10分钟搞定！Golang分布式ID集合

会员服务 ·

10分钟搞定！Golang分布式ID集合

2022 年 9 月 5 日 CSDN

【编者按】本文是基于最近对Golang分布式ID的相关讨论，希望本文内容可以对相关技术感兴趣的开发者提供一点经验和帮助。

作者 | 陈冬，腾讯后台开发工程师

出品 | 腾讯云开发者

本地ID生成器

uuid

uuid有两种包：

github.com/google/uuid ，仅支持V1和V4版本。
github.com/gofrs/uuid ，支持全部五个版本。

下面简单说下五种版本的区别：

Version 1，基于mac地址、时间戳。
Version 2，based on timestamp，MAC address and POSIX UID/GID (DCE 1.1)
Version 3，Hash获取入参并对结果进行MD5。
Version 4，纯随机数。
Version 5，based on SHA-1 hashing of a named value。

特点

5个版本可供选择。
定长36字节，偏长。
无序。

package mianimport (    "github.com/gofrs/uuid"    "fmt")func main() {    // Version 1:时间+Mac地址    id, err := uuid.NewV1()    if err != nil {        fmt.Printf("uuid NewUUID err:%+v", err)    }    // id: f0629b9a-0cee-11ed-8d44-784f435f60a4 length: 36    fmt.Println("id:", id.String(), "length:", len(id.String()))
    // Version 4:是纯随机数,error会在内部报panic    id, err = uuid.NewV4()    if err != nil {        fmt.Printf("uuid NewUUID err:%+v", err)    }    // id: 3b4d1268-9150-447c-a0b7-bbf8c271f6a7 length: 36    fmt.Println("id:", id.String(), "length:", len(id.String()))}

shortuuid

初始值基于uuid Version4；第二步根据alphabet变量长度(定长57)计算id长度(定长22)；第三步依次用DivMod（欧几里得除法和模）返回值与alphabet做映射，合并生成id。

特点

基于uuid，但比uuid的长度短，定长22字节。

package mianimport (    "github.com/lithammer/shortuuid/v4"    "fmt")func main() {    id := shortuuid.New()    // id: iDeUtXY5JymyMSGXqsqLYX length: 22    fmt.Println("id:", id, "length:", len(id))
    // V22s2vag9bQEZCWcyv5SzL 固定不变    id = shortuuid.NewWithNamespace("http://127.0.0.1.com")    // id: K7pnGHAp7WLKUSducPeCXq length: 22    fmt.Println("id:", id, "length:", len(id))        // NewWithAlphabet函数可以用于自定义的基础字符串，字符串要求不重复、定长57    str := "12345#$%^&*67890qwerty/;'~!@uiopasdfghjklzxcvbnm,.()_+·><"    id = shortuuid.NewWithAlphabet(str)    // id: q7!o_+y('@;_&dyhk_in9/ length: 22    fmt.Println("id:", id, "length:", len(id))}

xid

xid是由时间戳、进程id、Mac地址、随机数组成。有序性来源于对随机数部分的原子+1。

特点

长度短。
有序。
不重复。
时间戳这个随机数原子+1操作，避免了时钟回拨的问题。

下面的代码根据需求进行了魔改。

package mianimport (    "github.com/rs/xid"    "fmt")func main() {    // hostname+pid+atomic.AddUint32    id := xid.New()    containerName := "test"    // 由于xid默认使用可重复ip地址填充4 5 6位。    // 实际场景中，服务都是部署在docker中，这里把ip地址位替换成了容器名    // 这里只取了容器名MD5的前3位，验证会重复，放弃使用    containerNameID := make([]byte, 3)    hw := md5.New()    hw.Write([]byte(containerName))    copy(containerNameID, hw.Sum(nil))    id[4] = containerNameID[0]    id[5] = containerNameID[1]    id[6] = containerNameID[2]        // id: cbgjhf89htlrr1955d5g length: 12    fmt.Println("id:", id, "length:", len(id))}

