分布式ID生成的常見方案~都在這里啦！

作者：撿田螺的小男孩 2025-05-27 03:22:00

云計算分布式

我們日常開發中，經常需要使用到分布式ID。我們系統一般都是分布式部署的，一些分布式鎖、冪等、數據庫的唯一鍵，都需要分布式ID。

前言

大家好，我是田螺。

我們日常開發中，經常需要使用到分布式ID。我們系統一般都是分布式部署的，一些分布式鎖、冪等、數據庫的唯一鍵，都需要分布式ID。

今天田螺哥盤點一些常見的分布式唯一ID生成方案。

1. 數據庫自增ID

原理：利用數據庫自增字段（如MySQL的AUTO_INCREMENT）生成唯一ID

圖片

優點：簡單易用、ID有序、索引效率高缺點：單點故障、擴展性差（分庫分表困難）
適用場景：單機或簡單主從架構系統

代碼示例：

CREATE TABLE orders (
    id INT AUTO_INCREMENT PRIMARY KEY,
    order_data VARCHAR(255)
);

2. UUID

原理：基于MAC地址、時間戳、隨機數生成128位字符串
優點：全局唯一、無需中心化服務
缺點：無序導致索引效率低、存儲空間大（36字符）
適用場景：日志跟蹤、非核心業務（如臨時會話）

我們的項目中，有些伙伴為了簡單方便，有時候會直接用它，如果業務性比較強的，就在它后綴拼接寫個性化標記（業務標記）進來~

代碼示例：

import java.util.UUID;
String uuid = UUID.randomUUID().toString();

3. 雪花算法（Snowflake）

原理：64位結構 = 時間戳（41位） + 機器ID（10位） + 序列號（12位）
圖片
優點：高性能（單機每秒4萬+）、趨勢遞增29
缺點：依賴時鐘同步（時鐘回撥會導致重復）
適用場景：分布式高并發系統（如電商訂單）

其實，我們現在的系統，很多場景就是用雪花算法生成的，如流水號等等~

代碼示例：

public class Snowflake {
    private long machineId;
    private long sequence = 0L;
    private long lastTimestamp = -1L;

    public synchronized long nextId() {
        long timestamp = System.currentTimeMillis();
        if (timestamp < lastTimestamp) {
            throw new RuntimeException("時鐘回撥！");
        }
        if (timestamp == lastTimestamp) {
            sequence = (sequence + 1) & 4095; // 12位序列號
            if (sequence == 0) timestamp = tilNextMillis(lastTimestamp);
        } else {
            sequence = 0L;
        }
        lastTimestamp = timestamp;
        return (timestamp << 22) | (machineId << 12) | sequence;
    }
}

4. 數據庫號段模式

原理：批量獲取ID段（如一次取1000個），減少數據庫訪問
優點：降低數據庫壓力、可用性高（緩存號段）、速度快
缺點：在服務器重啟或故障轉移等情況下，可能會導致ID的生成出現不連續的情況。
適用場景：中等并發業務（如用戶ID生成）

我們的一些客戶號，當前是用號段模式生成的，然后拼一些業務標記

表結構：

CREATE TABLE id_segment (
    biz_tag VARCHAR(50) PRIMARY KEY,
    max_id BIGINT NOT NULL,
    step INT NOT NULL,
    version INT NOT NULL
);

5. Redis分布式ID

原理：利用INCR原子操作生成遞增ID
圖片
優點：性能優于數據庫、天然有序、高性能、可擴展性強
缺點：依賴Redis可用性
適用場景：按日生成的流水號（如訂單號=日期+自增）

代碼示例：

Jedis jedis = new Jedis("redis-host");
Long orderId = jedis.incr("order:20240526");

6.百度的uid-generator

優點：避免頻繁生成、吞吐量提升至600萬/秒
適用場景：超大規模分布式系統

基于Twitter的Snowflake算法進行改進，增加了更多的配置和靈活性。

與原始的snowflake算法不同在于，uid-generator支持自定義時間戳、工作機器ID和序列號等各部分的位數，而且uid-generator中采用用戶自定義workId的生成策略。

代碼示例：

import com.baidu.fsg.uid.UidGenerator;  
import com.baidu.fsg.uid.impl.CachedUidGenerator;  
  
public class UidGeneratorDemo {  
  
    public static void main(String[] args) {  
        // 創建一個UidGenerator實例  
        UidGenerator uidGenerator = new CachedUidGenerator();  
  
        // 初始化，這里只是一個簡單的示例，實際使用時你可能需要根據你的業務場景進行更復雜的配置  
        // 例如，設置workerId、epoch等  
        // 注意：在多實例部署時，每個實例的workerId必須唯一  
        long workerId = 1L; // 示例ID，實際使用時需要保證每個實例的唯一性  
        long datacenterId = 1L; // 數據中心ID，示例  
        uidGenerator.init(workerId, datacenterId, null);  
  
        // 生成一個UID  
        long uid = uidGenerator.getUID();  
        System.out.println("Generated UID: " + uid);  
    }  
}

7. 基于Zookeeper的順序節點

利用Zookeeper的順序節點特性來生成全局唯一ID。

圖片

優點：

利用Zookeeper的集群特性保證高可用。
ID全局唯一。

缺點：

需要依賴Zookeeper集群。
可能會受到Zookeeper性能的限制。
并發競爭較大不適合用Zookeeper

8. 數據庫集群模式

單庫的數據庫自增ID會存在單點問題，所以可以用數據庫集群模式，去解決這個問題。數據庫集群模式：通過多個數據庫實例設置不同的起始值和步長來生成全局唯一的ID。

圖片

數據庫集群模式優點：

可以有效生成集群中的唯一ID。解決了單點的問題。
降低ID生成數據庫操作的負載。

數據庫集群模式缺點：

需要獨立部署多個數據庫實例，成本高。
后期不方便擴展

9. 美團（Leaf）

Leaf是美團點評開源的分布式ID生成系統，包含基于數據庫和基于Zookeeper的兩種實現方式。

以基于數據庫的自增ID生成策略為例(數據庫表結構):

