數據庫自增ID

面試題

分庫分表之后，id 主鍵如何處理？（唯一性，排序等）

面試官心理分析

其實這是分庫分表之后你必然要面對的一個問題，就是 id 咋生成？因為要是分成多個表之后，每個表都是從 1 開始累加，那肯定不對啊，需要一個全局唯一的 id 來支持，排序問題等。所以這都是你實際生產環境中必須考慮的問題。

面試題剖析

基於數據庫的實現方案

數據庫自增 id

這個就是說你的系統里每次得到一個 id，都是往一個庫的一個表里插入一條沒什么業務含義的數據，然后獲取一個數據庫自增的一個 id。拿到這個 id 之后再往對應的分庫分表里去寫入。

這個方案的好處就是方便簡單，誰都會用；缺點就是單庫生成自增 id，要是高並發的話，就會有瓶頸的；如果你硬是要改進一下，那么就專門開一個服務出來，這個服務每次就拿到當前 id 最大值，然后自己遞增幾個 id，一次性返回一批 id，然后再把當前最大 id 值修改成遞增幾個 id 之后的一個值；但是無論如何都是基於單個數據庫。

適合的場景：你分庫分表就倆原因，要不就是單庫並發太高，要不就是單庫數據量太大；除非是你並發不高，但是數據量太大導致的分庫分表擴容，你可以用這個方案，因為可能每秒最高並發最多就幾百，那么就走單獨的一個庫和表生成自增主鍵即可。

設置數據庫 sequence 或者表自增字段步長

可以通過設置數據庫 sequence 或者表的自增字段步長來進行水平伸縮。

比如說，現在有 8 個服務節點，每個服務節點使用一個 sequence 功能來產生 ID，每個 sequence 的起始 ID 不同，並且依次遞增，步長都是 8。

適合的場景：在用戶防止產生的 ID 重復時，這種方案實現起來比較簡單，也能達到性能目標。但是服務節點固定，步長也固定，將來如果還要增加服務節點，就不好搞了。

UUID

好處就是本地生成，不要基於數據庫來了；不好之處就是，UUID 太長了、占用空間大，作為主鍵性能太差了；更重要的是，UUID 不具有有序性，會導致 B+ 樹索引在寫的時候有過多的隨機寫操作（連續的 ID 可以產生部分順序寫），還有，由於在寫的時候不能產生有順序的 append 操作，而需要進行 insert 操作，將會讀取整個 B+ 樹節點到內存，在插入這條記錄后會將整個節點寫回磁盤，這種操作在記錄占用空間比較大的情況下，性能下降明顯。

適合的場景：如果你是要隨機生成個什么文件名、編號之類的，你可以用 UUID，但是作為主鍵是不能用 UUID 的。

UUID.randomUUID().toString().replace(“-”, “”) -> sfsdf23423rr234sfdaf

獲取系統當前時間

這個就是獲取當前時間即可，但是問題是，並發很高的時候，比如一秒並發幾千，會有重復的情況，這個是肯定不合適的。基本就不用考慮了。

適合的場景：一般如果用這個方案，是將當前時間跟很多其他的業務字段拼接起來，作為一個 id，如果業務上你覺得可以接受，那么也是可以的。你可以將別的業務字段值跟當前時間拼接起來，組成一個全局唯一的編號。

snowflake 算法

snowflake 算法是 twitter 開源的分布式 id 生成算法，采用 Scala 語言實現，是把一個 64 位的 long 型的 id，1 個 bit 是不用的  +  用其中的 41 bit 作為毫秒數  +  用 10 bit 作為工作機器 id  +  12 bit 作為序列號。

• 1 bit：不用，為啥呢？因為二進制里第一個 bit 為如果是 1，那么都是負數，但是我們生成的 id 都是正數，所以第一個 bit 統一都是 0。
• 41 bit：表示的是時間戳，單位是毫秒。41 bit 可以表示的數字多達 2^41 - 1，也就是可以標識 2^41 - 1 個毫秒值，換算成年就是表示69年的時間。
• 10 bit：記錄工作機器 id，代表的是這個服務最多可以部署在 2^10台機器上哪，也就是1024台機器。但是 10 bit 里 5 個 bit 代表機房 id，5 個 bit 代表機器 id。意思就是最多代表 2^5個機房（32個機房），每個機房里可以代表 2^5 個機器（32台機器）。
• 12 bit：這個是用來記錄同一個毫秒內產生的不同 id，12 bit 可以代表的最大正整數是 2^12 - 1 = 4096，也就是說可以用這個 12 bit 代表的數字來區分同一個毫秒內的 4096 個不同的 id。

