背景
随着业务的增长,文章表可能要占用很大的物理存储空间,为了解决该问题,后期使用数据库分片技术。
将一个数据库进行拆分,通过数据库中间件连接。如果数据库中该表选用ID自增策略,则可能产生重复的ID,
此时应该使用分布式ID生成策略来生成ID。
技术选型
方案 | 优势 | 劣势 |
---|---|---|
Redis | (INCR)生成一个全局连续递增的类型主键 | 增加了一个外部组件的依赖,Redis不可用,则整个(INCR)生成一个全局连续递增的数字类数据库将无法在插入 |
UUID | 全局唯一,Mysql也有UUID实现 | 36个字符组成,占用空间大 |
Snowflake算法 | 全局唯一,数字类型,存储成本低 | 机器规模大于1024台无法支持 |
雪花算法
snowflake是Twitter开源的分布式ID生成算法,结果是一个ong型的ID。
其核心思想是: 使用41bit作为毫秒数,10bit作为机器的ID(5个bit是数据中心,5个bit的机器ID),12bt作为毫秒内的流水号(意味着每个节点在每毫秒可以产生4096个ID),最后还有一个符号位,永远是0
设置雪花算法
实体类上添加注解@TableId(value = "id",type =IdType.ASSIGN_ID )
kotlin
@TableId(value = "id",type =IdType.ASSIGN_ID )
private Long id;
此外,还可以指定机房id和机器id
yaml
mybatis-plus:
global-config:
# 机房id 0-31
datacenter-id: 1
# 机器id
workerId: 1
小结
数据库的索引是由id进行组织的一个b+树,而b+树这种数据结构,本身是一种有序的多叉树,使用自增id可以减少维护b+带来的性能开销;其次自增id通常使用个id类型的自增类型,而uuid是字符串,字符串所占用的内存空间比long大得多;同时在非聚簇索引每一个非叶子节点存储的就是主键,这也就意味着如果使用uuid每一页能存储的数量会变少,层高可能会变高,性能下降。
但是实际上我们的业务并没有特别高的并发量,并不会要求极致的性能,人员成本、开发周期等因素怎么也需要考虑;很多场景快速的当主键,也是不错的选择。