美团(Leaf)分布式ID生成器,好用的一批!
不了解分布式ID的同学,先行去看《一口气说出 9种 分布式ID生成方式,面试官有点懵了》温习一下基础知识,这里就不再赘述了
美团(Leaf)
Leaf
是美团推出的一个分布式ID生成服务,名字取自德国哲学家、数学家莱布尼茨的一句话:“There are no two identical leaves in the world.”(“世界上没有两片相同的树叶”),取个名字都这么有寓意,美团程序员牛掰啊!
Leaf
的优势:高可靠
、低延迟
、全局唯一
等特点。
目前主流的分布式ID生成方式,大致都是基于数据库号段模式
和雪花算法(snowflake)
,而美团(Leaf)刚好同时兼具了这两种方式,可以根据不同业务场景灵活切换。
接下来结合实战,详细的介绍一下Leaf
的Leaf-segment号段模式
和Leaf-snowflake模式
一、 Leaf-segment号段模式
Leaf-segment
号段模式是对直接用数据库自增ID
充当分布式ID
的一种优化,减少对数据库的频率操作。相当于从数据库批量的获取自增ID,每次从数据库取出一个号段范围,例如 (1,1000] 代表1000个ID,业务服务将号段在本地生成1~1000的自增ID并加载到内存.。
大致的流程入下图所示:
号段耗尽之后再去数据库获取新的号段,可以大大的减轻数据库的压力。对max_id
字段做一次update
操作,update max_id= max_id + step
,update成功则说明新号段获取成功,新的号段范围是(max_id ,max_id +step
]。
由于依赖数据库,我们先设计一下表结构:
CREATE TABLE `leaf_alloc` (`biz_tag` varchar(128) NOT NULL DEFAULT '' COMMENT '业务key',`max_id` bigint(20) NOT NULL DEFAULT '1' COMMENT '当前已经分配了的最大id',`step` int(11) NOT NULL COMMENT '初始步长,也是动态调整的最小步长',`description` varchar(256) DEFAULT NULL COMMENT '业务key的描述',`update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '数据库维护的更新时间',PRIMARY KEY (`biz_tag`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
预先插入一条测试的业务数据
INSERT INTO `leaf_alloc` (`biz_tag`, `max_id`, `step`, `description`, `update_time`) VALUES ('leaf-segment-test', '0', '10', '测试', '2020-02-28 10:41:03');
biz_tag
:针对不同业务需求,用biz_tag字段来隔离,如果以后需要扩容时,只需对biz_tag分库分表即可max_id
:当前业务号段的最大值,用于计算下一个号段step
:步长,也就是每次获取ID的数量description
:对于业务的描述,没啥好说的
将Leaf项目下载到本地:https://github.com/Meituan-Dianping/Leaf
修改一下项目中的leaf.properties
文件,添加数据库配置
leaf.name=com.sankuai.leaf.opensource.test
leaf.segment.enable=true
leaf.jdbc.url=jdbc:mysql://127.0.0.1:3306/xin-master?useUnicode=true&characterEncoding=utf8
leaf.jdbc.username=junkang
leaf.jdbc.password=junkangleaf.snowflake.enable=false
注意:leaf.snowflake.enable
与 leaf.segment.enable
是无法同时开启的,否则项目将无法启动。
配置相当的简单,直接启动LeafServerApplication
后就OK了,接下来测试一下,leaf
是基于Http请求
的发号服务, LeafController
中只有两个方法,一个号段接口,一个snowflake接口,key
就是数据库中预先插入的业务biz_tag
。
@RestController
public class LeafController {private Logger logger = LoggerFactory.getLogger(LeafController.class);@Autowiredprivate SegmentService segmentService;@Autowiredprivate SnowflakeService snowflakeService;/*** 号段模式* @param key* @return*/@RequestMapping(value = "/api/segment/get/{key}")public String getSegmentId(@PathVariable("key") String key) {return get(key, segmentService.getId(key));}/*** 雪花算法模式* @param key* @return*/@RequestMapping(value = "/api/snowflake/get/{key}")public String getSnowflakeId(@PathVariable("key") String key) {return get(key, snowflakeService.getId(key));}private String get(@PathVariable("key") String key, Result id) {Result result;if (key == null || key.isEmpty()) {throw new NoKeyException();}result = id;if (result.getStatus().equals(Status.EXCEPTION)) {throw new LeafServerException(result.toString());}return String.valueOf(result.getId());}
}
访问:http://127.0.0.1:8080/api/segment/get/leaf-segment-test
,结果正常返回,感觉没毛病,但当查了一下数据库表中数据时发现了一个问题。
通常在用号段模式的时候,取号段的时机是在前一个号段消耗完的时候进行的,可刚刚才取了一个ID,数据库中却已经更新了max_id
,也就是说leaf
已经多获取了一个号段,这是什么鬼操作?
Leaf
为啥要这么设计呢?
Leaf
希望能在DB中取号段的过程中做到无阻塞!
