id生成器
最近做起了数据优化的工作,主要是针对对象模型数据的导入,这里透漏下成效:利用mybatis的批量插入,1000条数据的导入(insert)只用了52ms甚至根据机子的性能可以更快,当然这只是针对insert层的优化,还有一个更要命更耗时的就是,对象主键ID的获取,如果采用数据库自带的自增主键的话,这种情况是很糟糕的,一旦涉及并发,必死无疑,当然这个概率比中彩票要高的很多,我不打算采用,采用了另一个,就是为对象建立一个全局序列,即使在并发状态下,数据库也会针对当前序列建立一个序列锁,保证并发或多线程下不会有相同的序列值产生,但是这样太耗时间了,假如我导入了1万个对象,那么就需要开一万个session连接数据库,以select获得当前对象渴望的序列值,而且为了避免mybatis将select的结果放入缓存导致后续取的序列值一样(对象主键ID一样的话,必然在insert的时候造成主键约束),还得每次select的时候清空mybatis的缓存,这又是一笔开销,刚开始没办法,采用的就是这种方法,结果导致:
通过AOP切面技术,对单次请求的100万条数据的后台所对应的方法调用情况进行了一次统计,发现,整个百万级数据的导入insert假如消耗了1s的话,那么这个百万条数据的select操作可能要100s,没错,select比insert还要耗时,这不是吹嘘,这就是赤裸裸的挑衅啊,怎么办?
我们想一下,数据库既然能创造出序列值,每次select的时候都会拿到不一样的序列值,我们是不是可以在我们的项目中,将这种序列值模拟创建到内存中呢,如果这样的话,性能肯定会大大提升,一是避免了mybatis开session访问数据库的开销,二是避免了在并发下遇到序列锁而造成的开销
话不多说,先来演示下,从数据库拿1000个序列值的耗时情况(对照上面说的,结合下面的案列,我们来一起分析一下)
主要看结果,过程忽略,走一波测试,贴出结果:
上面的val真的是从数据库里面取的,真的是很耗时的:
再来看另一种方法,时间有限,不啰嗦了,直接上网上搜的一大神的demo:
IdWorker.java
import java.lang.management.ManagementFactory;
import java.net.InetAddress;
import java.net.NetworkInterface;
/**
* <p>名称:IdWorker.java</p>
* <p>描述:分布式自增长ID</p>
* <pre>
* Twitter的 Snowflake JAVA实现方案
* </pre>
* 核心代码为其IdWorker这个类实现,其原理结构如下,我分别用一个0表示一位,用—分割开部分的作用:
* 1||0---0000000000 0000000000 0000000000 0000000000 0 --- 00000 ---00000 ---000000000000
* 在上面的字符串中,第一位为未使用(实际上也可作为long的符号位),接下来的41位为毫秒级时间,
* 然后5位datacenter标识位,5位机器ID(并不算标识符,实际是为线程标识),
* 然后12位该毫秒内的当前毫秒内的计数,加起来刚好64位,为一个Long型。
* 这样的好处是,整体上按照时间自增排序,并且整个分布式系统内不会产生ID碰撞(由datacenter和机器ID作区分),
* 并且效率较高,经测试,snowflake每秒能够产生26万ID左右,完全满足需要。
* <p>
* 64位ID (42(毫秒)+5(机器ID)+5(业务编码)+12(重复累加))
*/
public class IdWorker {
// 时间起始标记点,作为基准,一般取系统的最近时间(一旦确定不能变动)
private final static long twepoch = 1288834974657L;
// 机器标识位数
private final static long workerIdBits = 5L;
// 数据中心标识位数
private final static long datacenterIdBits = 5L;
// 机器ID最大值
private final static long maxWorkerId = -1L ^ (-1L << workerIdBits);
// 数据中心ID最大值
private final static long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);
// 毫秒内自增位
private final static long sequenceBits = 12L;
// 机器ID偏左移12位
private final static long workerIdShift = sequenceBits;
// 数据中心ID左移17位
private final static long datacenterIdShift = sequenceBits + workerIdBits;
// 时间毫秒左移22位
private final static long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;
private final static long sequenceMask = -1L ^ (-1L << sequenceBits);
/* 上次生产id时间戳 */
private static long lastTimestamp = -1L;
// 0,并发控制
private long sequence = 0L;
private final long workerId;
// 数据标识id部分
private final long datacenterId;
public IdWorker(){
this.datacenterId = getDatacenterId(maxDatacenterId);
this.workerId = getMaxWorkerId(datacenterId, maxWorkerId);
}
/**
* @param workerId
* 工作机器ID
* @param datacenterId