ksuid

由随机数和时间戳组成。时间戳占前4字节，后面均为随机数：

package miaimport (    "github.com/segmentio/ksuid"    "fmt")func main() {
    id := ksuid.New()    // id: 2CWvPg766SUvezbiiV9nzrTZsgf length: 20    fmt.Println("id:", id, "length:", len(id))        id1 := ksuid.New()    id2 := ksuid.New()    // id1:2CTqTLRxCh48y7oUQzQHrgONT2k id2:2CTqTHf07C09CXyRMHdGKXnY5HP    fmt.Println(id1, id2)
    // 支持ID对比，这个功能比较鸡肋了,目前没想到有用的地方    compareResult := ksuid.Compare(id1, id2)    fmt.Println(compareResult) // 1
    // 判断顺序性    isSorted := ksuid.IsSorted([]ksuid.KSUID{id2, id1})    fmt.Println(isSorted) // true 降序}

ulid

随机数和时间戳组成

package mianimport (    "github.com/oklog/ulid"    "fmt")func main() {    t := time.Now().UTC()    entropy := rand.New(rand.NewSource(t.UnixNano()))    id := ulid.MustNew(ulid.Timestamp(t), entropy)    // id: 01G902ZSM96WV5D5DC5WFHF8WY length: 26    fmt.Println("id:", id.String(), "length:", len(id.String()))}

snowflake
大名鼎鼎的雪花算法，这里不做过多介绍了。相对于UUID来说，雪花算法不会暴露MAC地址更安全、生成的ID也不会过于冗余。雪花的一部分ID序列是基于时间戳的，那么时钟回拨的问题就来了。上面提到的xid，一定程度上避时钟回拨的影响。那么什么是时钟回拨，后面会提到。

数据库自增ID

这里常规是指数据库主键自增索引。特点如下：

架构简单容易实现；
ID有序递增，IO写入连续性好；
INT和BIGINT类型占用空间较小；
由于有序递增，易暴露业务量；
受到数据库性能限制，对高并发场景不友好。
bigint最大是2^64-1，但是数据库单表肯定放不了这么多，那么就涉及到分表。如果业务量真的太大了，主键的自增id涨到头了，会发生什么？报错：主键冲突。

Redis生成ID

通过redis的原子操作INCR和INCRBY获得id。相比数据库自增ID，redis性能更好、更加灵活。不过架构强依赖redis，redis在整个架构中会产生单点问题。在流量较大的场景下，网络耗时也可能成为瓶颈。

ZooKeeper唯一ID

ZooKeeper是使用了Znode结构中的Zxid实现顺序增ID。Zookeeper类似一个文件系统，每个节点都有唯一路径名(Znode)，Zxid是个全局事务计数器，每个节点发生变化都会记录响应的版本(Zxid)，这个版本号是全局唯一且顺序递增的。这种架构还是出现了ZooKeeper的单点问题。

号段模式

Leaf-segment

把数据库自增主键换成了计数法。每个业务分配一个biz_tag、并记录各业务最大id(max_id)、号段跨度(step)等数据。这样每次取号只需要更新biz_tag对应的max_id，就可以拿到step个id。

优点

除了拥有自增ID的优点之外，在性能上比自增ID更好
扩展灵活。
使用灵活、可配置性强。
缓存机制，突发状况下短时间内能保证服务正常运转。

缺点

id是有序自增，容易暴露信息，不可用于订单。
在leaf的缓存ID用完再去获取新号段的间隙，性能会有波动。
强依赖DB。

增强版Leaf-segment

增强版是对上面描述的缺点2进行的改进——双cache。在leaf的ID消耗到一定百分比时，常驻的后台进程会预先去号段服务获取新的号段并缓存。具体消耗百分比、及号段step根据业务消耗速度来定。

Tinyid

和增强版Leaf-segment类似，也是号段模式，提前加载号段。

Leaf-snowflake

时钟回拨

服务器上的时间突然倒退回之前的时间。可能是人为的调整时间；也可能是服务器之间的时间校对。

实现方案

用Zookeeper顺序增、全局唯一的节点版本号，替换了原有的机器地址。解决了时钟回拨的问题。前面介绍ZooKeeper的缺点，强依赖ZooKeeper、大流量下的网络瓶颈。下图的方案在Leaf-snowflake 中通过缓存一个ZooKeeper文件夹，提高可用性。运行时运行时，时差小于5ms会等待时差两倍时间，如果时差大于5ms报警并停止启动。

— 推荐阅读 —

   
   
     
    
    
      ☞国内首位 AI 虚拟人当 CEO，还有成功入学上音的！网友：这下老板真不是“人”了
   
   
     
   
   
     
    
    
      ☞开发者强烈表示：“我们根本不想做运维！”
   
   
     
   
   
     
    
    
      ☞GitHub 将关闭 Trending 热榜，开发者不答应