搞定了 6 种分布式ID，分库分表哪个适合做主键？
搞定了 6 种分布式ID，分库分表哪个适合做主键？
大家好，我是小富～
本文是《ShardingSphere5.x分库分表原理与实战》系列的第七篇，目前系列的前几篇制作成了PDF，需要的可以在文末获取下载方式，持续更新中。今天咱们继续一起来探究下，分布式ID在分库分表中起到的作用以及如何使用，ShardingSphere-jdbc中已经为我们提供了多种分布式主键ID生成策略。接下来将分别介绍这些策略的优缺点，看看它们在实际应用中的场景和效果。
| 小富的技术站：https://xiaofucode.com |
为什么用分布式主键ID
在传统的单库单表结构时，通常可以使用自增主键来保证数据的唯一性。但在分库分表的情况下，每个表的默认自增步长为1，这导致了各个库、表之间可能存在重叠的主键范围，从而使得主键字段失去了其唯一性的意义。
为了解决这一问题，我们需要引入专门的分布式 ID 生成器来生成全局唯一的ID，并将其作为每条记录的主键，以确保全局唯一性。通过这种方式，我们能够有效地避免数据冲突和重复插入的问题，从而保障系统的正常运行。
除了满足唯一性的基本要求外，作为主键 ID，我们还需要关注主键字段的数据类型、长度对性能的影响。因为主键字段的数据类型、长度直接影响着数据库的查询效率和整体系统性能表现，这一点也是我们在选方案时需要考虑的因素。
内置算法
在ShardingSphere 5.X版本后进一步丰富了其框架内部的主键生成策略方案。此前仅提供了UUID和Snowflake两种策略，现在又陆续提供了NanoID、CosId、CosId-Snowflake三种策略。下面我们将逐个的过一下。
注意：SQL中不要主动拼接主键字段（包括持久化工具自动拼接的）否则一律走默认的Snowflake策略！！！
ShardingSphere中为分片表设置主键生成策略后，执行插入操作时，会自动在SQL中拼接配置的主键字段和生成的分布式ID值。所以，在创建分片表时主键字段无需再设置 自增 AUTO_INCREMENT。同时，在插入数据时应避免为主键字段赋值，否则会覆盖主键策略生成的ID。
| CREATE TABLE `t_order` ( | |
| `id` bigint NOT NULL, | |
| `order_id` bigint NOT NULL, | |
| `user_id` bigint NOT NULL, | |
| `order_number` varchar(255) COLLATE utf8mb4_general_ci NOT NULL, | |
| `customer_id` bigint NOT NULL, | |
| `order_date` datetime DEFAULT NULL, | |
| `interval_value` varchar(125) COLLATE utf8mb4_general_ci DEFAULT NULL, | |
| `total_amount` decimal(10,2) NOT NULL, | |
| PRIMARY KEY (`order_id`) USING BTREE | |
| ) ; |
UUID
想要获得一个具有唯一性的ID，大概率会先想到UUID，因为它不仅具有全球唯一的特性使用还简单。但并不推荐将其作为主键ID。
-
UUID的无序性。在插入新行数据后，
InnoDB无法像插入有序数据那样直接将新行追加到表尾，而是需要为新行寻找合适的位置来分配空间。由于ID无序，页分裂操作变得不可避免，导致大量数据的移动。频繁的页分裂会导致数据碎片化（即数据在物理存储上分散分布）。这种随机的ID分配过程需要大量的额外操作，导致频繁的对数据进行无序的访问，导致磁盘寻道时间增加。数据的无序性进一步加剧了数据碎片化，降低了数据访问效率。 -
UUID字符串类型。字符串比数字类型占用更多的存储空间，对存储和查询性能造成较大的消耗；字符串类型的长度可变，可变长度的数据行会破坏索引的连续性，导致索引查找性能下降。
算法类型：UUID
| spring: | |
| shardingsphere: | |
| rules: | |
| sharding: | |
| key-generators: # 分布式序列算法配置 | |
| # UUID生成算法 | |
| uu-id-gen: | |
| type: UUID | |
| tables: | |
| t_order: # 逻辑表名称 | |
| actual-data-nodes: db$->{0..1}.t_order_${0..2} # 数据节点：数据库.分片表 | |
| database-strategy: # 分库策略 | |
| standard: | |
| sharding-column: order_id | |
| sharding-algorithm-name: t_order_database_mod | |
| table-strategy: # 分表策略 | |
| standard: | |
| sharding-column: order_id | |
| sharding-algorithm-name: t_order_table_mod | |
| key-generate-strategy: # 分布式主键生成策略 | |
| column: id | |
| keyGeneratorName: uu-id-gen |
NanoID
或许很多人都不熟悉 NanoID，它是一款用类似 UUID 生成唯一标识符的轻量级库。不过，与 UUID 不同的是 NanoID 生成的字符串ID长度较短，仅为21位。但仍然不推荐将它作为主键ID，理由和UUID一样。
