数据库分库分表后，我们怎么保证ID全局唯一

上两篇讲到了我们的系统在面临大并发读取的时候，采用了读写分离主从复制（数据库读写分离方案，实现高性能数据库集群）的方案去应对，后来又面临了大并发写入的时候，系统数据库采用了分库分表的方案（数据库分库分表方案，优化大量并发写入所带来的性能问题），通过垂直拆分以及水平拆分的方式，将数据分到多个库和多个表中去应对的，即现在是这样的一套分布式存储结构。

数据库分库分表那篇也讲到了，使用了分库分表势必会带来和我们之前使用不大相同的问题。今天，我将其中一个和我们开发息息相关的问题提出来进行讲解，也就是我们开发中所使用的的主键的问题。我们知道，以前我们单库的时候，主键唯一ID是自增的，现在好了，我们的数据被分到多个库的多个表里面了，如果我们还是使用之前的主键自增策略，那么这样就会出现两个数据插入到了两个不同的表会出现相同的ID值，这时我们该怎么去使用呢？

对于什么是主键，主键该怎么选，今天不做讲解，我相信大家可能比我还精通，我们今天主要是讲唯一主键ID在分布式存储系统下怎么生成，保证ID的唯一性且符合我们业务需要，才是我们开发人员最关心的实战。

01

UUID

这个时候，你可能会说，自增用不了，那我就是用UUID嘛，这个UUID生成出来的就是唯一的。的确，在我以前在一个公司中的确接触到是使用UUID来生成唯一主键ID的，而且性能还可以。但是，我想提一点的就是，当这个ID和我们业务交集不相关的时候是可以使用UUID生成主键的。比如，一般我们业务是需要用来做查询的，而且最好是单调递增的，这样我们的UUID就很不适合了。

主键ID单调递增有什么好处呢？

1，就拿我们用户关注航班这个模块来说，我们查看某个航班关注用户按照时间的先后进行排序。因为现在的ID是时间上有序的，所以现在我们就可以按照ID来进行排序了，同时这样对于有些并不是要存储时间的业务来说，会减少不少的存储空间。

2，有序的ID可以提升数据写入的性能

我们知道主键其实在数据库中就是一种索引，而索引在MySql数据库的B+数据结构中是顺序存储的，所以每次插入的时候就是递增排序的，直接追加到后面就行。如果是无序的话，则每次插入数据之前还得查找它应该所在的位置，这无疑就会增加数据的异动等相关的开销，如下图：

如上图所示，如果我们生成的ID是有序的，那这个 50 就直接插在尾部就行了，如果是无序的话，突然生成了一个 26，我们还得先找到 26 需要存放的位置，然后还要对其后面数据进行挪位置。

3，UUID不具备业务相关性

我们现在开发的项目都是依据公司业务开展的，而我们的唯一ID一般都是和业务有关系的，比如，有些订单ID中带上了时间的维度、机房的维度以及业务类型等维度。也就是为了我方便进行定位是那种业务的订单，才会这么设计的，是不是。

而UUID是由32位的16进制数字组成的字符串，不仅在存储空间上造成浪费，更不具备我们业务相关性。那我们该怎么解决呢？其实twitter提出来的Snowflake 算法就能很好满足我们现在的要求，满足了主键ID的全局唯一性、单调递增性，也可以满足我们的业务相关。所以，我们现在使用的唯一ID生成方式就是使用Snowflake算法，这个算法其实很简单。下面我们来对其进行讲解，并对其相应改造使其能用到我们的开发业务中来。

02

Snowflake 算法原理

Snowflake 是由 64 比特bit二进制数字组成的，一共分为4大部分：

• 1位默认不使用
• 41位时间戳
• 10位机器ID
• 12位序列号

1. 我们从上图中可以看出snowflake算法的第二部分的41位时间戳，大概可以支撑2^41/1000/60/60/24/365 年，也就是大约有69年。我们设计一个系统用69年应该是足够了吧。
2. 10位的机器ID我们可以怎么使用呢？我们可以划分成大概2到3位IDC,也就是可以支撑4到8个IDC机房；然后划分7到 8 位的机器ID，即可以支撑128~256台机器。
3. 12位的序号，就代表每个节点每毫秒可以生成4096个ID序号。

