分布式架构系统生成全局唯一序列号的一个思路

 
amazon-aws-codeguru-code-reviewer-github-developer_(1).jpg

 
一、相关背景
 
分布式架构下,唯一序列号生成是我们在设计一个系统,尤其是数据库使用分库分表的时候常常会遇见的问题。当分成若干个sharding表后,如何能够快速拿到一个唯一序列号,是经常遇到的问题。
 
在携程账号数据库迁移MySql过程中,我们对用户ID的生成方案进行了新的设计,要求能够支撑携程现有的新用户注册体量。
 
本文通过携程用户ID生成器的实现,希望能够对大家设计分库分表的唯一id有一些新的思路。
 
二、特性需求
 
  • 全局唯一
  • 支持高并发
  • 能够体现一定属性
  • 高可靠,容错单点故障
  • 高性能

 
三、业内方案
 
生成ID的方法有很多,来适应不同的场景、需求以及性能要求。

常见方式有:
 
1、利用数据库递增,全数据库唯一。
 
优点:明显,可控。
缺点:单库单表,数据库压力大。
 
2、UUID, 生成的是length=32的16进制格式的字符串,如果回退为byte数组共16个byte元素,即UUID是一个128bit长的数字,一般用16进制表示。
 
优点:对数据库压力减轻了。
缺点:但是排序怎么办?
此外还有UUID的变种,增加一个时间拼接,但是会造成id非常长。
 
3、twitter在把存储系统从MySQL迁移到Cassandra的过程中由于Cassandra没有顺序ID生成机制,于是自己开发了一套全局唯一ID生成服务:Snowflake。
 
1 ) 41位的时间序列(精确到毫秒,41位的长度可以使用69年)
2 ) 10位的机器标识(10位的长度最多支持部署1024个节点) 
3 )12位的计数顺序号(12位的计数顺序号支持每个节点每毫秒产生4096个ID序号) 最高位是符号位,始终为0。
 
优点:高性能,低延迟;独立的应用;按时间有序。
缺点:需要独立的开发和部署。
 
4、Redis生成ID
 
当使用数据库来生成ID性能不够要求的时候,我们可以尝试使用Redis来生成ID。这主要依赖于Redis是单线程的,所以也可以用生成全局唯一的ID。可以用Redis的原子操作INCR和INCRBY来实现。
 
可以使用Redis集群来获取更高的吞吐量。假如一个集群中有5台Redis。可以初始化每台Redis的值分别是1,2,3,4,5,然后步长都是5。各个Redis生成的ID为:
 
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

比较适合使用Redis来生成每天从0开始的流水号。比如订单号=日期+当日自增长号。可以每天在Redis中生成一个Key,使用INCR进行累加。
 
优点:
不依赖于数据库,灵活方便,且性能优于数据库。
数字ID天然排序,对分页或者需要排序的结果很有帮助。
使用Redis集群也可以防止单点故障的问题。
 
缺点:
如果系统中没有Redis,还需要引入新的组件,增加系统复杂度。
需要编码和配置的工作量比较大,多环境运维很麻烦,
在开始时,程序实例负载到哪个redis实例一旦确定好,未来很难做修改。

5.   Flicker的解决方案
 
因为MySQL本身支持auto_increment操作,很自然地,我们会想到借助这个特性来实现这个功能。
Flicker在解决全局ID生成方案里就采用了MySQL自增长ID的机制(auto_increment + replace into + MyISAM)。
 
6.还有其他一些方案,比如京东淘宝等电商的订单号生成。因为订单号和用户id在业务上的区别,订单号尽可能要多些冗余的业务信息,比如:
 
滴滴:时间+起点编号+车牌号
淘宝订单:时间戳+用户ID
其他电商:时间戳+下单渠道+用户ID,有的会加上订单第一个商品的ID。
 
而用户ID,则要求含义简单明了,包含注册渠道即可,尽量短。
 
四、最终方案

最终我们选择了以flicker方案为基础进行优化改进。具体实现是,单表递增,内存缓存号段的方式。
 
首先建立一张表,像这样:
SEQUENCE_GENERATOR_TABLE

id stub

1 192.168.1.1

其中id是自增的,stub是服务器ip。
 
因为新数据库采用mysql,所以使用mysql的独有语法 replace to来更新记录来获得唯一id,例如这样:
 
REPLACE INTO SEQUENCE_GENERATOR_TABLE (stub) VALUES ("192.168.1.1");
再用:
 
SELECT id FROM SEQUENCE_GENERATOR_TABLEWHERE stub = "192.168.1.1";
把它拿回来。
 
到上面为止,我们只是在单台数据库上生成ID,从高可用角度考虑,接下来就要解决单点故障问题。
 
这也就是为什么要有这个机器ip字段呢?就是为了防止多服务器同时更新数据,取回的id混淆的问题。
 
所以,当多个服务器的时候,这个表是这样的:
id   stub

5 192.168.1.1

2 192.168.1.2

3 192.168.1.3

4 192.168.1.4
每台服务器只更新自己的那条记录,保证了单线程操作单行记录。这时候每个机器拿到的分别是5,2,3,4这4个id。
 
至此,我们似乎解决这个服务器隔离,原子性获得id的问题,也和flicker方案基本一致。
 
但是追根溯源,在原理上,方案还是依靠数据库的特性,每次生成id都要请求db,开销很大。我们对此又进行优化,把这个id作为一个号段,而并不是要发出去的序列号,并且这个号段是可以配置长度的,可以1000也可以10000,也就是对拿回来的这个id放大多少倍的问题。
 
OK,我们从DB一次查询操作的开销,拿回来了1000个用户id到内存中了。
 
现在的问题就是要解决同一台服务器在高并发场景,让大家顺序拿号,别拿重复,也别漏拿。
 
这个问题简单来说,就是个保持这个号段对象隔离性的问题。
AtomicLong是个靠谱的办法。
当第一次拿回号段id后,扩大1000倍,然后赋值给这个变量atomic,这就是这个号段的第一个号码。
atomic.set(n * 1000);
 
并且内存里保存一下最大id,也就是这个号段的最后一个号码
 
currentMaxId = (n + 1) * 1000;
 
一个号段就形成了。

此时每次有请求来取号时候,判断一下有没有到最后一个号码,没有到,就拿个号,走人。
Long uid = atomic.incrementAndGet();
 
如果到达了最后一个号码,那么阻塞住其他请求线程,最早的那个线程去db取个号段,再更新一下号段的两个值,就可以了。
 
这个方案,核心代码逻辑不到20行,解决了分布式系统序列号生成的问题。
 
这里有个小问题,就是在服务器重启后,因为号码缓存在内存,会浪费掉一部分用户ID没有发出去,所以在可能频繁发布的应用中,尽量减小号段放大的步长n,能够减少浪费。
 
经过实践,性能的提升远远重要于浪费一部分id。
 
如果再追求极致,可以监听spring或者servlet上下文的销毁事件,把当前即将发出去的用户ID保存起来,下次启动时候再捞回内存即可。
 
五、上线效果
 
运行5个多月,十分稳定。
 
SOA服务平均响应时间 0.59毫秒;
 
客户端调用平均响应时间2.52毫秒;

 
附流程图:
 
id-gen-map.png


 

作者:丁宜人。
10年Java开发经验。携程技术中心基础业务研发部用户中心资深Java工程师,负责携程账号的基础服务和相关框架组件研发。之前在惠普公司供职6年,负责消息中间件产品研发。
来源:携程技术公众号


扫一扫,在手机阅读、分享本文

0
分享 2020-08-13

0 个评论

要回复文章请先登录注册