ChenSoul

分布式 ID 的生成是分布式系统中的一个核心问题，需要确保生成的 ID 全局唯一、性能高效，并且能够适应高并发和大规模的场景。以下是一些常见的分布式 ID 生成方案：

1. UUID

• 原理：UUID（Universally Unique Identifier）是一种通过一系列算法生成的128位数字，通常基于时间戳、计算机硬件标识符、随机数等元素。
• 优点：实现简单，无需网络交互，保证全局唯一性。
• 缺点：ID 较长（36个字符的字符串形式），可能导致存储和索引效率低下，且通常不能保证顺序性。
• 适用场景：适用于对唯一性要求高，但对性能和存储空间要求不敏感的场景。

2. NanoID

• 原理：NanoID 是一个轻量级、安全、URL 友好的唯一字符串 ID 生成器。它使用加密安全的随机数生成器，确保生成的 ID 足够随机和安全。

  • 在 Java 中实现 NanoID，可以使用 jnanoid 库。

• 优点：

  • 短小精悍：生成的 ID 默认长度为 21 个字符，减少了存储空间的占用，提升了传输效率。

  • 安全性高：使用硬件随机数生成机制，借助 crypto module 和 Web Crypto API，确保生成的 ID 足够安全。

  • URL 友好：生成的 ID 只包含 URL 安全的字符，方便在 URL 中使用。

  • 性能优越：生成 ID 的速度非常快，比 UUID 快了约 60%。

  • 高度可定制：支持自定义 ID 的字母表和长度，灵活适配不同项目需求。

• 缺点：

  • 非人类可读：ID 不是连续的，可能使调试变得更加困难。

• 适用场景：

  • Web 应用程序：在 Web 开发中，NanoID 可以缩短 URL 长度，提升用户体验。

  • 短链服务：生成短小精悍的短链 ID，便于分享和记忆。

  • 分布式系统：在分布式环境中，用于节点间的消息标记。

  • API 令牌：安全地生成短期有效的 API 访问令牌。

3. 数据库自增 ID

• 原理：基于数据库的 auto_increment 自增 ID 可以生成分布式 ID。通过批量获取 ID 号段，减少对数据库的依赖。
  • 如果使用多个数据库，则将增长 ID 错开。
• 优点：实现简单，ID 单调自增，数值类型查询速度快。
• 缺点：在高并发场景下，单点数据库会成为性能瓶颈，且存在单点故障风险。
• 适用场景：适用于对 ID 顺序性有要求，且并发量不高的场景。

4. Redis 生成 ID

• 原理：通过 Redis 的原子性 INCR 和 INCRBY 命令生成唯一的递增数值。
• 优点：Redis 的高性能保证了即使在高负载下也能快速生成 ID。
• 缺点：高度依赖网络，且需要额外的基础设施管理和维护。
• 适用场景：适用于需要高并发生成 ID 的场景。

5. Snowflake 算法

• 原理：Snowflake 是 Twitter 开源的一种分布式 ID 生成算法，生成的是一个 64 位的长整型数字。通过组合时间戳、数据中心 ID、机器 ID 和序列号来确保 ID 的全局唯一性和趋势递增。
  • Mybatis-plus 可以使用 DefaultIdentifierGenerator 传入当前机器 IP 生成 workId 和 dataCenterId，但没有解决时钟回拨的问题。
• 优点：不依赖数据库，适合分布式环境，生成 ID 的性能高。
• 缺点：强依赖机器时钟，如果机器时钟发生回拨，可能导致重复 ID。
• 适用场景：适用于需要全局唯一、递增 ID 的高并发分布式系统。

6. Leaf

• 原理：Leaf 是美团开源的分布式 ID 生成系统，提供了两种生成 ID 的方式：Leaf-segment 号段模式和 Leaf-snowflake 雪花算法。
  • Leaf-segment 号段模式：服务启动时从数据库获取一段 ID 号段并缓存到内存，之后直接从内存中分配 ID；当号段快用完时，异步从数据库获取新的号段，同时使用双 buffer 确保业务不受阻塞。
• 优点：高性能、高可用、接入简单。
• 缺点：依赖第三方组件如 ZooKeeper、MySQL。
• 适用场景：适用于需要高可用性和高性能的分布式系统。

7. UidGenerator

• 原理：UidGenerator 是百度开源的基于 Snowflake 算法的分布式 ID 生成器，克服了雪花算法的并发限制。
  • 通过预生成一批唯一ID并缓存到RingBuffer中，避免了每次生成ID时对系统时钟的依赖，从而有效解决了雪花算法的时钟回拨问题。
  • 克服了雪花算法的并发限制
    • 借用未来时间：当当前秒内的 sequence 达到最大值时，UidGenerator 会借用未来的时间来生成新的 ID，从而突破了每秒生成 ID 数量的限制。
    • 使用 RingBuffer 缓存 ID：UidGenerator 采用 RingBuffer 来缓存已生成的 UID，通过并行化 UID 的生产和消费，提高了 ID 生成的效率。
    • 避免硬件级“伪共享”问题：通过对 CacheLine 补齐，避免了由 RingBuffer 带来的硬件级“伪共享”问题，进一步提升了性能
• 优点：单个实例的 QPS 能超过 6000000。
• 缺点：需要依赖 MySQL 来分配 WorkerId。
• 适用场景：适用于高并发、高性能要求的分布式系统。

8. TinyID

• 原理：TinyID 是滴滴基于美团 Leaf 的号段模式基础上升级而来，支持数据库多主节点模式，并提供了 tinyid-client 客户端的接入方式。
• 优点：支持多主节点模式，接入方便。
• 缺点：依赖数据库。
• 适用场景：适用于需要高可用性和扩展性的分布式系统。

9. CosId

• 原理：CosId 提供了通用、灵活、高性能的分布式 ID 生成器，包括 SnowflakeId、SegmentId 和 SegmentChainId 等多种生成方式。
  • SnowflakeId：
    • 当发生时钟回拨时会使用ClockBackwardsSynchronizer主动等待时钟同步来重新生成ID。
  • SegmentId：号段模式
    • SegmentId 每次从号段分发器获取一段连续的 ID 号段，并将其缓存到内存中，以减少对号段分发器的网络 IO 请求，从而提升性能。
    • 当内存中的号段即将耗尽时，需要同步地从号段分发器获取新的号段，这可能导致业务流程的短暂阻塞。
  • SegmentChainId：号段链模式
    • SegmentChainId 是 SegmentId 的增强版，通过 PrefetchWorker 提前获取新的号段，并维护一个安全距离，并支持基于饥饿状态的动态扩容/收缩安全距离。
    • 性能可达到近似 AtomicLong 的 TPS 性能
• 优点：高性能，支持多种存储后端（如 Redis、Jdbc、Zookeeper、MongoDB 等）。
• 缺点：需要根据具体存储后端进行配置和管理。
• 适用场景：适用于需要高性能、高可用性的分布式系统。

总结比较

根据实际需求选择合适的分布式 ID 生成方案，可以更好地满足系统的性能、可用性和扩展性要求。NanoID 凭借其超轻量级、安全性强、生成快速紧凑、兼容性佳以及高度可定制等诸多优势，在众多 ID 生成工具中脱颖而出，为开发者们提供了一种高效、可靠的解决方案。