一种对数据库友好的GUID的变种使用方法

概述

.NET生成的GUID唯一性很好，用之方便，但是，缺少像雪花算法那样的有序性。虽然分布式系统中做不到绝对的有序，但是，相对的有序对于目前数据库而言，索引效率等方面的提升还是有明显效果的（当然，我认为，这是数据库的问题，而非编程的问题，数据库应该处理好任何类型数据作为主键索引时的性能，除非在SQL标准中明确写不支持哪些数据类型）。在当前数据库无法解决这些问题的时候，除了使用雪花算法，是否能够改造GUID，利用微软已经相当成熟的GUID的性能与效率的同时，加上序列的特性呢。本文就是做此尝试。

GUID与雪花算法

个人主观的感受，雪花算法生成简单，但是，在生产环境配置需要注意，同时，有范围限制（时间、数据中心、工作机器、单位时间生成个数都有限制），正常情况下，这些范围足够使用，但是，毕竟GUID是没有限制的，唯一的问题就是有极低的概念会重复，这种重复在插入的时候，通过数据库的Pk是可以及时发现并处理的，不会产生生产故障。

claus是这样评价这两个算法的：

GUID 和 Snowflake 都是常见的唯一ID生成方案,主要有以下区别:

优点:

1. GUID是完全随机的,碰撞概率极低,唯一性非常好。

2. GUID不依赖中心节点,分布式环境下也能生成,更适合于分布式系统。

3. GUID包含版本信息,可以对不同算法生成的GUID进行区分,向下兼容。

缺点: 

1. GUID是无序的,不能进行排序,对数据库索引不友好。

2. GUID较长,作为主键会占用更多存储空间。

3. GUID包含 BPSK 码,大小写字母和短划线,可读性较差。


Snowflake算法:

优点:

1. 可以按时间有序生成ID,对数据库索引更友好。

2. 整体ID更短小,节省存储空间。

3. 不包含特殊字符,可读性更好。

缺点:

1. 依赖中心节点时间戳,必须保证节点时间同步。

2. 不适合大规模分布式环境,扩展性较弱。

3. 序列号周期较短,需要自定义优化。

4. 不向下兼容,算法变更会导致ID不连续。

总之,应根据分布式需求、时间序需求、存储空间和可读性等进行权衡选择。

 

我们需要用到时间值（戳？还是不蹭UNIX的概念吧）

1 毫秒=1000000 纳秒

var dt = DateTime.Now;// 当前时间
Console.WriteLine(dt.Ticks);// 638322150575422659，这是.net自带的运算，其它语言可以使用下面的方式生成。
Console.WriteLine((dt - new DateTime(1, 1, 1)).TotalMilliseconds*10000); // 638322150575422700
// 通过Ticks，可以取得100ns，即万分之一毫秒的精度。

到3023年（1千年以后），Ticks的值也不会进位，其值为953650368000000000。

 

了解一下GUID

GUID 的格式为“xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx”。

其含义为：【时间值低位 32bit】-【时间值中位 16bit】-【版本号 4bit】【时间值高位 4bit】【时间值高位 8bit】-【变体值 2bit】【时间序列高位 6bit】-【节点值 48bit】

位数为：8hex-4hex-4hex-4hex-12hex。

var uuidN = Guid.NewGuid().ToString("N"); // e0a953c3ee6040eaa9fae2b667060e09

 

时间值+GUID

时间值本身是一个long类型的数字，其大小为Int64，即8byte。

guid本身就是一个byte[]，其长度为16位。

所以，我们生成一个byte[]，前8位放时间值，后面放GUID，在比较大小的时候，前端的位置优先级更高，所以，后面的GUID的无序特性会被覆盖。

8 位 Byte	8 位 Byte	8 位 Byte
时间值	GUID值

加在一起，一共24个字节。

Base64字符串化

因为数据库、前端、CSV等环境下，无法描述所有的Byte（原因是部分AscII是非可见字符），故而，需要将其进行类似Base64的转换。

转换后，我们会得到一个长度大概24/3*4=32位长度的字符串。这个字符串的字节数至少是32，但是，其具体更好的可读性。

但是，Base64有一个缺陷，我们来看一下它的码表：

 

