《sharding-jdbc 分庫分表的 4種分片策略》 中我們介紹了 sharding-jdbc 4種分片策略的使用場景，可以滿足基礎的分片功能開發，這篇我們來看看分庫分表後，應該如何為分片表生成全域性唯一的主鍵 ID。
引入任何一種技術都是存在風險的，分庫分表當然也不例外，除非庫、表資料量持續增加，大到一定程度，以至於現有高可用架構已無法支撐，否則不建議大家做分庫分表，因為做了資料分片後，你會發現自己踏上了一段踩坑之路，而分散式主鍵 ID 就是遇到的第一個坑。
不同資料節點間生成全域性唯一主鍵是個棘手的問題，一張邏輯表 t_order 拆分成多個真實表 t_order_n，然後被分散到不同分片庫 db_0、db_1... ，各真實表的自增鍵由於無法互相感知從而會產生重複主鍵，此時資料庫本身的自增主鍵，就無法滿足分庫分表對主鍵全域性唯一的要求。
db_0--
|-- t_order_0
|-- t_order_1
|-- t_order_2
db_1--
|-- t_order_0
|-- t_order_1
|-- t_order_2
儘管我們可以通過嚴格約束，各個分片表自增主鍵的 初始值 和 步長 的方式來解決 ID 重複的問題，但這樣會讓運維成本陡增，而且可擴充套件性極差，一旦要擴容分片表數量，原表資料變動比較大，所以這種方式不太可取。
步長 step = 分表張數
db_0--
|-- t_order_0 ID: 0、6、12、18...
|-- t_order_1 ID: 1、7、13、19...
|-- t_order_2 ID: 2、8、14、20...
db_1--
|-- t_order_0 ID: 3、9、15、21...
|-- t_order_1 ID: 4、10、16、22...
|-- t_order_2 ID: 5、11、17、23...
目前已經有了許多第三放解決方案可以完美解決這個問題，比如基於 UUID、SNOWFLAKE演算法 、segment號段，使用特定演算法生成不重複鍵，或者直接引用主鍵生成服務，像美團（Leaf）和 滴滴（TinyId）等。
而sharding-jdbc 內建了兩種分散式主鍵生成方案，UUID、SNOWFLAKE，不僅如此它還抽離出分散式主鍵生成器的介面，以便於開發者實現自定義的主鍵生成器，後續我們會在自定義的生成器中接入 滴滴（TinyId）的主鍵生成服務。
前邊介紹過在 sharding-jdbc 中要想為某個欄位自動生成主鍵 ID，只需要在 application.properties 檔案中做如下配置:
# 主鍵欄位
spring.shardingsphere.sharding.tables.t_order.key-generator.column=order_id
# 主鍵ID 生成方案
spring.shardingsphere.sharding.tables.t_order.key-generator.type=UUID
# 工作機器 id
spring.shardingsphere.sharding.tables.t_order.key-generator.props.worker.id=123
key-generator.column 表示主鍵欄位，key-generator.type 為主鍵 ID 生成方案（內建或自定義的），key-generator.props.worker.id 為機器ID，在主鍵生成方案設為 SNOWFLAKE 時機器ID 會參與位運算。
在使用 sharding-jdbc 分散式主鍵時需要注意兩點：
- 一旦
insert插入操作的實體物件中主鍵欄位已經賦值，那麼即使配置了主鍵生成方案也會失效，最後SQL 執行的資料會以賦的值為準。 - 不要給主鍵欄位設定自增屬性，否則主鍵ID 會以預設的
SNOWFLAKE方式生成。比如：用mybatis plus的@TableId註解給欄位order_id設定了自增主鍵，那麼此時配置哪種方案，總是按雪花演算法生成。
下面我們從原始碼上分析下 sharding-jdbc 內建主鍵生成方案 UUID、SNOWFLAKE 是怎麼實現的。
UUID
開啟 UUID 型別的主鍵生成實現類 UUIDShardingKeyGenerator 的原始碼發現，它的生成規則只有 UUID.randomUUID() 這麼一行程式碼，額~ 心中默默來了一句臥槽。
UUID 雖然可以做到全域性唯一性，但還是不推薦使用它作為主鍵，因為我們的實際業務中不管是 user_id 還是 order_id 主鍵多為整型，而 UUID 生成的是個 32 位的字串。
它的儲存以及查詢對 MySQL 的效能消耗較大，而且 MySQL 官方也明確建議，主鍵要儘量越短越好，作為資料庫主鍵 UUID 的無序性還會導致資料位置頻繁變動，嚴重影響效能。
public final class UUIDShardingKeyGenerator implements ShardingKeyGenerator {
private Properties properties = new Properties();
public UUIDShardingKeyGenerator() {
}
public String getType() {
return "UUID";
}
public synchronized Comparable<?> generateKey() {
return UUID.randomUUID().toString().replaceAll("-", "");