当号段耗尽时再去DB中取下一个号段,如果此时网络发生抖动,或者DB发生慢查询,业务系统拿不到号段,就会导致整个系统的响应时间变慢,对流量巨大的业务,这是不可容忍的。
所以Leaf
在当前号段消费到某个点时,就异步的把下一个号段加载到内存中。而不需要等到号段用尽的时候才去更新号段。这样做很大程度上的降低了系统的风险。
那么某个点
到底是什么时候呢?
这里做了一个实验,号段设置长度为step=10
,max_id=1
当我拿第一个ID时,看到号段增加了,1/10
当我拿第三个Id时,看到号段又增加了,3/10
Leaf
采用双buffer
的方式,它的服务内部有两个号段缓存区segment
。当前号段已消耗10%时,还没能拿到下一个号段,则会另启一个更新线程去更新下一个号段。
简而言之就是Leaf
保证了总是会多缓存两个号段,即便哪一时刻数据库挂了,也会保证发号服务可以正常工作一段时间。
通常推荐号段(segment
)长度设置为服务高峰期发号QPS的600倍(10分钟),这样即使DB宕机,Leaf仍能持续发号10-20分钟不受影响。
优点:
Leaf服务可以很方便的线性扩展,性能完全能够支撑大多数业务场景。
容灾性高:Leaf服务内部有号段缓存,即使DB宕机,短时间内Leaf仍能正常对外提供服务。
缺点:
ID号码不够随机,能够泄露发号数量的信息,不太安全。
DB宕机会造成整个系统不可用(用到数据库的都有可能)。
二、Leaf-snowflake
Leaf-snowflake
基本上就是沿用了snowflake的设计,ID组成结构:正数位
(占1比特)+ 时间戳
(占41比特)+ 机器ID
(占5比特)+ 机房ID
(占5比特)+ 自增值
(占12比特),总共64比特组成的一个Long类型。
Leaf-snowflake
不同于原始snowflake算法地方,主要是在workId的生成上,Leaf-snowflake
依靠Zookeeper
生成workId
,也就是上边的机器ID
(占5比特)+ 机房ID
(占5比特)。Leaf
中workId是基于ZooKeeper的顺序Id
来生成的,每个应用在使用Leaf-snowflake时,启动时都会都在Zookeeper中生成一个顺序Id,相当于一台机器对应一个顺序节点,也就是一个workId。
Leaf-snowflake
启动服务的过程大致如下:
启动Leaf-snowflake服务,连接Zookeeper,在leaf_forever父节点下检查自己是否已经注册过(是否有该顺序子节点)。
如果有注册过直接取回自己的workerID(zk顺序节点生成的int类型ID号),启动服务。
如果没有注册过,就在该父节点下面创建一个持久顺序节点,创建成功后取回顺序号当做自己的workerID号,启动服务。
但Leaf-snowflake
对Zookeeper是一种弱依赖关系,除了每次会去ZK拿数据以外,也会在本机文件系统上缓存一个workerID
文件。一旦ZooKeeper出现问题,恰好机器出现故障需重启时,依然能够保证服务正常启动。
启动Leaf-snowflake
模式也比较简单,起动本地ZooKeeper,修改一下项目中的leaf.properties
文件,关闭leaf.segment模式
,启用leaf.snowflake
模式即可。
leaf.segment.enable=false
#leaf.jdbc.url=jdbc:mysql://127.0.0.1:3306/xin-master?useUnicode=true&characterEncoding=utf8
#leaf.jdbc.username=junkang
#leaf.jdbc.password=junkangleaf.snowflake.enable=true
leaf.snowflake.zk.address=127.0.0.1
leaf.snowflake.port=2181
/*** 雪花算法模式* @param key* @return*/@RequestMapping(value = "/api/snowflake/get/{key}")public String getSnowflakeId(@PathVariable("key") String key) {return get(key, snowflakeService.getId(key));}
测试一下,访问:http://127.0.0.1:8080/api/snowflake/get/leaf-segment-test
优点:
ID号码是趋势递增的8byte的64位数字,满足上述数据库存储的主键要求。
缺点:
依赖ZooKeeper,存在服务不可用风险(实在不知道有啥缺点了)
三、Leaf监控
请求地址:http://127.0.0.1:8080/cache
针对服务自身的监控,Leaf提供了Web层的内存数据映射界面,可以实时看到所有号段的下发状态。比如每个号段双buffer的使用情况,当前ID下发到了哪个位置等信息都可以在Web界面上查看。
总结
对于Leaf具体使用哪种模式,还是根据具体的业务场景使用,本文并没有对Leaf源码做过多的分析,因为Leaf 代码量简洁很好阅读。后续还会把其他几种分布式ID生成器,依次结合实战介绍给大家,欢迎大家关注。
特别推荐一个分享架构+算法的优质内容,还没关注的小伙伴,可以长按关注一下:
长按订阅更多精彩▼如有收获,点个在看,诚挚感谢
美团(Leaf)分布式ID生成器,好用的一批!相关推荐
- 美团 Leaf分布式ID解决方案
前言 看了一下美团的分布式ID的解决方案,谈谈自己的理解和思考.其中参考博客就是美团的分布式ID leaf的链接,可以直接跳转去看. Leaf-segment 数据库方案 这里采用的是从数据库读取,每 ...