 

 

 

可以看到，【大写字母】<【小写字母】<【数字】<【+】<【/】。

但是，我们的程序进行比较时，并非如此，而是遵循了AscII码表的次序。我们来看一下AscII码表的次序：

 

在AscII码表中，【/】<【数字】<【=】<【大写字母】<【小写字母】。

与上面的base64对比可以发现，如果我们将两串二进制用base64表示，则他们将无法使用base64字面的字符进行大小比较。所以，我们需要对base64进行一次转换，转换的结果要与ascii对应，起到和ascii大小次序一次的效果。

BaseSortValue-BSV

为了解决这个问题，我们需要将base64的二进制拿出来，然后， 给予他们有次序的新的码表即可。

但是，我们要做更长远的考虑，我们的BSV大概率会被用作主键，会用来查询，用出现在URL中，所以，我们应该避开URL的字义字符。URL的转义表如下：

 

除了大小写字母、数字以外，我们还需要3个字符。除去URL转义字符，ASCII中可用的可视字符只剩下 !"$'()*,-.;<>[\]^_{|}~。其中"'出现在代码中容易影响代码本身的转义，故而不可。_符号在查询时，经常因为疏忽看不见。所以，最好的应该是!$-。因为这三者的中英文区别较大，具有较高的可识别度。同时，!小于数字及字母，作为补位可以不影响大小。最终形成的码表如下：

 

生成的结果如下：

0Bj4hRXIFkDoc$DXPivPF7nPBmO-smcF
0Bj4hU4f674ny-f0keZnG6VpDZm1b75r
0Bj4hU4h3WXnCsIKnnrrG7LHBzpH4yMF
0Bj4hU4h4FhniG-wH57BF6pSCVD$5sGp
0Bj4hU4h4Za$B5tkH2sIEtjA39M-nGuQ
0Bj4hU4h4qL0M-4nKRLZFcrU8qF$yezv
0Bj4hU4h548bDgf6ypAiFvI-HQSzZFeH
0Bj4hU4h5I47IsKrnkfdF7bfvOjMXWXm
0Bj4hU4h5V3P7fTSP0lBEcbZbF5h2CXV
0Bj4hU4h5iCiT-m$R7PfEeko7oaFcIPO
0Bj4hU4h5vDF6VNYTDSSFsHi1FUQt93p

实现 - .Net

    public static class SeqGuid
    {
        /// <summary>
        /// 生成BSV的GUID。
        /// </summary>
        /// <returns></returns>
        public static string NewGuid()
        {

            var gid = Guid.NewGuid().ToByteArray();// 获取唯一的guid，对应uuid的版本应该是v4。此处直接获取其byte数组。
            var dtvalue = DateTime.Now.Ticks;//获取当前时间到1年1月1日的总ticks数，ticks单位是100ns，即万分之一毫秒。
            var dtbytes = BitConverter.GetBytes(dtvalue);// 将ticks时间戳转换为字节数组，默认是小端。
            var bytes = new Byte[gid.Length + dtbytes.Length];// 实例化新的数字，用以存放时间值和GUID值。

            // 因为BitConverter.GetBytes获得的Byte[]是小端，不符合排序要求，所以，要逆序写入bytes数组中，形成大端的方式。
            // 将时间值放入bytes数组中。
            for (long i = 0; i < dtbytes.Length; i++)
            {
                var cvalue = dtbytes[dtbytes.Length - i - 1];
                bytes[i] = cvalue;
            }

