这是一个对您有用的社区
一对一的交流/采访手册/简历优化/求职和回答问题，欢迎加入“”知识星球。以下是地球提供的一些信息：
这是一个可能对您有用的开源项目
国内恒星具有一个10W +开源项目，包括管理后端 +微信小计划，后端支持单体和微服务体系结构。
功能涵盖RBAC权限，SaaS多租户，数据权限，购物中心，付款，工作流程，大屏幕报告，微信公共帐户和其他功能：
系统的独特ID是我们在设计系统时经常遇到的问题，我们经常为其挣扎。
本文是为您提供生成分布式独特的全球ID生成解决方案的想法，希望能帮助所有人。
请给我一些有关缺点的建议！呢
基于Spring Boot + MyBatis Plus + Vue＆Element实施的后端管理系统 +用户APPLET，支持RBAC动态权限，多租户，数据权限，工作流程，工作流程，三方登录，付款，付款，SMS，购物中心和其他功能
在复杂的分布式系统中，通常有必要唯一地识别大量数据和消息，例如财务，付款，餐饮和梅图恩·丹（Meituan Dianping）
Maoyan电影等产品系统中的数据正在逐渐增加。将数据库分为数据库后，需要一个唯一的ID来识别数据或信息。
特殊的Ian的订单，骑手和优惠券都需要具有唯一的ID作为标识。
目前，可以生成全局唯一ID的系统非常必要
单调增加
信息安全
随时间戳记
低潜伏期
高QP
后端管理系统 +基于弹簧云的用户applet基于阿里巴巴 +网关 + NACOS + ROCKETMQ + VUE＆Element，支持RBAC动态权限，多租户，数据权限，工作流，工作流程，三方登录，付款，付款，SMS，SMS，MALS，购物中心和其他功能
uuid.randomuuid（），UUID标准类型包含32个十六进制的数字，分为5个带有连字符的细分，形式为8-4-4-4-4-4-12，具有很高的性能，本地发电，没有网络消耗。
输入数据库的性能很差，因为UUID无序
统一，无法预测其发电顺序，无法生成增量订单数字
首先，分布式ID通常被用作逐渐使用，但是根据MySQL的官方建议，较短的主要键，越好。每个UUID都很长，因此不是很建议。
当将主键和ID用作主要密钥时，在特定环境中会出现一些问题。
例如，在制作DB主键的情况下，UUID非常不合适。 MySQL官员有明确的指示。
索引，B+树索引拆分
由于分布式ID是主键，因此主键包含索引，MySQL的索引通过B+树实现。为了进行查询优化，将修改索引底部的B+树。由于UUID数据是无序的，每次插入UUID数据时，主键的B+树就会大大修改。这不好。插入完全无序，这不仅会导致某些中间节点分裂，而且还会徒劳地产生许多不饱和的节点，从而大大降低了数据库插入的性能。
UUID只能确保全球唯一性，并且不能满足随后的趋势增加，单调增量
在分布式形式中，数据库的自我调查ID机制的主要原理是：数据库自我调查ID和替换为MySQL数据库。替换为此类似于插入功能。区别在于，首先尝试将其插入数据列表。如果您发现表中已经存在此行数据（基于主键或唯一索引），请先将其删除并插入它，否则直接插入新数据。
替换为插入记录，如果表中唯一索引的值遇到冲突，请替换旧数据。
REPLACE into t_test(stub) values('b');
select LAST_INSERT_ID();
每次插入时，我们都会发现原始数据将被替换，并且ID将会增加。
这是令人满意的
在分布式案例和并发不大的情况下，该解决方案可用于解决该解决方案以获得全局唯一的ID
那么，数据库自我插入ID机制是否适用于分布式ID？答案不是很合适
系统级扩展更加困难。例如，在定义了机器的步长和数量之后，如果要添加机器，该怎么办？假设有一台机器是：1、2、3、4、5，（步骤尺寸为1），目前需要扩展一台机器。您可以做到这一点：设置第二个孩子的初始值远远超过第一台机器，这似乎更好，但是如果在线有100台机器，我当时应该做的只是一场噩梦，因此系统级的扩展解决方案很复杂且难以实现。
数据库压力仍然很高。每次获得ID时，都必须读取和编写数据库，这对性能非常有影响，并且不符合分布式ID中低延迟和高QP的规则（在高并发下，如果您都去数据库获得ID来获得ID，它将非常影响性能）
因为redis是一个线程，并且本质上保证具有原子关系，因此可以使用原子操作递增和递增来实现它以实现它
递增：设置增长步长
注意：在Redis群集的情况下，需要像MySQL一样设置不同的增长步骤，并且必须将密钥设置为有效期。您可以使用redis群集获得更高的吞吐量。
假设一个群集中有5个redis，并且每个redis的值可以初始化为1、2、3、4、5，然后将步长设置为5。
每个redis生成的ID是：
A：1 6 11 16 21
B：2 7 12 17 22
C：3 8 13 18 23
D：4 9 14 19 24
E：5 10 15 20 25
但是问题在于，Redis群集的维护和维护更加麻烦，配置很麻烦。由于需要单点故障，所以哨兵在值班
但是主要的问题是，对于ID，需要引入整个Redis群集，这使得杀死鸡的刀感觉好像是一把刀。
Twitter的分布式自我提示ID算法，雪花
最初，Twitter将存储系统从MySQL迁移到Cassandra（Facebook开发的开源分布式NOSQL数据库系统）。由于Cassandra没有顺序的ID生成机制，因此所有人都开发了如此独特的ID生成服务。