算法类型：NANOID
| spring: | |
| shardingsphere: | |
| rules: | |
| sharding: | |
| key-generators: # 分布式序列算法配置 | |
| # nanoid生成算法 | |
| nanoid-gen: | |
| type: NANOID | |
| tables: | |
| t_order: # 逻辑表名称 | |
| actual-data-nodes: db$->{0..1}.t_order_${0..2} # 数据节点：数据库.分片表 | |
| key-generate-strategy: # 分布式主键生成策略 | |
| column: id | |
| keyGeneratorName: nanoid-gen |
定制雪花算法
雪花算法是比较主流的分布式ID生成方案，在 ShardingSphere 中的Snowflake算法生成的是 Long 类型的 ID，通常作为默认的主键生成策略使用。
内置的雪花算法生成的ID主要由时间戳、工作机器IDworkId、序列号sequence三部分组成。
| public synchronized Long generateKey() { | |
| .......... | |
| return ((currentMilliseconds - EPOCH) << TIMESTAMP_LEFT_SHIFT_BITS) | (getWorkerId() << WORKER_ID_LEFT_SHIFT_BITS) | sequence; | |
| } |
定制 Snowflake 算法有三个可配置的属性：
worker-id：工作机器唯一标识，单机模式下会直接取此属性值计算ID，默认是0；集群模式下则由系统自动生成，此属性无效
max-vibration-offset：最大抖动上限值，范围[0, 4096)，默认是1。那么如何理解这个属性呢？
这个属性是用来控制上边生成雪花ID中的sequence。通过限制抖动范围，同一毫秒内生成的ID中引入微小的变化，让数据更均匀地分散到不同的分片上。
| private void vibrateSequenceOffset() { | |
| sequenceOffset = sequenceOffset >= maxVibrationOffset ? 0 : sequenceOffset + 1; | |
| } |
若使用此算法生成值作分片值，建议配置此属性。此算法在不同毫秒内所生成的 key 取模 2^n (2^n一般为分库或分表数) 之后结果总为 0 或 1。为防止上述分片问题，建议将此属性值配置为 (2^n)-1
max-tolerate-time-difference-milliseconds：最大容忍时钟回退时间（毫秒）。服务器在校对时间时可能会发生时钟回拨的情况（当前时间回退），由于根据时间戳参与计算ID，这可能导致生成相同的ID，而这对系统来说是不可接受的。
ShardingSphere 雪花算法针对时钟回拨场景进行了处理，记录最后一次生成ID的时间 lastMilliseconds，并与回拨后的当前时间 currentMilliseconds 进行比对。如果时间差超过了设置的最大容忍时钟回退时间，系统将直接抛出异常；如果未超过，则系统会休眠等待两者时间差的时长，核心原则确保不会发放重复的ID。
| private boolean waitTolerateTimeDifferenceIfNeed(final long currentMilliseconds) { | |
| if (lastMilliseconds <= currentMilliseconds) { | |
| return false; | |
| } | |
| long timeDifferenceMilliseconds = lastMilliseconds - currentMilliseconds; | |
| Preconditions.checkState(timeDifferenceMilliseconds < maxTolerateTimeDifferenceMilliseconds, | |
| "Clock is moving backwards, last time is %d milliseconds, current time is %d milliseconds", lastMilliseconds, currentMilliseconds); | |
| Thread.sleep(timeDifferenceMilliseconds); | |
| return true; | |
| } |
算法类型：SNOWFLAKE
| spring: | |
| shardingsphere: | |
| rules: | |
| sharding: | |
| key-generators: # 分布式序列算法配置 | |
| # 雪花ID生成算法 | |
| snowflake-gen: | |
| type: SNOWFLAKE | |
| props: | |
| worker-id: # 工作机器唯一标识 | |
| max-vibration-offset: 1024 # 最大抖动上限值，范围[0, 4096)。注：若使用此算法生成值作分片值，建议配置此属性。此算法在不同毫秒内所生成的 key 取模 2^n (2^n一般为分库或分表数) 之后结果总为 0 或 1。为防止上述分片问题，建议将此属性值配置为 (2^n)-1 | |