CREATE TABLE leaf_alloc (  
    biz_tag VARCHAR(128) NOT NULL COMMENT '業務key',  
    max_id BIGINT(20) NOT NULL COMMENT '當前已分配的最大id',  
    step INT(11) NOT NULL COMMENT '每次id的增長步長',  
    PRIMARY KEY (biz_tag)  
) ENGINE=INNODB DEFAULT CHARSET=utf8mb4;

Java 實現:

import java.sql.*;  
  
public class LeafIdGenerator {  
  
    private static final String JDBC_URL = "jdbc:mysql://localhost:3306/your_database?useSSL=false&serverTimeznotallow=UTC";  
    private static final String USERNAME = "your_username";  
    private static final String PASSWORD = "your_password";  
  
    private static final String UPDATE_SQL = "UPDATE leaf_alloc SET max_id = max_id + ? WHERE biz_tag = ?";  
    private static final String SELECT_SQL = "SELECT max_id FROM leaf_alloc WHERE biz_tag = ? FOR UPDATE";  
  
    public synchronized long getId(String bizTag) throws SQLException {  
        Connection conn = null;  
        PreparedStatement updateStmt = null;  
        PreparedStatement selectStmt = null;  
        ResultSet rs = null;  
  
        try {  
            conn = DriverManager.getConnection(JDBC_URL, USERNAME, PASSWORD);  
            selectStmt = conn.prepareStatement(SELECT_SQL);  
            selectStmt.setString(1, bizTag);  
            rs = selectStmt.executeQuery();  
  
            if (rs.next()) {  
                long maxId = rs.getLong("max_id");  
                int step = 1000; // 假設步長為1000，你可以從數據庫中讀取這個值  
  
                // 假設這里只是簡單演示，不檢查是否超過max_id + step是否溢出  
                updateStmt = conn.prepareStatement(UPDATE_SQL);  
                updateStmt.setInt(1, step);  
                updateStmt.setString(2, bizTag);  
                updateStmt.executeUpdate();  
  
                // 返回ID區間中的一個ID，這里簡單返回maxId（實際應用中可能需要更復雜的策略）  
                return maxId;  
            } else {  
                // 如果沒有找到對應的bizTag，則需要初始化  
                // ... 初始化代碼省略 ...  
                throw new RuntimeException("BizTag not found: " + bizTag);  
            }  
        } finally {  
            // 關閉資源，省略了異常處理  
            if (rs != null) rs.close();  
            if (selectStmt != null) selectStmt.close();  
            if (updateStmt != null) updateStmt.close();  
            if (conn != null) conn.close();  
        }  
    }  
  
    public static void main(String[] args) {  
        LeafIdGenerator generator = new LeafIdGenerator();  
        try {  
            long id = generator.getId("test-biz-tag");  
            System.out.println("Generated ID: " + id);  
        } catch (SQLException e) {  
            e.printStackTrace();  
        }  
    }  
}

優點：

結合了數據庫和Zookeeper的優點，提供了高可用和高性能的ID生成服務。缺點：
就是時鐘回撥問題、復雜性高。

10. 滴滴（Tinyid）

Tinyid是滴滴開源的輕量級分布式ID生成系統，它是基于號段模式原理實現的與Leaf如出一轍，每個服務獲取一個號段（1000,2000]、（2000,3000]、（3000,4000]

圖片

以下是一個簡化的Tinyid，服務端的偽代碼:

// 假設我們有一個ID生成器，這里用AtomicLong模擬  
import java.util.concurrent.atomic.AtomicLong;  
  
public class TinyidService {  
    private AtomicLong idGenerator = new AtomicLong(0);  
  
    // 模擬的ID生成方法  
    public synchronized long generateId() {  
        return idGenerator.incrementAndGet();  
    }  
  
    // 這里應該是RESTful API的實現，但為簡化起見，我們省略了HTTP部分  
    // 客戶端應該通過HTTP請求調用此方法  
    public long getIdOverHttp() {  
        return generateId();  
    }  
}

客戶端（Java示例）

import okhttp3.*;  
  
public class TinyidClient {  
    private static final String TINYID_SERVICE_URL = "http://localhost:8080/tinyid/generate";  
  
    public static void main(String[] args) {  
        OkHttpClient client = new OkHttpClient();  
  
        Request request = new Request.Builder()  
                .url(TINYID_SERVICE_URL)  
                .build();  
  
        client.newCall(request).enqueue(new Callback() {  
            @Override  
            public void onFailure(Call call, IOException e) {  
                e.printStackTrace();  
            }  
  
            @Override  
            public void onResponse(Call call, Response response) throws IOException {  
                if (!response.isSuccessful()) {  
                    throw new IOException("Unexpected code " + response);  
                } else {  
                    // 假設服務端返回的是純文本格式的ID  
                    String responseBody = response.body().string();  
                    long id = Long.parseLong(responseBody);  
                    System.out.println("Generated ID: " + id);  
                }  
            }  
        });  
    }  
}

優缺點：簡單、輕量級，但性能可能不如其他方案。

責任編輯：武曉燕來源：撿田螺的小男孩

分布式 ID 部署