Leaf是美團基礎研發平臺推出的一個分散式ID生成服務，名字取自德國哲學家、數學家萊布尼茨的一句話：“There are no two identical leaves in the world.”Leaf具備高可靠、低延遲、全域性唯一等特點。目前已經廣泛應用於美團金融、美團外賣、美團酒旅等多個部門。具體的技術細節，可參考此前美團技術部落格的一篇文章：《Leaf美團分散式ID生成服務》。近日，Leaf專案已經在Github上開源：github.com/Meituan-Dia…，希望能和更多的技術同行一起交流、共建。
Leaf特性
Leaf在設計之初就秉承著幾點要求：
- 全域性唯一，絕對不會出現重複的ID，且ID整體趨勢遞增。
- 高可用，服務完全基於分散式架構，即使MySQL當機，也能容忍一段時間的資料庫不可用。
- 高併發低延時，在CentOS 4C8G的虛擬機器上，遠端呼叫QPS可達5W+，TP99在1ms內。
- 接入簡單，直接通過公司RPC服務或者HTTP呼叫即可接入。
Leaf誕生
Leaf第一個版本採用了預分發的方式生成ID，即可以在DB之上掛N個Server，每個Server啟動時，都會去DB拿固定長度的ID List。這樣就做到了完全基於分散式的架構，同時因為ID是由記憶體分發，所以也可以做到很高效。接下來是資料持久化問題，Leaf每次去DB拿固定長度的ID List，然後把最大的ID持久化下來，也就是並非每個ID都做持久化，僅僅持久化一批ID中最大的那一個。這個方式有點像遊戲裡的定期存檔功能，只不過存檔的是未來某個時間下發給使用者的ID，這樣極大地減輕了DB持久化的壓力。
整個服務的具體處理過程如下：
- Leaf Server 1：從DB載入號段[1，1000]。
- Leaf Server 2：從DB載入號段[1001，2000]。
- Leaf Server 3：從DB載入號段[2001，3000]。
使用者通過Round-robin的方式呼叫Leaf Server的各個服務，所以某一個Client獲取到的ID序列可能是：1，1001，2001，2，1002，2002......也可能是：1，2，1001，2001，2002，2003，3，4......當某個Leaf Server號段用完之後，下一次請求就會從DB中載入新的號段，這樣保證了每次載入的號段是遞增的。
Leaf資料庫中的號段表格式如下：
+-------------+--------------+------+-----+-------------------+-----------------------------+
| Field | Type | Null | Key | Default | Extra |
+-------------+--------------+------+-----+-------------------+-----------------------------+
| biz_tag | varchar(128) | NO | PRI | | |
| max_id | bigint(20) | NO | | 1 | |
| step | int(11) | NO | | NULL | |
| desc | varchar(256) | YES | | NULL | |
| update_time | timestamp | NO | | CURRENT_TIMESTAMP | on update CURRENT_TIMESTAMP |
+-------------+--------------+------+-----+-------------------+-----------------------------+
複製程式碼Leaf Server載入號段的SQL語句如下：
Begin
UPDATE table SET max_id=max_id+step WHERE biz_tag=xxx
SELECT tag, max_id, step FROM table WHERE biz_tag=xxx
Commit
複製程式碼整體上，V1版本實現比較簡單，主要是為了儘快解決業務層DB壓力的問題，而快速迭代出的一個版本。因而在生產環境中，也發現了些問題。比如：
- 在更新DB的時候會出現耗時尖刺，系統最大耗時取決於更新DB號段的時間。
- 當更新DB號段的時候，如果DB當機或者發生主從切換，會導致一段時間的服務不可用。
Leaf雙Buffer優化
