美团分布式mysql_9种分布式ID生成之美团(Leaf)实战
整理了一些Java方面的架构、面试资料(微服务、集群、分布式、中间件等),有须要的小伙伴能够关注公众号【程序员内点事】,无套路自行领取javascript
更多优选java
引言
前几天写过一篇《一口气说出 9种 分布式ID生成方式,面试官有点懵了》,里边简单的介绍了九种分布式ID生成方式,可是对于像美团(Leaf)、滴滴(Tinyid)、百度(uid-generator)都是一笔带过。而经过读者留言发现,你们广泛对他们哥三更感兴趣,因此后边会结合实战,详细的对三种分布式ID生成器学习,今天先啃下美团(Leaf)。mysql
不了解分布式ID的同窗,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,这里就再也不赘述了git
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!程序员
Leaf的优点:高可靠、低延迟、全局惟一等特色。github
目前主流的分布式ID生成方式,大体都是基于数据库号段模式和雪花算法(snowflake),而美团(Leaf)恰好同时兼具了这两种方式,能够根据不一样业务场景灵活切换。面试
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模式算法
1、 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,减小对数据库的频率操做。至关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] 表明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.。sql
大体的流程入下图所示:
号段耗尽以后再去数据库获取新的号段,能够大大的减轻数据库的压力。对max_id字段作一次update操做,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]。数据库
因为依赖数据库,咱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:针对不一样业务需求,用biz_tag字段来隔离,若是之后须要扩容时,只需对biz_tag分库分表便可
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=junkang
leaf.snowflake.enable=false
注意:leaf.snowflake.enable 与 leaf.segment.enable 是没法同时开启的,不然项目将没法启动。
配置至关的简单,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);
@Autowired
private SegmentService segmentService;
@Autowired
private 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,感受没毛病,但当查了一下数据库表中数据时发现了一个问题。
一般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,这是什么鬼操做?
Leaf为啥要这么设计呢?
Leaf 但愿能在DB中取号段的过程当中作到无阻塞!
当号段耗尽时再去DB中取下一个号段,若是此时网络发生抖动,或者DB发生慢查询,业务系统拿不到号段,就会致使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。
因此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。而不须要等到号段用尽的时候才去更新号段。这样作很大程度上的下降了系统的风险。
那么某个点究竟是何时呢?
这里作了一个实验,号段设置长度为step=10,max_id=1,
当我拿第一个ID时,看到号段增长了,1/10
当我拿第三个Id时,看到号段又增长了,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保证了老是会多缓存两个号段,即使哪一时刻数据库挂了,也会保证发号服务能够正常工做一段时间。
一般推荐号段(segment)长度设置为服务高峰期发号QPS的600倍(10分钟),这样即便DB宕机,Leaf仍能持续发号10-20分钟不受影响。
优势:
Leaf服务能够很方便的线性扩展,性能彻底可以支撑大多数业务场景。
容灾性高:Leaf服务内部有号段缓存,即便DB宕机,短期内Leaf仍能正常对外提供服务。
缺点:
ID号码不够随机,可以泄露发号数量的信息,不太安全。
DB宕机会形成整个系统不可用(用到数据库的都有可能)。
2、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不一样于原始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,每一个应用在使用Leaf-snowflake时,启动时都会都在Zookeeper中生成一个顺序Id,至关于一台机器对应一个顺序节点,也就是一个workId。
Leaf-snowflake启动服务的过程大体以下:
启动Leaf-snowflake服务,链接Zookeeper,在leaf_forever父节点下检查本身是否已经注册过(是否有该顺序子节点)。
若是有注册过直接取回本身的workerID(zk顺序节点生成的int类型ID号),启动服务。
若是没有注册过,就在该父节点下面建立一个持久顺序节点,建立成功后取回顺序号当作本身的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拿数据之外,也会在本机文件系统上缓存一个workerID文件。一旦ZooKeeper出现问题,刚好机器出现故障需重启时,依然可以保证服务正常启动。
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模式便可。
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=junkang
leaf.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
优势:
ID号码是趋势递增的8byte的64位数字,知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)
3、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,能够实时看到全部号段的下发状态。好比每一个号段双buffer的使用状况,当前ID下发到了哪一个位置等信息均可以在Web界面上查看。
总结
对于Leaf具体使用哪一种模式,仍是根据具体的业务场景使用,本文并无对Leaf源码作过多的分析,由于Leaf 代码量简洁很好阅读。后续还会把其余几种分布式ID生成器,依次结合实战介绍给你们,欢迎你们关注。
今天就说这么多,若是本文对您有一点帮助,但愿能获得您一个点赞
美团分布式mysql_9种分布式ID生成之美团(Leaf)实战相关推荐
- 【融云分析】如何实现分布式场景下唯一 ID 生成?