- 【阅读】Leaf——美团点评分布式ID生成系统
文章目录 背景 常见实现方案 UUID 优势 缺点 应用 类SnowFlake方案 优点 缺点 应用 数据库生成 优点 缺点 MySQL 增强版 优点 缺点 Leaf -segment方案 优点 缺点 ...
- 分布式ID生成器的解决方案总结
转载自 分布式ID生成器的解决方案总结 在互联网的业务系统中,涉及到各种各样的ID,如在支付系统中就会有支付ID.退款ID等.那一般生成ID都有哪些解决方案呢?特别是在复杂的分布式系统业务场景中,我们 ...
- 5 大分布式 ID 生成器优缺点简单对比
点击上方"业余草",选择"置顶公众号" 第一时间获取技术干货和业界资讯! 首选,不管是不是分布式系统,都有 ID 唯一的使用场景.而在分布式场景下,对 ID 的 ...
- 五大分布式ID生成器优缺点及对比
首选,不管是不是分布式系统,都有 ID 唯一的使用场景.而在分布式场景下,对 ID 的唯一性要求更严格! 常见的,我们上淘宝买东西的订单 ID,就是一种分布式 ID.淘宝,前期的订单 id 好像是 1 ...
- 融云发送图片消息_IM消息ID技术专题(五):开源分布式ID生成器UidGenerator的技术实现...
1.引言 很多人一想到IM应用开发,第一印象就是"长连接"."socket"."保活"."协议"这些关键词,没错,这些确 ...
- IM消息ID技术专题(五):开源分布式ID生成器UidGenerator的技术实现
1.引言 很多人一想到IM应用开发,第一印象就是"长连接"."socket"."保活"."协议"这些关键词,没错,这些确 ...
- 开源分布式ID生成器UidGenerator的技术实现
1.引言 很多人一想到IM应用开发,第一印象就是"长连接"."socket"."保活"."协议"这些关键词,没错,这些确 ...
- 五大分布式ID生成器优缺点及对比(Java)
首选,不管是不是分布式系统,都有 ID 唯一的使用场景.而在分布式场景下,对 ID 的唯一性要求更严格! 常见的,我们上淘宝买东西的订单 ID,就是一种分布式 ID.淘宝,前期的订单 id 好像是 1 ...
最新文章
- 只需2040张图片,训练视觉Transformer:南大吴建鑫团队提出IDMM
- vue过渡和animate.css结合使用
- JMeter初探五-配置元件与参数化
- 若依前后端分离版源码分析-前端头像上传后传递到后台以及在服务器上存储和数据库存储设计
- 生物反应器:生物过程工程的动物细胞培养控制 Bioreactors : animal cell culture control for bioprocess engineering 英文原版
- pycharm 进行远程服务器修改与调试
- 微信7.0.4 iOS版发布:这项经典功能正式下线!
- 设置matlab默认工作路径
- 腾讯朋友、钉钉等被微信违规公示点名;谷歌更新安卓修复数百万台芯片漏洞;微软终止支持.NET Core 3.0 | 极客头条...
- 关于git的cherry-pick命令
- 【数据预测】基于matlab BP+ELM+LSTM+BiLSTM+SAELSTM数据预测【含Matlab源码 1825期】
- 麻省理工计算机相关网络课程,麻省理工MIT计算机课程表
- VS2013 IDE C#生成CodeMap
- 优化广域网带宽,让应用加速
- # 冰冻三尺非一日之寒。
- html chm 打不开,Win7系统中出现CHM打不开的具体解决方法
- Gary Rong:以太坊的轻节点协议
- 合肥工业大学计算机与信息学院胡敏,合肥工业大学计算机与信息学院导师介绍:胡敏...
- 亚古兽的进化之路——从Model_Builder,工具箱到python工具箱
- canvas实现粒子跟随鼠标动画
热门文章
- linux添加ssl信任根证书,linux系统添加根证书linux证书信任列表
- 牛客 Tree(最小深度总和)(两种方法求重心)难度⭐⭐⭐
- 【算法】并查集刷题总结
- python字节转字符串中文乱码_黄聪:解决python中文处理乱码,先要弄懂“字符”和“字节”的差别...
- 攻防世界 适合做桌面_FIFA足球世界球员特性解析:精神篇
- excel表格行列显示十字定位_Excel行列十字交叉高亮显示
- android mysql 搜索功能_android利用数据库实现搜索联想功能
- 从两个bug来看Javascript的装载
- shell 学习之正则、别名以及管道重定向
- Ubuntu 64位系统安装flash player