前言
在我们日常进行开发的时候,不可避免的会出现对用户表的操作，而为了保证每一个用户的唯一性，这就需要我们创建一个唯一性的id，但是现在有一个问题，如果我们仅仅像通过自增这样方式来创建唯一的id，这无疑是非常不合适的，他人可以通过自己新创建账号的id进而大致推算出当前网站大致的用户量，这样会对网站的安全造成极大的威胁，那我们可以如何去避免这种情况呢?这就是我们今天所要介绍的内容：分布式ID生成。
分布式ID的特点及其应用
分布式ID主要具有以下特点：
全局唯一性：不能出现有重复的ID标识递增性：确保生成ID对于用户/业务是递增的高可用性：确保如何情况下生成的id都正常高性能性:在高并发的环境下依旧表现良好
而今天我们所要介绍的分布式ID生成方案是业内比较推荐的方法------ Snowflake(雪花算法)
它的优点有以下几个：
- 生成时不依赖于数据库，完全在内存中生成(高性能高可用)
- 每秒钟能生成数百万的自增 ID(高吞吐)
- 存入数据库中，索引效率高
缺点也比较明显：
- 依赖服务器时间，服务器时间回拨时可能会生成重复 id。
雪花算法的实现机理
一.雪花算法的组成
在雪花算法中会生成64bit的long型数值，它可以分为如下四个部分：
- 固定值(符号位,0-正 1-负)
- 时间戳：41bit，存储毫秒级时间戳（41 位的长度可以使用 69 年）
- 标识位：12bit，用于表示在同一毫秒内生成的多个ID的序号。如果在同一毫秒内生成的ID超过了4096个（2的12次方），则需要等到下一毫秒再生成ID。
拓展: 虽然默认生成的位数是64位,但是这个我们可以手动调节
二.对于雪花算法部分问题的分析
1.生成ID重复问题
场景：一个订单微服务，通过雪花算法生成 ID，共部署三个节点，标识位一致。此时有 200 并发，均匀散布三个节点，三个节点同一毫秒同一序列号下生成 ID，那么就会产生重复 ID
由此我们可以知道该问题出现的前置条件如下：
- 服务通过集群的方式部署，其中部分机器标识位一致；
- 业务存在一定的并发量，没有并发量无法触发重复问题；
- 生成 ID 的时机：同一毫秒下的序列号一致。
解决方案：
预分配:应用上线前，统计当前服务的节点数，人工去申请标识位.(适用于服务节点固定或者项目较少)动态分配:将标识位存放在 Redis、Zookeeper、MySQL 等中间件，在服务启动的时候去请求标识位，请求后标识位更新为下一个可用的统一分配:将标识位存放在 Redis、Zookeeper、MySQL 等中间件，在服务启动的时候去请求标识位，请求后标识位更新为下一个可用的
2.标识位的使用方式
标识位一共10 bit，如果全部表示机器，那么可以表示1024台机器，如果拆分，5 bit 表示机房，5bit表示机房里面的机器，那么可以有32个机房，每个机房可以用32台机器。
雪花算法的实现
这里我们选择使用第三方包sonyflake
go
go get github.com/sony/sonyflake
go
package snoyflake
import (
"fmt"
"github.com/sony/sonyflake"
"time"
)
var (
sonyFlake *sonyflake.Sonyflake
sonyMachineId uint16
)
func getMachineId() (id uint16, err error) {
return sonyMachineId, nil
}
func Init(starttime string, machineId uint16) (err error) {
sonyMachineId = machineId
t, _ := time.Parse("2006-01-02", starttime) // 设置开始时间
setting := sonyflake.Settings{
StartTime: t,
MachineID: getMachineId,
}
sonyFlake = sonyflake.NewSonyflake(setting) //用配置生成sonyflake节点
return
}
// GetID 返回生成的id
func GetID() (id uint64, err error) {
if sonyFlake == nil {
err = fmt.Errorf("sonyflake not init")
return
}
return sonyFlake.NextID()
}最后我们尝试来生成一下：
也是看到成功的生成了id,再运行一次：
可以看到生成的id并不相同，说明我们的雪花算法已经成功实现了。
结语
在原理方面参考了下面的文章，在此鸣谢大佬的分享：
一文读懂"Snowflake（雪花）"算法