0 | 0001100 10100010 10111110 10001001 01011100 00 | 10001 | 1 1001 | 0000 00000000

public class IdWorker {

    private long workerId;
    private long datacenterId;
    private long sequence;

    public IdWorker(long workerId, long datacenterId, long sequence) {
        // sanity check for workerId
        // 這兒不就檢查了一下，要求就是你傳遞進來的機房id和機器id不能超過32，不能小於0
        if (workerId > maxWorkerId || workerId < 0) {
            throw new IllegalArgumentException(
                    String.format("worker Id can't be greater than %d or less than 0", maxWorkerId));
        }
        if (datacenterId > maxDatacenterId || datacenterId < 0) {
            throw new IllegalArgumentException(
                    String.format("datacenter Id can't be greater than %d or less than 0", maxDatacenterId));
        }
        System.out.printf(
                "worker starting. timestamp left shift %d, datacenter id bits %d, worker id bits %d, sequence bits %d, workerid %d",
                timestampLeftShift, datacenterIdBits, workerIdBits, sequenceBits, workerId);

        this.workerId = workerId;
        this.datacenterId = datacenterId;
        this.sequence = sequence;
    }

    private long twepoch = 1288834974657L;

    private long workerIdBits = 5L;
    private long datacenterIdBits = 5L;

    // 這個是二進制運算，就是 5 bit最多只能有31個數字，也就是說機器id最多只能是32以內
    private long maxWorkerId = -1L ^ (-1L << workerIdBits);

    // 這個是一個意思，就是 5 bit最多只能有31個數字，機房id最多只能是32以內
    private long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);
    private long sequenceBits = 12L;

    private long workerIdShift = sequenceBits;
    private long datacenterIdShift = sequenceBits + workerIdBits;
    private long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;
    private long sequenceMask = -1L ^ (-1L << sequenceBits);

    private long lastTimestamp = -1L;

    public long getWorkerId() {
        return workerId;
    }

    public long getDatacenterId() {
        return datacenterId;
    }

    public long getTimestamp() {
        return System.currentTimeMillis();
    }

    public synchronized long nextId() {
        // 這兒就是獲取當前時間戳，單位是毫秒
        long timestamp = timeGen();

        if (timestamp < lastTimestamp) {
            System.err.printf("clock is moving backwards. Rejecting requests until %d.", lastTimestamp);
            throw new RuntimeException(String.format(
                    "Clock moved backwards. Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));
        }

        if (lastTimestamp == timestamp) {
            // 這個意思是說一個毫秒內最多只能有4096個數字
            // 無論你傳遞多少進來，這個位運算保證始終就是在4096這個范圍內，避免你自己傳遞個sequence超過了4096這個范圍
            sequence = (sequence + 1) & sequenceMask;
            if (sequence == 0) {
                timestamp = tilNextMillis(lastTimestamp);
            }
        } else {
            sequence = 0;
        }

        // 這兒記錄一下最近一次生成id的時間戳，單位是毫秒
        lastTimestamp = timestamp;

        // 這兒就是將時間戳左移，放到 41 bit那兒；
        // 將機房 id左移放到 5 bit那兒；
        // 將機器id左移放到5 bit那兒；將序號放最后12 bit；
        // 最后拼接起來成一個 64 bit的二進制數字，轉換成 10 進制就是個 long 型
        return ((timestamp - twepoch) << timestampLeftShift) | (datacenterId << datacenterIdShift)
                | (workerId << workerIdShift) | sequence;
    }

    private long tilNextMillis(long lastTimestamp) {
        long timestamp = timeGen();
        while (timestamp <= lastTimestamp) {
            timestamp = timeGen();
        }
        return timestamp;
    }

    private long timeGen() {
        return System.currentTimeMillis();
    }

    // ---------------測試---------------
    public static void main(String[] args) {
        IdWorker worker = new IdWorker(1, 1, 1);
        for (int i = 0; i < 30; i++) {
            System.out.println(worker.nextId());
        }
    }

}

怎么說呢，大概這個意思吧，就是說 41 bit 是當前毫秒單位的一個時間戳，就這意思；然后 5 bit 是你傳遞進來的一個機房 id（但是最大只能是 32 以內），另外 5 bit 是你傳遞進來的機器 id（但是最大只能是 32 以內），剩下的那個 12 bit序列號，就是如果跟你上次生成 id 的時間還在一個毫秒內，那么會把順序給你累加，最多在 4096 個序號以內。

所以你自己利用這個工具類，自己搞一個服務，然后對每個機房的每個機器都初始化這么一個東西，剛開始這個機房的這個機器的序號就是 0。然后每次接收到一個請求，說這個機房的這個機器要生成一個 id，你就找到對應的 Worker 生成。

利用這個 snowflake 算法，你可以開發自己公司的服務，甚至對於機房 id 和機器 id，反正給你預留了 5 bit + 5 bit，你換成別的有業務含義的東西也可以的。

當然，你也可以用 ： 1 個 bit 是不用的  +  用其中的 41 bit 作為毫秒數   +  12 bit 作為序列號  +  用 10 bit 作為工作機器 id，或者顛倒兌換一下順序，怎么使用根據你自己的業務需要進行組合配用。

這個 snowflake 算法相對來說還是比較靠譜的，所以你要真是搞分布式 id 生成，如果是高並發啥的，那么用這個應該性能比較好，一般每秒幾萬並發的場景，也足夠你用了。

本文在米兜公眾號鏈接:
https://mp.weixin.qq.com/s/mt8bVpM57SsI-nvTRKxSKg