為了解決這兩個問題，Leaf採用了非同步更新的策略，同時通過雙Buffer的方式，保證無論何時DB出現問題，都能有一個Buffer的號段可以正常對外提供服務，只要DB在一個Buffer的下發的週期內恢復，就不會影響整個Leaf的可用性。
這個版本程式碼線上上穩定執行了半年左右，Leaf又遇到了新的問題：
- 號段長度始終是固定的，假如Leaf本來能在DB不可用的情況下，維持10分鐘正常工作，那麼如果流量增加10倍就只能維持1分鐘正常工作了。
- 號段長度設定的過長，導致快取中的號段遲遲消耗不完，進而導致更新DB的新號段與前一次下發的號段ID跨度過大。
Leaf動態調整Step
假設服務QPS為Q，號段長度為L，號段更新週期為T，那麼Q * T = L。最開始L長度是固定的，導致隨著Q的增長，T會越來越小。但是Leaf本質的需求是希望T是固定的。那麼如果L可以和Q正相關的話，T就可以趨近一個定值了。所以Leaf每次更新號段的時候，根據上一次更新號段的週期T和號段長度step，來決定下一次的號段長度nextStep：
- T < 15min，nextStep = step * 2
- 15min < T < 30min，nextStep = step
- T > 30min，nextStep = step / 2
至此，滿足了號段消耗穩定趨於某個時間區間的需求。當然，面對瞬時流量幾十、幾百倍的暴增，該種方案仍不能滿足可以容忍資料庫在一段時間不可用、系統仍能穩定執行的需求。因為本質上來講，Leaf雖然在DB層做了些容錯方案，但是號段方式的ID下發，最終還是需要強依賴DB。
MySQL高可用
在MySQL這一層，Leaf目前採取了半同步的方式同步資料，通過公司DB中介軟體Zebra加MHA做的主從切換。未來追求完全的強一致，會考慮切換到MySQL Group Replication。
現階段由於公司資料庫強一致的特性還在演進中，Leaf採用了一個臨時方案來保證機房斷網場景下的資料一致性：
- 多機房部署資料庫，每個機房一個例項，保證都是跨機房同步資料。
- 半同步超時時間設定到無限大，防止半同步方式退化為非同步複製。
Leaf監控
針對服務自身的監控，Leaf提供了Web層的記憶體資料對映介面，可以實時看到所有號段的下發狀態。比如每個號段雙buffer的使用情況，當前ID下發到了哪個位置等資訊都可以在Web介面上檢視。
Leaf Snowflake
Snowflake，Twitter開源的一種分散式ID生成演算法。基於64位數實現，下圖為Snowflake演算法的ID構成圖。
- 第1位置為0。
- 第2-42位是相對時間戳，通過當前時間戳減去一個固定的歷史時間戳生成。
- 第43-52位是機器號workerID，每個Server的機器ID不同。
- 第53-64位是自增ID。
這樣通過時間+機器號+自增ID的組合來實現了完全分散式的ID下發。
在這裡，Leaf提供了Java版本的實現，同時對Zookeeper生成機器號做了弱依賴處理，即使Zookeeper有問題，也不會影響服務。Leaf在第一次從Zookeeper拿取workerID後，會在本機檔案系統上快取一個workerID檔案。即使ZooKeeper出現問題，同時恰好機器也在重啟，也能保證服務的正常執行。這樣做到了對第三方元件的弱依賴，一定程度上提高了SLA。
未來規劃
- 號段載入優化：Leaf目前重啟後的第一次請求還是會同步載入MySQL，之所以這麼做而非服務初始化載入號段的原因，主要是MySQL中的Leaf Key並非一定都被這個Leaf服務節點所載入，如果每個Leaf節點都在初始化載入所有的Leaf Key會導致號段的大量浪費。因此，未來會在Leaf服務Shutdown時，備份這個服務節點近一天使用過的Leaf Key列表，這樣重啟後會預先從MySQL載入Key List中的號段。
- 單調遞增：簡易的方式，是隻要保證同一時間、同一個Leaf Key都從一個Leaf服務節點獲取ID，即可保證遞增。需要注意的問題是Leaf服務節點切換時，舊Leaf 服務用過的號段需要廢棄。路由邏輯，可採用主備的模型或者每個Leaf Key 配置路由表的方式來實現。
關於開源
分散式ID生成的方案有很多種，Leaf開源版本提供了兩種ID的生成方式：
- 號段模式：低位趨勢增長，較少的ID號段浪費，能夠容忍MySQL的短時間不可用。
- Snowflake模式：完全分散式，ID有語義。
讀者可以按需選擇適合自身業務場景的ID下發方式。希望美團的方案能給予大家一些幫助，同時也希望各位能夠一起交流、共建。
Leaf專案Github地址：github.com/Meituan-Dia… 。
如有任何疑問和問題，歡迎提交至Github issues。
