redis分布式ID解決方案示例詳解

更新時間：2023年03月07日 15:02:55 作者：德哥很ok

這篇文章主要為大家介紹了redis分布式ID解決方案示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪

常用的分布式ID解決方案

在分布式系統(tǒng)中，生成全局唯一ID是非常重要的，因為在分布式系統(tǒng)中，多個節(jié)點(diǎn)同時生成ID可能會導(dǎo)致ID沖突。

下面介紹幾種常用的分布式ID解決方案。

UUID

UUID（通用唯一標(biāo)識符）是由128位數(shù)字組成的標(biāo)識符，它可以保證在全球范圍內(nèi)的唯一性，因為其生成算法基于時間戳、節(jié)點(diǎn)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(yōu)點(diǎn)是簡單易用，無需額外的配置和管理，可以直接使用Java自帶的UUID類生成。但是UUID長度較長（128位），不太適合作為數(shù)據(jù)庫表的主鍵，且不易于排序和索引。

Snowflake

Snowflake是Twitter開源的一種分布式ID生成算法，它可以生成64位的唯一ID，其中包含了時間戳、數(shù)據(jù)中心ID和機(jī)器ID等信息。Snowflake算法的Java代碼如下所示：

Snowflake算法的Java代碼：

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算法的優(yōu)點(diǎn)是生成ID的性能高，且ID長度較短（64位），可以作為數(shù)據(jù)庫表的主鍵，且便于排序和索引。但是需要注意，如果集群中的節(jié)點(diǎn)數(shù)超過了機(jī)器ID所占的位數(shù)，或者集群規(guī)模很大，時間戳位數(shù)不夠用，那么就需要考慮其他的分布式ID生成算法。

Leaf

Leaf是美團(tuán)點(diǎn)評開源的一種分布式ID生成算法，它可以生成全局唯一的64位ID。Leaf算法的Java代碼如下所示：

Leaf算法的Java代碼：

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算法的特點(diǎn)是生成ID的速度比Snowflake算法略慢，但是可以支持更多的Worker節(jié)點(diǎn)。Leaf算法生成的ID由三部分組成，分別是時間戳、Worker ID和序列號，其中時間戳占用42位、Worker ID占用10位、序列號占用12位，總共64位。

以上是常見的分布式ID生成算法，當(dāng)然還有其他的一些方案，如：MongoDB ID、UUID、Twitter Snowflake等。不同的方案適用于不同的業(yè)務(wù)場景，具體實現(xiàn)細(xì)節(jié)和性能表現(xiàn)也有所不同，需要根據(jù)實際情況選擇合適的方案。

除了上述介紹的分布式ID生成算法，還有一些新的分布式ID生成方案不斷涌現(xiàn)，例如Flicker的分布式ID生成算法，它使用了類似于Snowflake的思想，但是采用了不同的位數(shù)分配方式，相比Snowflake更加靈活，并且可以根據(jù)需要動態(tài)調(diào)整每個部分占用的位數(shù)。此外，F(xiàn)acebook還推出了ID Generation Service (IGS)方案，該方案將ID的生成和存儲分離，提供了更加靈活和可擴(kuò)展的方案，但是需要進(jìn)行更加復(fù)雜的架構(gòu)設(shè)計和實現(xiàn)。

針對不同的業(yè)務(wù)需求，可以設(shè)計多套分布式ID生成方案。下面是我個人的一些建議：

基于數(shù)據(jù)庫自增ID生成：使用數(shù)據(jù)庫自增ID作為全局唯一ID，可以很好的保證ID的唯一性，并且實現(xiàn)簡單，但是并發(fā)量較高時可能會導(dǎo)致性能瓶頸。因此，在高并發(fā)場景下不建議使用。
基于UUID生成：使用UUID作為全局唯一ID，可以很好地保證ID的唯一性，但是ID長度較長（128位），不便于存儲和傳輸，并且存在重復(fù)ID的概率非常小但不為0。因此，建議在分布式系統(tǒng)中使用時要考慮ID的長度和存儲傳輸?shù)某杀尽?/li>
基于Redis生成：使用Redis的原子性操作，可以保證ID的唯一性，并且生成ID的速度非?？?，可以適用于高并發(fā)場景。但是需要注意，如果Redis宕機(jī)或者性能不足，可能會影響ID的生成效率和可用性。
基于ZooKeeper生成：使用ZooKeeper的序列號生成器，可以保證ID的唯一性，并且實現(xiàn)較為簡單，但是需要引入額外的依賴和資源，并且可能會存在性能瓶頸。

選擇適合自己業(yè)務(wù)場景的分布式ID生成方案，需要綜合考慮ID的唯一性、生成速度、長度、存儲成本、可擴(kuò)展性、可用性等多個因素。同時需要注意，不同方案的實現(xiàn)細(xì)節(jié)和性能表現(xiàn)也有所不同，需要根據(jù)實際情況進(jìn)行權(quán)衡和選擇。

下面給出每種方案的詳細(xì)代碼demo：

基于數(shù)據(jù)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;
    }
}

基于UUID生成

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

基于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;
    }
}

基于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，這里使用了ZooKeeper的臨時節(jié)點(diǎn)來協(xié)調(diào)各個工作節(jié)點(diǎn)，如果一個工作節(jié)點(diǎn)掛掉了，它的臨時節(jié)點(diǎn)也會被刪除，這樣可以保證每個工作節(jié)點(diǎn)獲得的ID是唯一的。

以上就是各種分布式ID生成方案的詳細(xì)代碼demo，實際上，每種方案都有其優(yōu)缺點(diǎn)，應(yīng)根據(jù)具體業(yè)務(wù)場景和系統(tǒng)架構(gòu)選擇合適的方案。

以上就是redis分布式ID解決方案示例詳解的詳細(xì)內(nèi)容，更多關(guān)于redis分布式ID的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: