为了账号安全,请及时绑定邮箱和手机立即绑定

突破Java面试(49)-分库分表之后全局id的生成

2019.07.13 15:31 284浏览

Github

1 面试题

分库分表之后,id主键如何处理?

2 考点分析

其实这是分库分表之后你必然要面对的一个问题,就是id咋生成?

要是分成多个表之后,每个表都是从1开始累加,那肯定不对啊,需要一个全局唯一的id来支持!

下面来看看有哪些可行方案~

3 数据库自增id

  • 分库分表的id主键问题

系统每次得到一个id,都是

  • 往一个库的一个表里插入一条没什么业务含义的数据

  • 然后获取一个数据库自增id

  • 拿到该id后,再写入对应的分库分表中

3.1 优点

就是方便简单,谁都会用

3.2 缺点

就是单库生成自增id,要是高并发的话,就会有瓶颈

如果你硬是要改进,那就专门开一个服务

  • 该服务每次就拿到当前id最大值

  • 然后自己递增几个id,一次性返回一批id

  • 然后再把当前最大id值修改成递增几个id之后的一个值

但是无论怎么说都是基于单个数据库的!

3.3 适用场景

分库分表就俩原因

  • 要不就是单库并发太高

  • 要不就是单库数据量太大

除非是你并发不高,但是数据量太大导致的分库分表扩容,你可以用这个方案,因为可能每秒最高并发最多就几百,那么就走单独的一个库和表生成自增主键即可。

并发很低,几百/s,但是数据量大,几十亿的数据,所以需要靠分库分表来存放海量的数据

4 UUID

4.1 优点

就是本地生成,不要基于数据库

4.2 缺点

  • UUID太长了,作为主键性能太差,不适合用于主键

  • UUID 不具有有序性,会导致 B+ 树索引在写的时候有过多的随机写操作(连续的 ID 可以产生部分顺序写)

  • 写的时候不能产生有顺序的 append 操作,而需要进行 insert 操作,将会读取整个 B+ 树节点到内存,在插入这条记录后会将整个节点写回磁盘,这种操作在记录占用空间比较大的情况下,性能下降明显

4.3 适用场景

如果你是要随机生成个什么文件名,编号之类的,你可以用UUID,但是作为主键是不能用UUID


5 获取系统当前时间

获取当前时间即可,但问题是,并发很高的时候,比如一s并发几千,会有重复的情况,这个是肯定不合适的。基本就不用考虑了。

5.1 适用场景

一般如果用这个方案,是将当前时间跟很多其他的业务字段拼接起来,作为一个id

如果业务上你觉得可以接受,那么也是可以的

你可以将别的业务字段值跟当前时间拼接起来,组成一个全局唯一的编号

比如订单编号

时间戳 + 用户id + 业务含义编码

6 snowflake算法

twitter开源的分布式id生成算法,把一个64位的long型的id,1个bit是不用的,用其中的41 bit作为毫秒数,用10 bit作为工作机器id,12 bit作为序列号

  • 1 bit:不用 因为二进制里第一个bit为如果是1,那么都是负数,但是我们生成的id都是正数,所以第一个bit统一都是0

  • 41 bit:表示的是时间戳,单位是ms 41 bit可以表示的数字多达2^41 - 1,也就是可以标识2 ^ 41 - 1个毫秒值,换算成年就是表示69年的时间

  • 10 bit:记录工作机器id 代表的是这个服务最多可以部署在2^10台机器上哪,也就是1024台机器 但是10 bit里5个bit代表机房id,5个bit代表机器id。意思就是最多代表2 ^ 5个机房(32个机房),每个机房里可以代表2 ^ 5个机器(32台机器)。

  • 12 bit:记录同一个毫秒内产生的不同id 12 bit可以代表的最大正整数是2 ^ 12 - 1 = 4096 也就是说可以用这个12bit代表的数字来区分同一个毫秒内的4096个不同的id

64位的long型的id,64位的long -> 二进制


2018-01-01 10:00:00 -> 做了一些计算,再换算成一个二进制,41bit来放 ->


机房id,17 -> 换算成一个二进制 ->


机器id,25 -> 换算成一个二进制 ->


snowflake算法服务,会判断一下,当前这个请求是否是,机房17的机器25,在2175/11/7 12:12:14时间点发送过来的第一个请求,如果是第一个请求

假设,在2175/11/7 12:12:14时间里,机房17的机器25,发送了第二条消息,snowflake算法服务,会发现说机房17的机器25,在2175/11/7 12:12:14时间里,在这一毫秒,之前已经生成过一个id了,此时如果你同一个机房,同一个机器,在同一个毫秒内,再次要求生成一个id,此时我只能把加1


比如我们来观察上面的那个,就是一个典型的二进制的64位的id,换算成10进制就是910499571847892992。


  • 41 bit,就是当前毫秒单位的一个时间戳

  • 然后5 bit是你传递进来的一个机房id(但是最大只能是32以内)

  • 5 bit是你传递进来的机器id(但是最大只能是32以内)

  • 剩下的那个10 bit序列号,就是如果跟你上次生成id的时间还在一个毫秒内,那么会把顺序给你累加,最多在4096个序号以内

所以你自己利用这个工具类,自己搞一个服务,然后对每个机房的每个机器都初始化这么一个东西,刚开始这个机房的这个机器的序号就是0

然后每次接收到一个请求,说这个机房的这个机器要生成一个id,你就找到对应的Worker,生成。

这个算法生成的时候,会把当前毫秒放到41 bit中,然后5 bit是机房id,5 bit是机器id,接着就是判断上一次生成id的时间如果跟这次不一样,序号就自动从0开始;要是上次的时间跟现在还是在一个毫秒内,他就把seq累加1,就是自动生成一个毫秒的不同的序号。

该算法可以确保每个机房每个机器每一毫秒,最多生成4096个不重复的id

利用这个snowflake算法,你可以开发自己公司的服务,甚至对于机房id和机器id,反正给你预留了5 bit + 5 bit,你换成别的有业务含义的东西也可以的。

这个snowflake算法相对来说还是比较靠谱的,所以你要真是搞分布式id生成,如果是高并发啥的,那么用这个应该性能比较好,一般每秒几万并发的场景,也足够你用了。

参考

  • 《Java工程师面试突击第1季-中华石杉老师》


点击查看更多内容
1人点赞

若觉得本文不错,就分享一下吧!

评论

相关文章推荐

正在加载中
意见反馈 邀请有奖 帮助中心 APP下载
官方微信

举报

0/150
提交
取消