| max-tolerate-time-difference-milliseconds: 10 # 最大容忍时钟回退时间，单位：毫秒 | |
| tables: | |
| t_order: # 逻辑表名称 | |
| actual-data-nodes: db$->{0..1}.t_order_${0..2} # 数据节点：数据库.分片表 | |
| key-generate-strategy: # 分布式主键生成策略 | |
| column: id | |
| keyGeneratorName: snowflake-gen |
CosId
CosId 是一个高性能的分布式ID生成器框架，Shardingsphere 将其引入到自身的框架内，只简单的使用了 CosId 算法。但目前亲测 5.2.0版本该算法处于不可用状态！！！我已经给官方提了issue，看看他们咋回复吧。
CosId 框架内提供了 3 种算法：
SnowflakeId: 单机 TPS 性能：409W/s , 主要解决时钟回拨问题 、机器号分配问题并且提供更加友好、灵活的使用体验。SegmentId: 每次获取一段 (Step) ID，来降低号段分发器的网络IO请求频次提升性能，提供多种存储后端：关系型数据库、Redis、Zookeeper 供用户选择。SegmentChainId(推荐): SegmentChainId (lock-free) 是对 SegmentId 的增强。性能可达到近似 AtomicLong 的 TPS 性能 12743W+/s。
该算法使用对外提供了两个属性：
id-name：ID 生成器名称。as-string：是否生成字符串类型ID，将 long 类型 ID 转换成 62 进制 String 类型（Long.MAX_VALUE 最大字符串长度11位），并保证字符串 ID 有序性。
算法类型：COSID
| spring: | |
| shardingsphere: | |
| rules: | |
| sharding: | |
| key-generators: # 分布式序列算法配置 | |
| # COSID生成算法 | |
| cosId-gen: | |
| type: COSID | |
| props: | |
| id-name: share | |
| as-string: false | |
| tables: | |
| t_order: # 逻辑表名称 | |
| actual-data-nodes: db$->{0..1}.t_order_${0..2} # 数据节点：数据库.分片表 | |
| key-generate-strategy: # 分布式主键生成策略 | |
| column: id | |
| keyGeneratorName: cosId-gen |
CosId-Snowflake
CosId-Snowflake 是 CosId 框架内提供的 Snowflake 算法，它的实现原理和上边的定制版雪花算法类似，ID主要也是由时间戳、工作机器ID、序列号sequence三部分组成。同样处理了时钟回拨等问题。
| public synchronized long generate() { | |
| long currentTimestamp = this.getCurrentTime(); | |
| if (currentTimestamp < this.lastTimestamp) { | |
| throw new ClockBackwardsException(this.lastTimestamp, currentTimestamp); | |
| } else { | |
| if (currentTimestamp > this.lastTimestamp && this.sequence >= this.sequenceResetThreshold) { | |
| this.sequence = 0L; | |
| } | |
| this.sequence = this.sequence + 1L & this.maxSequence; | |
| if (this.sequence == 0L) { | |
| currentTimestamp = this.nextTime(); | |
| } | |
| this.lastTimestamp = currentTimestamp; | |
| long diffTimestamp = currentTimestamp - this.epoch; | |
| if (diffTimestamp > this.maxTimestamp) { | |
| throw new TimestampOverflowException(this.epoch, diffTimestamp, this.maxTimestamp); | |
| } else { | |
| return diffTimestamp << (int)this.timestampLeft | this.machineId << (int)this.machineLeft | this.sequence; | |
| } | |
| } | |
| } |
这个算法提供了两个属性：
epoch：固定的起始时间点，雪花ID算法的 epoch 变量值，默认值：1477929600000。用它的目的提高生成的ID的时间戳部分的可读性、稳定性和范围限制，使得生成的ID更加可靠和易于管理。as-string：是否生成字符串类型ID，将 long 类型 ID 转换成 62 进制 String 类型（Long.MAX_VALUE 最大字符串长度11位），并保证字符串 ID 有序性。
