MongoDB深究之ObjectId
继上一篇《MongoDB初窥》之后，想必大家对自动生成的主键objectId有所好奇，为什么会是一个24位的字符串。今天，就对objectId的生成原理做一次比较深入的挖掘。
首先通过终端命令行，向mongodb的collection中插入一条不带“_id”的记录。然后，通过查询刚插入的数据，发现自动生成了一个objectId，4e7020cb7cac81af7136236b。具体操作如图1所示。
图1 插入/查询数据
“4e7020cb7cac81af7136236b”这个24位的字符串，虽然看起来很长，也很难理解，但实际上它是由一组十六进制的字符构成，每个字节两位的十六进制数字，总共用了12字节的存储空间。相比MYSQL int类型的4个字节，MongoDB确实多出了很多字节。不过按照现在的存储设备，多出来的字节应该不会成为什么瓶颈。不过MongoDB的这种设计，体现着空间换时间的思想。官网中对ObjectId的规范，如图2所示。
图2 官网对ObjectId的规范
1) Time
时间戳。将刚才生成的objectid的前4位进行提取“4e7020cb”，然后按照十六进制转为十进制，变为“1315971275”，这个数字就是一个时间戳。通过时间戳的转换，就成了易看清的时间格式，如图3所示。
图3 时间戳的转换
2) Machine
机器。接下来的三个字节就是“7cac81”，这三个字节是所在主机的唯一标识符，一般是机器主机名的散列值，这样就确保了不同主机生成不同的机器hash值，确保在分布式中不造成冲突，这也就是在同一台机器生成的objectId中间的字符串都是一模一样的原因。
3) PID
进程ID。上面的Machine是为了确保在不同机器产生的objectId不冲突，而pid就是为了在同一台机器不同的mongodb进程产生了objectId不冲突，接下来的“af71”两位就是产生objectId的进程标识符。
4) INC
自增计数器。前面的九个字节是保证了一秒内不同机器不同进程生成objectId不冲突，这后面的三个字节“36236b”是一个自动增加的计数器，用来确保在同一秒内产生的objectId也不会发现冲突，允许256的3次方等于16777216条记录的唯一性。
总的来看，objectId的前4个字节时间戳，记录了文档创建的时间；接下来3个字节代表了所在主机的唯一标识符，确定了不同主机间产生不同的objectId；后2个字节的进程id，决定了在同一台机器下，不同mongodb进程产生不同的objectId；最后通过3个字节的自增计数器，确保同一秒内产生objectId的唯一性。ObjectId的这个主键生成策略，很好地解决了在分布式环境下高并发情况主键唯一性问题，值得学习借鉴。
二、 源码分析
MongoDB可以通过自身的服务来产生objectId，也可以通过客户端的驱动程序来生成objectId。虽然objectId是轻量级的，但如果全部在服务端生成肯定会花费一点开销。所以，能从服务器端转移到客户端驱动程序完成的，就尽量转移到客户端来完成，减少服务器端的开销。我们来看一下，客户端的驱动程序是如何来生成objectId的。
1、下载mongodb java driver源码。 (https://github.com/mongodb/mongo-java-driver/downloads)
2、分析ObjectId.java
驱动源码的org.bson包下找到ObjectId.java，进行分析。默认构建的objectId代码如下代码所示，objectId主要由_time，_machine和_inc组成。
构建objectId
1 public class ObjectId implements Comparable<ObjectId> , java.io.Serializable {
2 final int _time;
3 final int _machine;
4 final int _inc;
5 boolean _new;
6
7 public ObjectId(){
8 _time = (int) (System.currentTimeMillis() / 1000);
9 _machine = _genmachine;
10 _inc = _nextInc.getAndIncrement();
11 _new = true;
12 }
13 ……
14 }
1) _time
直接由System.currentTimeMillis()/1000计算得出的时间戳。
2)
_machine
由机器码(machinePiece)和进程码(processPiece)组成，如代码所示。它这里组成方式是：首先，通过NetworkInterface这个类，获取机器的所有网络接口信息（如图4所示），并将得到的字符串取散列值，就得到了机器码；然后通过RuntimeMXBean.getName()方法获取pid，再拼装classloaderid，得到进程码；最后将机器码和进程码进行位或运算得到_machine。不过这里生成的_machine是十进制的，需转成十六进制。
图4 本地调试时的网络接口部分信息
机器码和进程码的生成
1 private static final int _genmachine;
2 static {
3 try {
4 final int machinePiece;
5 {
6 StringBuilder sb = new StringBuilder();
7 Enumeration<NetworkInterface> e = NetworkInterface.getNetworkInterfaces();
8 while ( e.hasMoreElements() ){
9 NetworkInterface ni = e.nextElement();
10 sb.append( ni.toString() );
11 }
12 machinePiece = sb.toString().hashCode() << 16;
13 LOGGER.fine( "machine piece post: " + Integer.toHexString( machinePiece ) );
14 }
15 final int processPiece;
16 {
17 int processId = new java.util.Random().nextInt();
18 try {
19 processId = java.lang.management.ManagementFactory.getRuntimeMXBean().getName().hashCode();
20 }catch ( Throwable t ){
21 }
22 ClassLoader loader = ObjectId.class.getClassLoader();
23 int loaderId = loader != null ? System.identityHashCode(loader) : 0;
24 StringBuilder sb = new StringBuilder();
25 sb.append(Integer.toHexString(processId));
26 sb.append(Integer.toHexString(loaderId));
27 processPiece = sb.toString().hashCode() & 0xFFFF;
28 LOGGER.fine( "process piece: " + Integer.toHexString( processPiece ) );
29 }
30 _genmachine = machinePiece | processPiece;
31 LOGGER.fine( "machine : " + Integer.toHexString( _genmachine ) );
32 }catch ( java.io.IOException ioe ){
33 throw new RuntimeException( ioe );
34 }
35 }
3)
_inc
自增数是通过AtomicInteger的getAndIncrement()方法获取，它能保证每次得到的值是一个递增并不重复的值。
三、 更多参考
1、
http://www.mongodb.org/display/DOCS/Object+IDs
