分散式主鍵生成
背景：
網際網路行業裡面，新開一個專案基本上都是需要分庫分表的，再差也要先分個表；那麼id就需要全域性唯一，下面介紹幾種ID生成方案。
常見方法介紹：
snowflake(雪花演算法)：
Long型 64Bit位：1bit保留+41bit時間戳+10bit程式id+12bit序列號。 41-bit的時間可以表示（1L<<41）/(1000L360024*365)=69年的時間，10-bit機器可以分別表示1024臺機器。如果我們對IDC劃分有需求，還可以將10-bit分5-bit給IDC，分5-bit給工作機器。這樣就可以表示32個IDC，每個IDC下可以有32臺機器，可以根據自身需求定義。12個自增序列號可以表示2^12個ID，理論上snowflake方案的QPS約為409.6w/s，這種分配方式可以保證在任何一個IDC的任何一臺機器在任意毫秒內生成的ID都是不同的。
優點：
- 毫秒數在高位，自增序列在低位，整個ID都是趨勢遞增的
- 不依賴資料庫等第三方系統，以服務的方式部署，穩定性更高，生成ID的效能也是非常高的
- 可以根據自身業務特性分配bit位，非常靈活
缺點：
- 強依賴機器時鐘，如果機器上時鐘回撥，會導致發號重複或者服務會處於不可用狀態
實現：
sharding-jdbc內建了雪花演算法的實現，個人覺得還不錯，可以翻翻看裡面的程式碼
資料庫生成:
通過設定不同的業務(biz_tag)，每次獲取一個segment(step決定大小)號段的值。用完之後再去資料庫獲取新的號段
| biz_tag | step | maxId |
|---|---|---|
| activity | 1000 | 1000 |
重要欄位說明：biz_tag用來區分業務，max_id表示該biz_tag目前所被分配的ID號段的最大值，step表示每次分配的號段長度。 優點：
- ID號碼是趨勢遞增的8byte的64位數字，滿足資料庫儲存的主鍵要求
- 容災性高：有號碼快取，即使db當機了，短時間內仍然可以提供附服務
- 可以自定義max_id的大小，非常方便業務從原有的ID方式上遷移過來
缺點：
- TP999資料波動大，當號段使用完之後還是會hang在更新資料庫的I/O上，tg999資料會出現偶爾的尖刺
- ID號碼不夠隨機，能夠洩露發號數量的資訊，不太安全
- DB當機會造成整個系統不可用 #####雙buffer優化： 對於第一個缺點：主要是記憶體中的號碼段用完了再去DB取，這時候會出現短暫的堵塞。如果請求DB的網路和DB的效能穩定，這種情況對系統的影響是不大的，但是假如取DB的時候網路發生抖動，或者DB發生慢查詢就會導致整個系統的響應時間變慢 為此，我們希望DB取號段的過程能夠做到無阻塞，不需要在DB取號段的時候阻塞請求執行緒，即當號段消費到某個點時就非同步的把下一個號段載入到記憶體中。而不需要等到號段用盡的時候才去更新號段。這樣做就可以很大程度上的降低系統的TP999指標。詳細實現如下圖所示：
採用雙buffer的方式，服務內部有兩個號段快取區segment。當前號段已下發10%時，如果下一個號段未更新，則另啟一個更新執行緒去更新下一個號段。當前號段全部下發完後，如果下個號段準備好了則切換到下個號段為當前segment接著下發，迴圈往復。
最後，歡迎follow我的個人訂閱號：
