Java大厂面试题之10种分布式ID的生成方案

一、前言

日常工作中，我们开发的系统、或者中间件，都是分布式部署的。比如你的订单数据库，做了分库分表，这时候，你需要一个唯一的ID来标记一条数据。这时候，就需要分布式ID。分布式ID是在分布式系统下使用的ID，用于在多个节点中生成全局唯一的标识符。

二、UUID

UUID是通用唯一识别码 （Universally Unique Identifier）的缩写。它通过一定的算法机器生成，包括网卡MAC地址、时间戳、名字空间（Namespace）、随机或伪随机数、时序等元素。

代码示例：

 UUID randomUUID = UUID.randomUUID();
 System.out.println(randomUUID);
 //输出示例：a4332986-c548-4a39-9202-c82e2ea3b455

1、UUID的优点：

本地生成ID，不需要进行远程调用，时延低，性能高。
全球唯一，数据迁移容易。

2、UUID的缺点：

UUID过长，生成的是字符串，存储空间高。
不是有序的，无法保证趋势递增。
可读性差，不体现业务信息。

三、数据库自增ID

利用数据库的自增策略，如MySQL的auto_increment，来实现分布式ID。

1、数据库自增ID的优点：

主键自动增长，不用手工设值。
数字型，占用空间小、检索有利。
绝对有序。

2、数据库自增ID的缺点：

并发性能不高，受限于数据库性能。
不太适合重构的系统，因为涉及旧数据迁移容易ID冲突。
暴露商业信息，例如可以推断出来订单量。
存在单点问题

四、数据库集群模式

单库的数据库自增ID会存在单点问题，所以可以用数据库集群模式，去解决这个问题。数据库集群模式：通过多个数据库实例设置不同的起始值和步长来生成全局唯一的ID。

1、数据库集群模式优点：

可以有效生成集群中的唯一ID。解决了单点的问题。
降低ID生成数据库操作的负载。

2、数据库集群模式缺点：

需要独立部署多个数据库实例，成本高。
后期不方便扩展

五、Redis实现的分布式ID

我们可以利用，Redis的自增命令incr生成全局唯一ID。具体实现方式是:在Redis中维护一个自增的计数器，每次生成ID时，从Redis中获取计数器的值，然后将其加一并更新回Redis。

这种方式实现的分布式ID，是唯一的，并且是有序的，我们可以拼接时间、机器标识、业务类型等，让这个ID更有特殊意思。

Redis实现的分布式ID优点:

高性能、可扩展性强
唯一有序的

Redis实现的分布式ID缺点:

需要依赖Redis集群，否则存在单点问题。
可能存在ID冲突的风险（如果Redis集群设计不当）。

六、 Snowflake雪花算法

雪花算法是一种生成分布式全局唯一ID的算法，生成的ID称为Snowflake IDs。这种算法由Twitter创建，并用于推文的ID。

一个Snowflake ID有64位。

第1位：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。
接下来前41位是时间戳，表示了自选定的时期以来的毫秒数。
接下来的10位代表计算机ID，防止冲突。
其余12位代表每台机器上生成ID的序列号，这允许在同一毫秒内创建多个Snowflake ID。

Snowflake雪花算法的优点：

生成的ID全局唯一、趋势递增。
性能高，可扩展性强。

Snowflake雪花算法的缺点：

需要时钟回拨处理机制。
依赖机器ID和数据中心ID的分配。

七、基于Zookeeper的顺序节点

利用Zookeeper的顺序节点特性来生成全局唯一ID。

优点：

利用Zookeeper的集群特性保证高可用。
ID全局唯一。

缺点：

需要依赖Zookeeper集群。
可能会受到Zookeeper性能的限制。
并发竞争较大不适合用Zookeeper

八、百度的uid-generator

基于Twitter的Snowflake算法进行改进，增加了更多的配置和灵活性。

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。

代码demo：

import com.baidu.fsg.uid.UidGenerator;  
import com.baidu.fsg.uid.impl.CachedUidGenerator;  
  
public class UidGeneratorDemo {  
  
    public static void main(String[] args) {  
        // 创建一个UidGenerator实例  
        UidGenerator uidGenerator = new CachedUidGenerator();  
  