}
public Properties getProperties() {
return this.properties;
}
public void setProperties(Properties properties) {
this.properties = properties;
}
}
SNOWFLAKE
SNOWFLAKE（雪花演算法）是預設使用的主鍵生成方案，生成一個 64bit的長整型（Long）資料。
sharding-jdbc 中雪花演算法生成的主鍵主要由 4部分組成，1bit符號位、41bit時間戳位、10bit工作程式位以及 12bit 序列號位。
符號位（1bit位）
Java 中 Long 型的最高位是符號位，正數是0，負數是1，一般生成ID都為正數，所以預設為0
時間戳位（41bit）
41位的時間戳可以容納的毫秒數是 2 的 41次冪，而一年的總毫秒數為 1000L * 60 * 60 * 24 * 365，計算使用時間大概是69年，額~，我有生之間算是夠用了。
Math.pow(2, 41) / (365 * 24 * 60 * 60 * 1000L) = = 69年
工作程式位（10bit）
表示一個唯一的工作程式id，預設值為 0，可通過 key-generator.props.worker.id 屬性設定。
spring.shardingsphere.sharding.tables.t_order.key-generator.props.worker.id=0000
序列號位（12bit）
同一毫秒內生成不同的ID。
時鐘回撥
瞭解了雪花演算法的主鍵 ID 組成後不難發現，這是一種嚴重依賴於伺服器時間的演算法，而依賴伺服器時間的就會遇到一個棘手的問題：時鐘回撥。
為什麼會出現時鐘回撥呢？
網際網路中有一種網路時間協議 ntp 全稱 (Network Time Protocol) ，專門用來同步、校準網路中各個計算機的時間。
這就是為什麼，我們的手機現在不用手動校對時間，可每個人的手機時間還都是一樣的。
我們的硬體時鐘可能會因為各種原因變得不準（ 快了 或 慢了 ），此時就需要 ntp 服務來做時間校準，做校準的時候就會發生伺服器時鐘的 跳躍 或者 回撥 的問題。
雪花演算法如何解決時鐘回撥
伺服器時鐘回撥會導致產生重複的 ID，SNOWFLAKE 方案中對原有雪花演算法做了改進，增加了一個最大容忍的時鐘回撥毫秒數。
如果時鐘回撥的時間超過最大容忍的毫秒數閾值，則程式直接報錯；如果在可容忍的範圍內，預設分散式主鍵生成器，會等待時鐘同步到最後一次主鍵生成的時間後再繼續工作。
最大容忍的時鐘回撥毫秒數，預設值為 0，可通過屬性 max.tolerate.time.difference.milliseconds 設定。
# 最大容忍的時鐘回撥毫秒數
spring.shardingsphere.sharding.tables.t_order.key-generator.max.tolerate.time.difference.milliseconds=5
下面是看下它的原始碼實現類 SnowflakeShardingKeyGenerator，核心流程大概如下：
最後一次生成主鍵的時間 lastMilliseconds 與 當前時間currentMilliseconds 做比較，如果 lastMilliseconds > currentMilliseconds則意味著時鐘回撥了。
那麼接著判斷兩個時間的差值（timeDifferenceMilliseconds）是否在設定的最大容忍時間閾值 max.tolerate.time.difference.milliseconds內，在閾值內則執行緒休眠差值時間 Thread.sleep(timeDifferenceMilliseconds)，否則大於差值直接報異常。
/**
* @author xiaofu
*/
public final class SnowflakeShardingKeyGenerator implements ShardingKeyGenerator{
@Getter
@Setter
private Properties properties = new Properties();
public String getType() {
return "SNOWFLAKE";
}
public synchronized Comparable<?> generateKey() {
/**
* 當前系統時間毫秒數
*/
long currentMilliseconds = timeService.getCurrentMillis();
/**
* 判斷是否需要等待容忍時間差，如果需要，則等待時間差過去，然後再獲取當前系統時間
*/
if (waitTolerateTimeDifferenceIfNeed(currentMilliseconds)) {
currentMilliseconds = timeService.getCurrentMillis();
}
/**
* 如果最後一次毫秒與 當前系統時間毫秒相同，即還在同一毫秒內
*/
if (lastMilliseconds == currentMilliseconds) {
/**
* &位與運算子：兩個數都轉為二進位制，如果相對應位都是1，則結果為1，否則為0
* 當序列為4095時，4095+1後的新序列與掩碼進行位與運算結果是0