Twitter的分布式雪花算法雪花，经测试的雪花可以产生260,000个自我提示和可排序的ID
在分布式系统中，有些场景需要全球唯一的ID，以及生成ID的基本要求
雪花算法的几个核心组成部分
在Java中，64位证书是长期的，因此雪花算法生成的ID存储在长班级中
二进制中的最高位是符号位，1表示负数，而0表示正数。生成的ID通常是整数，因此最高位固定为0。
第二部分是用来记录时间戳的41位时间戳位，以毫秒为单位。
41位可以表示2^41 -1个数字
如果仅使用它来表示正整数，则可以表示的范围为：0-2^41 -1，而减1是因为可以表示可以表示的数值值范围是从0计算得出的，而不是从1计算。
也就是说，41位可以表示2^41-1毫秒的值，将它们转换为单位年度为69.73年。
第三部分是工作机ID，用于记录工作机ID。
可以在2^10 = 1024个节点部署，包括5位数据中心（数据中心，计算机室）和5位WorkerID（机器代码）
5位可以表示的最大正整数为2^5 = 31个数字，代表不同的数据中心和机器代码
可以使用12位位的正整数为2^12 = 4095，即0 1 2…4094可用于表示在同一机器的同一时间戳中生成的4095 ID号。
所有生成的ID均由时间趋势递增
整个分布式系统中不会有重复的ID，因为有数据中心和工作人员可以区分它们。
雪花算法由Scala算法编写。有人使用java，github地址实施它
/**
* twitter的snowflake算法 -- java实现
*
* @author beyond
*/
public class SnowFlake {
/**
* 起始的时间戳
*/
private final static long START_STMP = 1480166465631L;
/**
* 每一部分占用的位数
*/
private final static long SEQUENCE_BIT = 12; //序列号占用的位数
private final static long MACHINE_BIT = 5; //机器标识占用的位数
private final static long DATACENTER_BIT = 5;//数据中心占用的位数
/**
* 每一部分的最大值
*/
private final static long MAX_DATACENTER_NUM = -1L ^ (-1L << DATACENTER_BIT);
private final static long MAX_MACHINE_NUM = -1L ^ (-1L << MACHINE_BIT);
private final static long MAX_SEQUENCE = -1L ^ (-1L << SEQUENCE_BIT);
/**
* 每一部分向左的位移
*/
private final static long MACHINE_LEFT = SEQUENCE_BIT;
private final static long DATACENTER_LEFT = SEQUENCE_BIT + MACHINE_BIT;
private final static long TIMESTMP_LEFT = DATACENTER_LEFT + DATACENTER_BIT;
private long datacenterId; //数据中心
private long machineId; //机器标识
private long sequence = 0L; //序列号
private long lastStmp = -1L;//上一次时间戳
public SnowFlake(long datacenterId, long machineId) {
if (datacenterId > MAX_DATACENTER_NUM || datacenterId < 0) {
throw new IllegalArgumentException("datacenterId can't be greater than MAX_DATACENTER_NUM or less than 0");
}
if (machineId > MAX_MACHINE_NUM || machineId < 0) {
throw new IllegalArgumentException("machineId can't be greater than MAX_MACHINE_NUM or less than 0");
}
this.datacenterId = datacenterId;
this.machineId = machineId;
}
/**
* 产生下一个ID
*
* @return
*/
public synchronized long nextId() {
long currStmp = getNewstmp();
if (currStmp < lastStmp) {
throw new RuntimeException("Clock moved backwards. Refusing to generate id");
}
if (currStmp == lastStmp) {
