分布式ID实现方案实战示例总结

以下是几种常见的分布式ID实现方案的实战示例总结：

数据库自增ID

• 示例

  • 创建数据库表，设置自增主键：

  CREATE TABLE id_generator (
      id BIGINT AUTO_INCREMENT PRIMARY KEY,
      -- 其他字段...
  );
  

  • 获取ID时，插入一条记录并返回自增ID：

  INSERT INTO id_generator () VALUES ();
  SELECT LAST_INSERT_ID();
  

• 优点

  • 实现简单，ID有序递增。

• 缺点

  • 存在单点故障，扩展性差。
  • 高并发下性能瓶颈。

数据库号段模式

• 示例

  • 创建表，记录当前号段和最大值：

  CREATE TABLE id_segment (
      biz_type VARCHAR(32) PRIMARY KEY,
      current_id BIGINT,
      max_id BIGINT
  );
  

  • 获取ID时，更新号段：

  UPDATE id_segment SET current_id = ?, max_id = ?
  WHERE biz_type = ? AND current_id < max_id;
  

  如果更新成功，从current_id开始分配ID；否则，重新获取新的号段。

• 优点

  • 减少数据库访问，提高性能。

• 缺点

  • 需要处理号段耗尽的情况。
  • 仍存在单点问题。

Redis自增

• 示例

  • 使用INCR命令生成ID：

  Jedis jedis = new Jedis("localhost", 6379);
  long id = jedis.incr("id_generator");
  

• 优点

  • 高性能，支持高并发。

• 缺点

  • 依赖Redis，存在单点风险。
  • ID单调递增，可能暴露业务信息。

UUID

• 示例

  • 生成UUID：

  String id = UUID.randomUUID().toString().replace("-", "");
  

• 优点

  • 生成简单，本地生成无需网络请求。
  • 全球唯一性高。

• 缺点

  • 长度较长，存储成本高。
  • 无序性导致数据库索引性能下降。

雪花算法（Snowflake）

• 示例

  • 实现SnowflakeIdWorker类：

  public class SnowflakeIdWorker {
      // 机器ID（可配置）
      private final long workerId;
      // 数据中心ID（可配置）
      private final long datacenterId;
      // 其他参数...
  
      public long nextId() {
          // 生成分布式ID...
      }
  }
  

• 优点

  • 高性能，生成速度快。
  • ID有序递增，满足时间趋势。
  • 分布式部署，无单点问题。

• 缺点

  • 依赖时钟，时钟回拨可能导致ID重复。
  • 需要管理机器ID和数据中心ID。

美团Leaf

• 示例

  • 使用Leaf框架，配置数据库或Redis模式。
  • 调用API获取ID：

  long id = LeafIdGenerator.get();
  

• 优点

  • 结合号段模式和Snowflake算法，兼顾性能和可靠性。
  • 提供双缓存机制，提高可用性。

• 缺点

  • 引入额外依赖，增加维护成本。

选择建议

• 高性能、有序ID：Redis自增、雪花算法。
• 高可用、简单：UUID、数据库自增ID（配合集群）。
• 兼顾性能与可靠性：数据库号段模式、美团Leaf。

根据业务需求、系统架构和性能要求，选择合适的分布式ID生成方案。