* 當序列為其他值時，位與運算結果都不會是0
* 即本毫秒的序列已經用到最大值4096，此時要取下一個毫秒時間值
*/
if (0L == (sequence = (sequence + 1) & SEQUENCE_MASK)) {
currentMilliseconds = waitUntilNextTime(currentMilliseconds);
}
} else {
/**
* 上一毫秒已經過去，把序列值重置為1
*/
vibrateSequenceOffset();
sequence = sequenceOffset;
}
lastMilliseconds = currentMilliseconds;
/**
* XX......XX XX000000 00000000 00000000 時間差 XX
* XXXXXX XXXX0000 00000000 機器ID XX
* XXXX XXXXXXXX 序列號 XX
* 三部分進行|位或運算：如果相對應位都是0，則結果為0，否則為1
*/
return ((currentMilliseconds - EPOCH) << TIMESTAMP_LEFT_SHIFT_BITS) | (getWorkerId() << WORKER_ID_LEFT_SHIFT_BITS) | sequence;
}
/**
* 判斷是否需要等待容忍時間差
*/
@SneakyThrows
private boolean waitTolerateTimeDifferenceIfNeed(final long currentMilliseconds) {
/**
* 如果獲取ID時的最後一次時間毫秒數小於等於當前系統時間毫秒數，屬於正常情況，則不需要等待
*/
if (lastMilliseconds <= currentMilliseconds) {
return false;
}
/**
* ===>時鐘回撥的情況（生成序列的時間大於當前系統的時間），需要等待時間差
*/
/**
* 獲取ID時的最後一次毫秒數減去當前系統時間毫秒數的時間差
*/
long timeDifferenceMilliseconds = lastMilliseconds - currentMilliseconds;
/**
* 時間差小於最大容忍時間差，即當前還在時鐘回撥的時間差之內
*/
Preconditions.checkState(timeDifferenceMilliseconds < getMaxTolerateTimeDifferenceMilliseconds(),
"Clock is moving backwards, last time is %d milliseconds, current time is %d milliseconds", lastMilliseconds, currentMilliseconds);
/**
* 執行緒休眠時間差
*/
Thread.sleep(timeDifferenceMilliseconds);
return true;
}
// 配置的機器ID
private long getWorkerId() {
long result = Long.valueOf(properties.getProperty("worker.id", String.valueOf(WORKER_ID)));
Preconditions.checkArgument(result >= 0L && result < WORKER_ID_MAX_VALUE);
return result;
}
private int getMaxTolerateTimeDifferenceMilliseconds() {
return Integer.valueOf(properties.getProperty("max.tolerate.time.difference.milliseconds", String.valueOf(MAX_TOLERATE_TIME_DIFFERENCE_MILLISECONDS)));
}
private long waitUntilNextTime(final long lastTime) {
long result = timeService.getCurrentMillis();
while (result <= lastTime) {
result = timeService.getCurrentMillis();
}
return result;
}
}
但從 SNOWFLAKE 方案生成的主鍵ID 來看，order_id 它是一個18位的長整型數字，是不是發現它太長了，想要 MySQL 那種從 0 遞增的自增主鍵該怎麼實現呢？別急，後邊已經會給出瞭解決辦法！
自定義
sharding-jdbc 利用 SPI 全稱（ Service Provider Interface） 機制擴充主鍵生成規則，這是一種服務發現機制，通過掃描專案路徑 META-INF/services 下的檔案，並自動載入檔案裡所定義的類。
實現自定義主鍵生成器其實比較簡單，只有兩步。
第一步，實現 ShardingKeyGenerator 介面，並重寫其內部方法，其中 getType() 方法為自定義的主鍵生產方案型別、generateKey() 方法則是具體生成主鍵的規則。
下面程式碼中用 AtomicInteger 來模擬實現一個有序自增的 ID 生成。
