切换使用。

号段模式

先导入源码 https://github.com/Meituan-Dianping/Leaf，在建一张表leaf_alloc

DROP TABLE IF EXISTS `leaf_alloc`;  CREATE TABLE `leaf_alloc` (   `biz_tag` varchar(128)  NOT NULL DEFAULT '' COMMENT '业务 key',   `max_id` bigint(20) NOT NULL DEFAULT '1' COMMENT '当前已经分配了的最大 id',   `step` int(11) NOT NULL COMMENT '初始步长，也是动态调整的最小步长',   `description` varchar(256)  DEFAULT NULL COMMENT '业务 key 的描述',   `update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '数据库维护的更新时间',   PRIMARY KEY (`biz_tag`) ) ENGINE=InnoDB;  

然后在项目中开启号段模式，配置对应的数据库信息，并关闭snowflake模式

leaf.name=com.sankuai.leaf.opensource.test leaf.segment.enable=true leaf.jdbc.url=jdbc:mysql://localhost:3306/leaf_test?useUnicode=true&characterEncoding=utf8&characterSetResults=utf8 leaf.jdbc.username=root leaf.jdbc.password=root  leaf.snowflake.enable=false #leaf.snowflake.zk.address= #leaf.snowflake.port=  

启动leaf-server 模块的 LeafServerApplication项目就跑起来了

号段模式获取分布式自增 ID 的测试 url： http：//localhost：8080/api/segment/get/leaf-segment-test

监控号段模式： http://localhost:8080/cache

snowflake 模式

Leaf的 snowflake 模式依赖于ZooKeeper，不同于原始 snowflake算法也主要是在workId的生成上，Leaf中workId是基于ZooKeeper的顺序 Id 来生成的，每个应用在使用Leaf-snowflake时，启动时都会都在Zookeeper中生成一个顺序 Id，相当于一台机器对应一个顺序节点，也就是一个workId。

leaf.snowflake.enable=true leaf.snowflake.zk.address=127.0.0.1 leaf.snowflake.port=2181 

snowflake 模式获取分布式自增 ID 的测试 url： http://localhost:8080/api/snowflake/get/test

9 、滴滴（ Tinyid ）

Tinyid由滴滴开发，Github 地址： https://github.com/didi/tinyid 。

Tinyid是基于号段模式原理实现的与Leaf如出一辙，每个服务获取一个号段（ 1000,2000]、（ 2000,3000]、（ 3000,4000] Tinyid提供http和tinyid-client两种方式接入