03

如何改造

我们现在已经知道了Snowflake 算法的核心原理，并且知道了其有64位的二进制数据，那我们就可以根据自己业务进行改造以更好的来为我们业务服务。一般不同的公司对其进行改造的方式都不尽相同，但是道理都是一样的。我们可以这么做：

1. 我们是减少序列号的位数，增加机器ID的位数，是为了用来支撑我们单IDC的更多机器。
2. 将我们业务ID加入进去用来区分我们不同的业务。比如，1位0 + 41位时间戳 + 6位IDC(64个IDC) + 6位业务信息（支撑64种业务） + 10位自增序列（每毫秒1024个ID）

如此，我们就可以在单机房部署这么一个统一ID发号器,然后用Keeplive 保证高可用（对于高可用不熟悉的回去看看哈「高可用」你们服务器挂了怎么办，我们是这样做的）可以将不同的业务模块ID加入进去，这样的好处是即使哪个业务出问题了，我只看ID号我就分析出来，比如，我看到现在ID号有我的订单ID业务，我就去看订单模块。

04

开发如何使用

现在我们知道Snowflake 算法原理了，还知道了我们可以进行改造了。那我们开发人员该怎么去使用，来为我们业务生成统一的唯一ID呢？

1，直接嵌入到业务代码

嵌入业务代码的意思就是，这个snowflake算法就部署在和我们业务相同的服务器上，这样我们代码使用的时候，就不用了跨网络调用，性能相对比较好。但是也是有缺点的，因为我们的业务机器肯定是很多的，这就意味着我们发号器算法需要更多的机器ID位数。同时，太多的业务服务器我们会很难保证业务机器id的唯一性，这里就需要引用zookeeper一致性组件来保证每次机器重启都能能获得唯一的机器ID。

2，独立部署成发号器服务

也就是说，我们将其作为单独的服务部署到单独的机器上，已对外提供服务。这样就是多了网络的传输，不过影响不大，比如，我可以将其部署成一个主备的方式对外提供发号服务，机器ID可以用作序列号使用，这样也就是会有更多的自增序号，有部分大厂就是以这样单独的服务提供出来的。

开发中避坑大法

1，虽然snowflake很优秀，但是它是基于系统时间的，万一我们系统的时间不准怎么办，就会造成我们的ID会重复。那我们的做法就是，要利用系统的对时功能，一旦发现时间不一致，就暂停发号器，等到时钟准了在启用。

2，还有一个坑比较关键，也是常发生的，就是当我们的QPS并发不高的时候，比如每毫秒只生成一个ID号，这样就是直接结果是，每次生成的ID末尾都是1，这样我们分库分表就会出现问题呀对吧，因为我们用这个ID去分库分表呀，会造成数据不均匀，是吧，忘记了去复习哈（数据库分库分表方案，优化大量并发写入所带来的性能问题）那我们怎么解决呢？

我们可以将时间戳记录从毫秒记录改为秒记录，这样我一秒可以发好多个号了

生成的序列号起始号随机启动，比如这一秒起始号是10，我下一秒随机了变成了28，这样就更加分散开了。

总结，今天我们针对分库分表之后带来的第一个直接影响我们开发的问题，就是主键ID唯一性的问题，然后说到了使用Snowflake算法去解决，并且对其原理和使用进行了详细的讲解，同时，还将其在使用中遇到的坑给讲出来了，也对其进行了填坑分析，让大家直接避免遇到同样的问题。当然生成唯一ID有多种，我们根据业务选择合适我们自己的就好，你们是基于什么方式生成的可以也可以告诉大家。

下一篇预告：继续分析分库分表后续问题

关于架构师修炼

本号旨在分享一线互联网各种技术架构解决方案，分布式以及高并发等相关专题，同时会将作者的学习总结进行整理并分享。

更多技术专题，敬请期待