/**
* @Author: xiaofu
* @Description: 自定義主鍵生成器
*/
@Component
public class MyShardingKeyGenerator implements ShardingKeyGenerator {
private final AtomicInteger count = new AtomicInteger();
/**
* 自定義的生成方案型別
*/
@Override
public String getType() {
return "XXX";
}
/**
* 核心方法-生成主鍵ID
*/
@Override
public Comparable<?> generateKey() {
return count.incrementAndGet();
}
@Override
public Properties getProperties() {
return null;
}
@Override
public void setProperties(Properties properties) {
}
}
第二步，由於是利用 SPI 機制實現功能擴充，我們要在 META-INF/services 檔案中配置自定義的主鍵生成器類路勁。
com.xiaofu.sharding.key.MyShardingKeyGenerator
上面這些弄完我們測試一下，配置定義好的主鍵生成型別 XXX，並插入幾條資料看看效果。
spring.shardingsphere.sharding.tables.t_order.key-generator.column=order_id
spring.shardingsphere.sharding.tables.t_order.key-generator.type=XXX
通過控制檯的SQL 解析日誌發現，order_id 欄位已按照有序自增的方式插入記錄，說明配置的沒問題。
舉一反九
既然可以自定義生成方案，那麼實現分散式主鍵的思路就很多了，又想到之前我寫的這篇 《9種 分散式ID生成方案》，發現可以完美相容，這裡挑選其中的 滴滴（Tinyid）來實踐一下，由於它是個單獨的分散式ID生成服務，所以要先搭建環境了。
Tinyid 的服務提供Http 和 Tinyid-client 兩種接入方式，下邊使用 Tinyid-client 方式快速使用，更多的細節到這篇文章裡看吧，實在是介紹過太多次了。
Tinyid 服務搭建
先拉原始碼 https://github.com/didi/tinyid.git。
由於是基於號段模式實現的分散式ID，所以依賴於資料庫，要建立相應的表 tiny_id_info 、tiny_id_token 並插入預設資料。
CREATE TABLE `tiny_id_info` (
`id` BIGINT (20) UNSIGNED NOT NULL AUTO_INCREMENT COMMENT '自增主鍵',
`biz_type` VARCHAR (63) NOT NULL DEFAULT '' COMMENT '業務型別，唯一',
`begin_id` BIGINT (20) NOT NULL DEFAULT '0' COMMENT '開始id，僅記錄初始值，無其他含義。初始化時begin_id和max_id應相同',
`max_id` BIGINT (20) NOT NULL DEFAULT '0' COMMENT '當前最大id',
`step` INT (11) DEFAULT '0' COMMENT '步長',
`delta` INT (11) NOT NULL DEFAULT '1' COMMENT '每次id增量',
`remainder` INT (11) NOT NULL DEFAULT '0' COMMENT '餘數',
`create_time` TIMESTAMP NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '建立時間',
`update_time` TIMESTAMP NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '更新時間',
`version` BIGINT (20) NOT NULL DEFAULT '0' COMMENT '版本號',
PRIMARY KEY (`id`),
UNIQUE KEY `uniq_biz_type` (`biz_type`)
) ENGINE = INNODB AUTO_INCREMENT = 1 DEFAULT CHARSET = utf8 COMMENT 'id資訊表';
CREATE TABLE `tiny_id_token` (
`id` INT (11) UNSIGNED NOT NULL AUTO_INCREMENT COMMENT '自增id',
`token` VARCHAR (255) NOT NULL DEFAULT '' COMMENT 'token',
`biz_type` VARCHAR (63) NOT NULL DEFAULT '' COMMENT '此token可訪問的業務型別標識',
`remark` VARCHAR (255) NOT NULL DEFAULT '' COMMENT '備註',
`create_time` TIMESTAMP NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '建立時間',