//相同毫秒内，序列号自增
sequence = (sequence + 1) & MAX_SEQUENCE;
//同一毫秒的序列数已经达到最大
if (sequence == 0L) {
currStmp = getNextMill();
}
} else {
//不同毫秒内，序列号置为0
sequence = 0L;
}
lastStmp = currStmp;
return (currStmp - START_STMP) << TIMESTMP_LEFT //时间戳部分
| datacenterId << DATACENTER_LEFT //数据中心部分
| machineId << MACHINE_LEFT //机器标识部分
| sequence; //序列号部分
}
private long getNextMill() {
long mill = getNewstmp();
while (mill <= lastStmp) {
mill = getNewstmp();
}
return mill;
}
private long getNewstmp() {
return System.currentTimeMillis();
}
public static void main(String[] args) {
SnowFlake snowFlake = new SnowFlake(2, 3);
for (int i = 0; i < (1 << 12); i++) {
System.out.println(snowFlake.nextId());
}
}
}
Hutools工具包
地址：
介绍hutool工具类
<dependency>
<groupId>cn.hutool</groupId>
<artifactId>hutool-all</artifactId>
<version>5.3.1</version>
</dependency>
一体化
/**
* 雪花算法
*
* @author: 陌溪
*/
public class SnowFlakeDemo {
private long workerId = 0;
private long datacenterId = 1;
private Snowflake snowFlake = IdUtil.createSnowflake(workerId, datacenterId);
@PostConstruct
public void init() {
try {
// 将网络ip转换成long
workerId = NetUtil.ipv4ToLong(NetUtil.getLocalhostStr());
} catch (Exception e) {
e.printStackTrace();
}
}
/**
* 获取雪花ID
* @return
*/
public synchronized long snowflakeId() {
return this.snowFlake.nextId();
}
public synchronized long snowflakeId(long workerId, long datacenterId) {
Snowflake snowflake = IdUtil.createSnowflake(workerId, datacenterId);
return snowflake.nextId();
}
public static void main(String[] args) {
SnowFlakeDemo snowFlakeDemo = new SnowFlakeDemo();
for (int i = 0; i < 20; i++) {
new Thread(() -> {
System.out.println(snowFlakeDemo.snowflakeId());
}, String.valueOf(i)).start();
}
}
}
获得结果
1251350711346790400
1251350711346790402
1251350711346790401
1251350711346790403
1251350711346790405
1251350711346790404
1251350711346790406
1251350711346790407
1251350711350984704
1251350711350984706
1251350711350984705
1251350711350984707
1251350711350984708
1251350711350984709
1251350711350984710
1251350711350984711
1251350711350984712
1251350711355179008
1251350711355179009
1251350711355179010
欢迎加入我的知识星球，以全面提高技术能力。
还要补充，“长按”或“扫描”以下QR码：
地球的内容包括：项目实践，面试招聘，源代码分析和学习路线。
文章有帮助的话，在看，转发吧。
谢谢支持哟 (*^__^*）
本网站每日更新互联网创业教程，一年会员只需98，全站资源免费下载点击查看会员权益
