分布式系统的唯一ID

2019独角兽企业重金招聘Python工程师标准>>>

需求

为什么需要唯一ID

让分布式系统中的需要辨别的元素，都能有唯一的辨识标志。几乎所有的业务系统，都有生成一个记录标识的需求，例如：

消息标识：message-id
订单标识：order-id
帖子标识：tiezi-id

为什么需要趋势有序

记录标识上的查询，往往又有分页或者排序的业务需求，例如：

拉取最新的一页消息：select message-id order by time limit 100
拉取最新的一页订单：select order-id order by time limit 100
拉取最新的一页帖子：select tiezi-id order by time limit 100

所以往往要有一个time字段，并且在time字段上建立普通索引（non-cluster index）。

普通索引存储的是实际记录的指针，其访问效率一般会比聚集索引慢，如果记录标识在生成时能够基本按照时间有序，则可以省去这个time字段的索引查询：select message-id (order by message-id) limit 100但是，能这么做的前提是，message-id的生成基本是趋势时间递增的。

怎么实现唯一ID

UUID

UUID就是为了要在分布式环境中产生唯一标示符而发布的一个标准。标准中规定UUID长度为16Bytes（128Bits），一般将其表示为550e8400-e29b-41d4-a716-446655440000这种16进制格式，同时将其分为5部分，每部分用-分割，各部分长度分别为8,4,4,12。现在使用的UUID算法有5个版本，分别使用5种不同的算法计算产生。

UUID1: 依据当前计算机的MAC地址和时钟来生成uuid。
UUID2: 和版本1类似，不过使用域标示符和本地UID代替了版本1中的时钟信息。
UUID3: 根据url，域标示符等标示符做MD5 Hash产生的。
UUID4: 根据产生的随机数来生成。
UUID5: 和版本3类似，只不过替换成了SHA-1算法。

优点：

本地生成，不需要控制中心管理，成本低
性能好

缺点：

id共128Bits太长
id间没有次序关系，不能隐含信息

mogodb ObjectId

MongoDB中每一条记录都有一个id字段用来唯一标示本记录。如果用户插入数据时没有显示提供id字段，那么系统会自动生成一个。ObjectID一共12Bytes，设计的时候充分考虑了分布式环境下使用的情况，所以能保证在一个分布式MongoDB集群中唯一。ObjectID格式如下：

0        4      7    9      12  
+--------+------+----+------+
|time    |pc    |pid |inc   |
+--------+------+----+------+

0~4 Byte是Unix Timestamp。 4~7 Byte是当前机器“hostname/mac地址/虚拟编号”其中之一的MD5结果的前3个字节。 7~9 Byte是当前进程的PID。 9~12Byte是累加计数器或是一个随机数（只有当不支持累加计数器时才用随机数）。最后生成的仍然是一个用16进制表示的串，如47cc67093475061e3d95369d。这里MongoDB的ObjectID相对UUID有个很大的优点就是ObjectID是时间上有序的。另外还有ObjectID本身也包含了很多其它有用的信息，通过直接解码ObjectID即可直接获得这些信息。

优点：

时间有序
隐含信息，可在业务中结合加以利用。

缺点：

当time段一样，由于MD5只取前3Byte，有可能造成pc段一样，这样就有可能有重复的id。
ID 间隙较大（当某一段时间不生成id，那么这个time段浪费很多空间）

snowflack

Snowflake是twitter开源的一款独立的适用于分布式环境的ID生成服务器。生成的ID是64Bits，同时满足高性能（>10K ids/s），低延迟（<2ms）和高可用。与MongoDB ObjectID类似这里生成的ID也是时间上有序的。编码方式也和ObjectID类似，如下：

0           41     51     64  
+-----------+------+------+
|time       |pc    |inc   |
+-----------+------+------+

前41bits是以微秒为单位的timestamp。接着10bits是事先配置好的机器ID。最后12bits是累加计数器。

有缺点与MongoDB ObjectId类似。但是只要机器ID不重复，应该不会出现重复的ID。

Instagram采用的方式

Instagram要将其中存储的图片分片到多个PostgreSQL中，其中生成ID的方案和MongoDB ObjectID类似。整个ID的长度为64Bits，设定为这个长度是为了优化在redis中的存储。ID的编码格式如下：

41bits以微秒为单位的timestamp，时间起点从2011-01-01开始。 13bits表示进行逻辑分片的Shard ID。 10bits表示一个累加计数器。 ID的生成逻辑用PL/PGSQL语言写到PostgreSQL数据库中，当每次插入数据时由数据库自动计算生成。与上面优缺点类似。

Leaf

主要参考：http://wiki.sankuai.com/pages/viewpage.action?pageId=465861190。利用step设置每个服务能从数据库拿到的号段大小，能充分的利用id的空间，能保证号段内各个id的时间顺序，但是不能保证号段间时间上的顺序。

主要优点是id占用字节少（64bits），能充分利用空间，几乎没有间隙（按作者说，除非服务器宕机，这种可能会比较小）。

我的想法：

假设应用生命周期为30年（一般极少有应用生命周期30年，linux系统到现在也不超过30年，就算30年到时候也该换方案和架构了），如果时间的精确度是微秒，30年需要通过12位整数保存，使用二进制保存所有12位整数需要大约40位二进制；如果是秒，需要9位整数保存，使用大约30位二进制。假设63位中（除最高位，最高位应该是符号位。）