算法类型：COSID_SNOWFLAKE
| spring: | |
| shardingsphere: | |
| rules: | |
| sharding: | |
| key-generators: # 分布式序列算法配置 | |
| # cosId-snowflake生成算法 | |
| cosId-snowflake-gen: | |
| type: COSID_SNOWFLAKE | |
| props: | |
| epoch: 1477929600000 | |
| as-string: false | |
| tables: | |
| t_order: # 逻辑表名称 | |
| actual-data-nodes: db$->{0..1}.t_order_${0..2} # 数据节点：数据库.分片表 | |
| key-generate-strategy: # 分布式主键生成策略 | |
| column: id | |
| keyGeneratorName: cosId-snowflake-gen |
自定义分布式主键
上边咱们介绍了 ShardingSphere 内提供的 5 种生成主键的ID算法，这些算法基本可以满足大部分的业务场景。不过，在某些情况下，我们可能会要求生成的ID具有特殊的含义或遵循特定的规则。ShardingSphere 也支持我们自定义生成主键ID，来满足定制的业务需求。
实现接口
要实现自定义的主键生成算法，首先需要实现 KeyGenerateAlgorithm 接口，并实现内部 4 个方法，
其中有两个方法比较关键：
getType()：我们自定义的算法类型，方便配置使用；generateKey()：处理主键生成的核心逻辑，我们可以根据业务需求选择合适的主键生成算法，比如美团的 Leaf、滴滴的 TinyId 等。
| public class SequenceAlgorithms implements KeyGenerateAlgorithm { | |
| // 这个方法用于指定我们自定义的算法的类型。它会返回一个字符串，表示所使用算法的类型，方便在配置和识别时使用。 | |
| public String getType() { | |
| // 返回算法类型表示 | |
| return "custom"; | |
| } | |
| // 这是生成主键的核心逻辑所在。在这个方法内部，我们可以根据业务需求选择合适的主键生成算法，比如美团的Leaf、滴滴的TinyId等。这个方法的具体实现会根据所选算法的特点和要求来设计 | |
| public Comparable<?> generateKey() { | |
| return null; | |
| } | |
| public Properties getProps() { | |
| return null; | |
| } | |
| // 这个方法用于初始化主键生成算法所需的资源或配置 | |
| public void init(Properties properties) { | |
| } | |
| } |
在引入外部的分布式ID生成器时，应尽量遵循以下原则：
- 全局唯一：必须保证ID是全局性唯一的，基本要求
- 高性能：高可用低延时，ID生成响应要块，否则反倒会成为业务瓶颈
- 高可用：100%的可用性是骗人的，但是也要无限接近于100%的可用性
- 好接入：要秉着拿来即用的设计原则，在系统设计和实现上要尽可能的简单
SPI 注册
通过 SPI 方式加载我们自定义的主键算法，需要在 resource/META-INF/services 目录下创建一个文件，文件名为 org.apache.shardingsphere.sharding.spi.KeyGenerateAlgorithm，并将我们自定义的主键算法的完整类路径放入文件内，每行一个。在系统启动时会自动加载到这个文件，读取其中的类路径，然后通过反射机制实例化对应的类，完成主键算法的注册和加载。
| resource | |
| |_META-INF | |
| |_services | |
| |_org.apache.shardingsphere.sharding.spi.KeyGenerateAlgorithm | |
配置使用
上边完成了自定义算法的逻辑，使用上与其他的算法一致。只需将我们刚刚定义的算法类型 custom 配置上即可。
| spring: | |
| shardingsphere: | |
| rules: | |
| sharding: | |
| key-generators: # 分布式序列算法配置 | |
| # 自定义ID生成策略 | |
| xiaofu-id-gen: | |
| type: custom | |
| tables: | |
| t_order: # 逻辑表名称 | |
| actual-data-nodes: db$->{0..1}.t_order_${0..2} # 数据节点：数据库.分片表 | |
| key-generate-strategy: # 分布式主键生成策略 | |
| column: id | |
| keyGeneratorName: xiaofu-id-gen |
当执行插入操作时，debug 看已经进入到了定义的主键算法内了。
总结
我们介绍了 ShardingSphere 的几种内置主键生成策略以及如何自定义主键生成策略，市面上还有许多优秀的分布式ID框架都可以整合进来，但具体选择何种策略还是要取决于自身的业务需求。关于分布式 ID 生成器，我曾经撰写过一篇 一口气说出 9种 分布式ID生成方式，详细介绍了多种生成器的优缺点，大家可以作为参考。