            // 将guid的值，放入bytes数组中。
            gid.CopyTo(bytes, dtbytes.Length);
            // 将值转换为base64，主要原因是，前端、数据库比较容易处理字符串类型的数据。
            var b64 = Convert.ToBase64String(bytes);
            // 将无序的base64转换为有序的伪base64格式。

            var ss = b64.ToArray();
            for (var i = 0; i < ss.Length; i++)
            {
                ss[i] = dic[ss[i]];
            }
            return new string(ss);
        }
        /// <summary>
        /// 仿base64的有序字典，其与base64相似，使用有限的字符，表示6bit的二进制，不足的地方补=。但是，与base64的区别是，字符串是按从小到大的次序表示000000到111111的数值的。
        /// </summary>
        public static readonly Dictionary<char, char> dic = new Dictionary<char, char>()
        {
            {'A','$'},{'B','-'},{'C','0'},{'D','1'},{'E','2'},{'F','3'},{'G','4'},{'H','5'},{'I','6'},{'J','7'},{'K','8'},
            {'L','9'},{'M','A'},{'N','B'},{'O','C'},{'P','D'},{'Q','E'},{'R','F'},{'S','G'},{'T','H'},{'U','I'},{'V','J'},
            {'W','K'},{'X','L'},{'Y','M'},{'Z','N'},{'a','O'},{'b','P'},{'c','Q'},{'d','R'},{'e','S'},{'f','T'},{'g','U'},
            {'h','V'},{'i','W'},{'j','X'},{'k','Y'},{'l','Z'},{'m','a'},{'n','b'},{'o','c'},{'p','d'},{'q','e'},{'r','f'},
            {'s','g'},{'t','h'},{'u','i'},{'v','j'},{'w','k'},{'x','l'},{'y','m'},{'z','n'},{'0','o'},{'1','p'},{'2','q'},
            {'3','r'},{'4','s'},{'5','t'},{'6','u'},{'7','v'},{'8','w'},{'9','x'},{'+','y'},{'/','z'},{'=','!'}
        };
    }

    internal class Program
    {
        static void Main(string[] args)
        {
            var preone = SeqGuid.NewGuid();
            for(int i = 0; i < 9999999; i++)
            {
                var newone = SeqGuid.NewGuid();
                if (String.CompareOrdinal(newone, preone)<0)//必须使用CompareOrdinal，因为Compare和CompareTo等都受本地的CultureInfo影响，可能会忽略大小写。
                {
                    Console.WriteLine($"error ,{newone} < {preone}");

                }
                preone = newone;

            }
            Console.WriteLine("done...");
            Console.ReadLine();
        }
    }

运行结果：

 

执行1000万次，没有大小次序错误。单线程 的情况下，每秒生成143万个。

多线程并发测试

因为我的电脑只有20核，所以，使用15个线程来处理，为了避免受Task的优化影响，我们直接使用Thread来模拟。

        static ConcurrentBag<string> exists = new ConcurrentBag<string>();
        static void 测试并发唯一性()
        {
            Thread[] tks = new Thread[15];
            for(var t = 0; t < 15; t++)
            {
                tks[t] = new Thread(workThread);
                tks[t].Start();
                
            }
            Console.WriteLine("所有任务启动完成，等待执行完成中……");

            for (var t = 0; t < 15; t++)
            {
                tks[t].Join();
            }
            Console.WriteLine($"全部执行完成，总生成guid个数:"+exists.Count);

        }
        static void workThread()
        {
            var count = 1000;
            Console.WriteLine(Thread.CurrentThread.ManagedThreadId + "：启动");
            for (int i = 0; i < count; i++)
            {
                var nid = SeqGuid.NewGuid();
                if (exists.Contains(nid))
                {
                    Console.WriteLine("出现重复guid:" + nid);
                }
                else
                {
                    exists.Add(nid);
                }
            }
            Console.WriteLine(Thread.CurrentThread.ManagedThreadId + "：完成");
        }

测试结果如下：

 说明，借着.net原本的GUID，完美的避开了并发情况下唯一的问题。至于说，高并发情况下次序问题，如果两个动作在100ns以内，是否区分次序或者不是那么重要了。并且，此GUID也并非是提供强一致次序（这种需求还是需要用Redis之类的来实现），而是提供有限的次序，以便解决数据库优化的问题。