`update_time` TIMESTAMP NOT NULL DEFAULT '2010-01-01 00:00:00' COMMENT '更新時間',
PRIMARY KEY (`id`)
) ENGINE = INNODB AUTO_INCREMENT = 1 DEFAULT CHARSET = utf8 COMMENT 'token資訊表';
INSERT INTO `tiny_id_token` (`id`, `token`, `biz_type`, `remark`, `create_time`, `update_time`) VALUES ('1', '0f673adf80504e2eaa552f5d791b644c', 'order', '1', '2017-12-14 16:36:46', '2017-12-14 16:36:48');
INSERT INTO `tiny_id_info` (`id`, `biz_type`, `begin_id`, `max_id`, `step`, `delta`, `remainder`, `create_time`, `update_time`, `version`) VALUES ('1', 'order', '1', '1', '100000', '1', '0', '2018-07-21 23:52:58', '2018-07-22 23:19:27', '1');
並在 Tinyid 服務中配置上邊表所在資料來源資訊
datasource.tinyid.primary.url=jdbc:mysql://47.93.6.e:3306/ds-0?autoReconnect=true&useUnicode=true&characterEncoding=UTF-8
datasource.tinyid.primary.username=root
datasource.tinyid.primary.password=root
最後專案 maven install ，右鍵 TinyIdServerApplication 啟動服務， Tinyid 分散式ID生成服務就搭建完畢了。
自定義 Tinyid 主鍵型別
Tinyid 服務搭建完下邊在專案中引入它，新建個 tinyid_client.properties 檔案其中新增 tinyid.server 和 tinyid.token 屬性，token 為之前 SQL 預先插入的使用者資料。
# tinyid 分散式ID
# 服務地址
tinyid.server=127.0.0.1:9999
# 業務token
tinyid.token=0f673adf80504e2eaa552f5d791b644c
程式碼中獲取 ID更簡單，只需一行程式碼，業務型別 order 是之前 SQ L 預先插入的資料。
Long id = TinyId.nextId("order");
我們開始自定義 Tinyid 主鍵生成型別的實現類 TinyIdShardingKeyGenerator 。
/**
* @Author: xiaofu
* @Description: 自定義主鍵生成器
*/
@Component
public class TinyIdShardingKeyGenerator implements ShardingKeyGenerator {
/**
* 自定義的生成方案型別
*/
@Override
public String getType() {
return "tinyid";
}
/**
* 核心方法-生成主鍵ID
*/
@Override
public Comparable<?> generateKey() {
Long id = TinyId.nextId("order");
return id;
}
@Override
public Properties getProperties() {
return null;
}
@Override
public void setProperties(Properties properties) {
}
}
並在配置檔案中啟用 Tinyid 主鍵生成型別，到此配置完畢，趕緊測試一下。
# 主鍵欄位
spring.shardingsphere.sharding.tables.t_order.key-generator.column=order_id
# 主鍵ID 生成方案
spring.shardingsphere.sharding.tables.t_order.key-generator.type=tinyid
測試 Tinyid 主鍵
向資料庫插入訂單記錄測試發現，主鍵ID欄位 order_id 已經為趨勢遞增的了， Tinyid 服務成功接入，完美！
總結
後續的八種生成方式大家參考 《9種 分散式ID生成方案》 按需接入吧，整體比較簡單這裡就不依次實現了。
案例 GitHub 地址：https://github.com/chengxy-nds/Springboot-Notebook/tree/master/springboot-sharding-jdbc
如果對你有用，歡迎 在看、點贊、轉發 ，您的認可是我最大的動力。
整理了幾百本各類技術電子書，送給小夥伴們。關注公號回覆 666 自行領取。和一些小夥伴們建了一個技術交流群，一起探討技術、分享技術資料，旨在共同學習進步，如果感興趣就加入我們吧！