* 序列号
*/
public IdWorker(long workerId, long datacenterId) {
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));
}
this.workerId = workerId;
this.datacenterId = datacenterId;
}
/**
* 获取下一个ID
*
* @return
*/
public synchronized long nextId() {
long timestamp = timeGen();
if (timestamp < lastTimestamp) {
throw new RuntimeException(String.format("Clock moved backwards. Refusing to generate id for %d milliseconds", lastTimestamp - timestamp));
}
if (lastTimestamp == timestamp) {
// 当前毫秒内,则+1
sequence = (sequence + 1) & sequenceMask;
if (sequence == 0) {
// 当前毫秒内计数满了,则等待下一秒
timestamp = tilNextMillis(lastTimestamp);
}
} else {
sequence = 0L;
}
lastTimestamp = timestamp;
// ID偏移组合生成最终的ID,并返回ID
long nextId = ((timestamp - twepoch) << timestampLeftShift)
| (datacenterId << datacenterIdShift)
| (workerId << workerIdShift) | sequence;
return nextId;
}
private long tilNextMillis(final long lastTimestamp) {
long timestamp = this.timeGen();
while (timestamp <= lastTimestamp) {
timestamp = this.timeGen();
}
return timestamp;
}
private long timeGen() {
return System.currentTimeMillis();
}
/**
* <p>
* 获取 maxWorkerId
* </p>
*/
protected static long getMaxWorkerId(long datacenterId, long maxWorkerId) {
StringBuffer mpid = new StringBuffer();
mpid.append(datacenterId);
String name = ManagementFactory.getRuntimeMXBean().getName();
if (!name.isEmpty()) {
/*
* GET jvmPid
*/
mpid.append(name.split("@")[0]);
}
/*
* MAC + PID 的 hashcode 获取16个低位
*/
return (mpid.toString().hashCode() & 0xffff) % (maxWorkerId + 1);
}
/**
* <p>
* 数据标识id部分
* </p>
*/
protected static long getDatacenterId(long maxDatacenterId) {
long id = 0L;
try {
InetAddress ip = InetAddress.getLocalHost();
NetworkInterface network = NetworkInterface.getByInetAddress(ip);
if (network == null) {
id = 1L;
} else {
byte[] mac = network.getHardwareAddress();
id = ((0x000000FF & (long) mac[mac.length - 1])
| (0x0000FF00 & (((long) mac[mac.length - 2]) << 8))) >> 6;
id = id % (maxDatacenterId + 1);
}
} catch (Exception e) {
System.out.println(" getDatacenterId: " + e.getMessage());
}
return id;
}
public static void main(String[] args) {
// IdWorker idWorker = new IdWorker(31,31);
// System.out.println("idWorker="+idWorker.nextId());
IdWorker id = new IdWorker(0,1);
// System.out.println("id="+id.nextId());
// System.out.println(id.datacenterId);
// System.out.println(id.workerId);
for(int i=0;i<9000;i++){
System.err.println(id.nextId());
}
}
内部main测试下,是否可以跑通
怎么还牵扯到分布式呢? 因为,不同的tomcat部署该项目,是可以配置当前项目里这个IdWorker的机器ID(workID)和数据标识ID(datacenterID)的,比如我们在我们的Spring-Boot里面如下配置:
然后在我们的Service里面,通过注解拿到这两个值
还是要强调下这两个值,这两个值的组合直接作用在IdWorker的对象上,这就使不同的机器即使同一时间获取ID,也会不一样,具体可以自己下来进行一番测试,由于时间仓促,下面直接进行Service层IDWorker的性能测试