Http 方式接入

（ 1 ）导入 Tinyid 源码：

git clone https://github.com/didi/tinyid.git

（ 2 ）创建数据表：

CREATE TABLE `tiny_id_info` (   `id` bigint(20) unsigned NOT NULL AUTO_INCREMENT COMMENT '自增主键',   `biz_type` varchar(63) NOT NULL DEFAULT '' COMMENT '业务类型，唯一',   `begin_id` bigint(20) NOT NULL DEFAULT '0' COMMENT '开始 id，仅记录初始值，无其他含义。初始化时 begin_id 和 max_id 应相同',   `max_id` bigint(20) NOT NULL DEFAULT '0' COMMENT '当前最大 id',   `step` int(11) DEFAULT '0' COMMENT '步长',   `delta` int(11) NOT NULL DEFAULT '1' COMMENT '每次 id 增量',   `remainder` int(11) NOT NULL DEFAULT '0' COMMENT '余数',   `create_time` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '创建时间',   `update_time` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '更新时间',   `version` bigint(20) NOT NULL DEFAULT '0' COMMENT '版本号',   PRIMARY KEY (`id`),   UNIQUE KEY `uniq_biz_type` (`biz_type`) ) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT 'id 信息表';  CREATE TABLE `tiny_id_token` (   `id` int(11) unsigned NOT NULL AUTO_INCREMENT COMMENT '自增 id',   `token` varchar(255) NOT NULL DEFAULT '' COMMENT 'token',   `biz_type` varchar(63) NOT NULL DEFAULT '' COMMENT '此 token 可访问的业务类型标识',   `remark` varchar(255) NOT NULL DEFAULT '' COMMENT '备注',   `create_time` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '创建时间',   `update_time` timestamp NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '更新时间',   PRIMARY KEY (`id`) ) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT 'token 信息表';  INSERT INTO `tiny_id_info` (`id`, `biz_type`, `begin_id`, `max_id`, `step`, `delta`, `remainder`, `create_time`, `update_time`, `version`) VALUES  (1, 'test', 1, 1, 100000, 1, 0, '2018-07-21 23:52:58', '2018-07-22 23:19:27', 1);  INSERT INTO `tiny_id_info` (`id`, `biz_type`, `begin_id`, `max_id`, `step`, `delta`, `remainder`, `create_time`, `update_time`, `version`) VALUES  (2, 'test_odd', 1, 1, 100000, 2, 1, '2018-07-21 23:52:58', '2018-07-23 00:39:24', 3);   INSERT INTO `tiny_id_token` (`id`, `token`, `biz_type`, `remark`, `create_time`, `update_time`) VALUES  (1, '0f673adf80504e2eaa552f5d791b644c', 'test', '1', '2017-12-14 16:36:46', '2017-12-14 16:36:48');  INSERT INTO `tiny_id_token` (`id`, `token`, `biz_type`, `remark`, `create_time`, `update_time`) VALUES  (2, '0f673adf80504e2eaa552f5d791b644c', 'test_odd', '1', '2017-12-14 16:36:46', '2017-12-14 16:36:48'); 

（ 3 ）配置数据库：

datasource.tinyid.names=primary datasource.tinyid.primary.driver-class-name=com.mysql.jdbc.Driver datasource.tinyid.primary.url=jdbc:mysql://ip:port/databaseName?autoReconnect=true&useUnicode=true&characterEncoding=UTF-8 datasource.tinyid.primary.username=root datasource.tinyid.primary.password=123456 

（ 4 ）启动tinyid-server后测试

获取分布式自增 ID: http://localhost:9999/tinyid/id/nextIdSimple?bizType=test&token=0f673adf80504e2eaa552f5d791b644c' 返回结果: 3  批量获取分布式自增 ID: http://localhost:9999/tinyid/id/nextIdSimple?bizType=test&token=0f673adf80504e2eaa552f5d791b644c&batchSize=10' 返回结果:  4,5,6,7,8,9,10,11,12,13 

Java 客户端方式接入

重复 Http 方式的（ 2 ）（ 3 ）操作

引入依赖

       <dependency>             <groupId>com.xiaoju.uemc.tinyid</groupId>             <artifactId>tinyid-client</artifactId>             <version>${tinyid.version}</version>         </dependency> 

配置文件

tinyid.server =localhost:9999 tinyid.token =0f673adf80504e2eaa552f5d791b644c 

test 、tinyid.token是在数据库表中预先插入的数据，test 是具体业务类型，tinyid.token表示可访问的业务类型

// 获取单个分布式自增 ID Long id =  TinyId . nextId( " test " );  // 按需批量分布式自增 ID List< Long > ids =  TinyId . nextId( " test " , 10 ); 

总结

本文只是简单介绍一下每种分布式 ID 生成器，旨在给大家一个详细学习的方向，每种生成方式都有它自己的优缺点，具体如何使用还要看具体的业务需求。

本文收录在： https://github.com/chengxy-nds/Springboot-Notebook/

无论你是刚入行、还是已经有几年经验的程序员，相信这份面试提纲都会给你不少助力，长按二维码关注 『 程序员内点事 』 ，回复 『 offer 』 自行领取，祝大家 offer 拿到手软！

整理了几百本各类技术电子书，有需要的同学可以，关注公号回复 [ 666 ] 自取。还有想要加技术群的同学可以加我好友，和大佬侃技术、不定期内推，程序员的内点事这都有。