        // 初始化，这里只是一个简单的示例，实际使用时你可能需要根据你的业务场景进行更复杂的配置  
        // 例如，设置workerId、epoch等  
        // 注意：在多实例部署时，每个实例的workerId必须唯一  
        long workerId = 1L; // 示例ID，实际使用时需要保证每个实例的唯一性  
        long datacenterId = 1L; // 数据中心ID，示例  
        uidGenerator.init(workerId, datacenterId, null);  
  
        // 生成一个UID  
        long uid = uidGenerator.getUID();  
        System.out.println("Generated UID: " + uid);  
    }  
}

优缺点：类似Snowflake算法，但配置更灵活。

九、美团（Leaf）

Leaf是美团点评开源的分布式ID生成系统，包含基于数据库和基于Zookeeper的两种实现方式。

以基于数据库的自增ID生成策略为例(数据库表结构):

CREATE TABLE leaf_alloc (  
    biz_tag VARCHAR(128) NOT NULL COMMENT '业务key',  
    max_id BIGINT(20) NOT NULL COMMENT '当前已分配的最大id',  
    step INT(11) NOT NULL COMMENT '每次id的增长步长',  
    PRIMARY KEY (biz_tag)  
) ENGINE=INNODB DEFAULT CHARSET=utf8mb4;

Java 实现:

import java.sql.*;  
  
public class LeafIdGenerator {  
  
    private static final String JDBC_URL = "jdbc:mysql://localhost:3306/your_database?useSSL=false&serverTimezone=UTC";  
    private static final String USERNAME = "your_username";  
    private static final String PASSWORD = "your_password";  
  
    private static final String UPDATE_SQL = "UPDATE leaf_alloc SET max_id = max_id + ? WHERE biz_tag = ?";  
    private static final String SELECT_SQL = "SELECT max_id FROM leaf_alloc WHERE biz_tag = ? FOR UPDATE";  
  
    public synchronized long getId(String bizTag) throws SQLException {  
        Connection conn = null;  
        PreparedStatement updateStmt = null;  
        PreparedStatement selectStmt = null;  
        ResultSet rs = null;  
  
        try {  
            conn = DriverManager.getConnection(JDBC_URL, USERNAME, PASSWORD);  
            selectStmt = conn.prepareStatement(SELECT_SQL);  
            selectStmt.setString(1, bizTag);  
            rs = selectStmt.executeQuery();  
  
            if (rs.next()) {  
                long maxId = rs.getLong("max_id");  
                int step = 1000; // 假设步长为1000，你可以从数据库中读取这个值  
  
                // 假设这里只是简单演示，不检查是否超过max_id + step是否溢出  
                updateStmt = conn.prepareStatement(UPDATE_SQL);  
                updateStmt.setInt(1, step);  
                updateStmt.setString(2, bizTag);  
                updateStmt.executeUpdate();  
  
                // 返回ID区间中的一个ID，这里简单返回maxId（实际应用中可能需要更复杂的策略）  
                return maxId;  
            } else {  
                // 如果没有找到对应的bizTag，则需要初始化  
                // ... 初始化代码省略 ...  
                throw new RuntimeException("BizTag not found: " + bizTag);  
            }  
        } finally {  
            // 关闭资源，省略了异常处理  
            if (rs != null) rs.close();  
            if (selectStmt != null) selectStmt.close();  
            if (updateStmt != null) updateStmt.close();  
            if (conn != null) conn.close();  
        }  
    }  
  
    public static void main(String[] args) {  
        LeafIdGenerator generator = new LeafIdGenerator();  
        try {  
            long id = generator.getId("test-biz-tag");  
            System.out.println("Generated ID: " + id);  
        } catch (SQLException e) {  
            e.printStackTrace();  
        }  
    }  
}

优点：

结合了数据库和Zookeeper的优点，提供了高可用和高性能的ID生成服务。