◀背景▶ 对于一套分布式部署的 IM 系统,要求每条消息的 ID 要保证在集群中全局唯一且按生成时间有序排列.如何快速高效的生成消息数据的唯一 ID ,是影响系统吞吐量的关键因素.那么,融云是如何做到 ...
- js生成唯一id_【融云分析】如何实现分布式场景下唯一 ID 生成?
◀背景▶ 对于一套分布式部署的 IM 系统,要求每条消息的 ID 要保证在集群中全局唯一且按生成时间有序排列.如何快速高效的生成消息数据的唯一 ID ,是影响系统吞吐量的关键因素.那么,融云是如何做到 ...
- mybatis可以生成不重复的id吗_分布式全局不重复ID生成算法
在分布式系统中经常会使用到生成全局唯一不重复ID的情况.本篇博客介绍生成的一些方法. 常见的一些方式: 1.通过DB做全局自增操作 优点:简单.高效 缺点:大并发.分布式情况下性能比较低 有些同学可能 ...
- Leaf-美团分布式id生成系统
概述 分布式id生成已经有业界较为成熟的方案.现在公司使用的是美团的Leaf的号码段模式.之所以不用雪花算法模式还是因为雪花算法的自身缺陷,即时间回拨问题.本文就从源码角度剖析leaf项目的两种id生 ...
- 融云技术分享:解密融云IM产品的聊天消息ID生成策略
本文来自融云技术团队原创分享,原文发布于"融云全球互联网通信云"公众号,原题<如何实现分布式场景下唯一 ID 生成?>,即时通讯网收录时有部分改动. 1.引言 对于IM ...
- easyui treegrid获取父节点的id_超简单的分布式ID生成方案!美团开源框架介绍
目录 阐述背景 Leaf snowflake 模式介绍 Leaf segment 模式介绍 Leaf 改造支持 RPC 阐述背景 不吹嘘,不夸张,项目中用到 ID 生成的场景确实挺多.比如业务要做幂等 ...
- Leaf:美团分布式ID生成服务开源
Leaf是美团基础研发平台推出的一个分布式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 wor ...
- Leaf:美团分布式ID生成服务开源 1
Leaf是美团基础研发平台推出的一个分布式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 wor ...
- 7 种分布式全局 ID 生成策略,你更爱哪种?
上了微服务之后,很多原本很简单的问题现在都变复杂了,例如全局 ID 这事! 最近工作中刚好用到这块内容,于是调研了市面上几种常见的全局 ID 生成策略,稍微做了一下对比,供小伙伴们参考. 当数据库分库 ...
最新文章
- table control中用帮助(F4)实现自动填充另一字段
- 表格数据清空还能恢复吗_数据恢复大师:清空回收站文件如何恢复?
- qt获取图像的每个像素rgb_【可视化-1】认识图像,从图像可视化开始
- python生成二维坐标点_Python numpy:根据坐标创建二维数组
- 图机器学习 | 图信号处理、矩阵分解、随机游走和深度学习算法
- javaScript——原型
- cressman插值_NCL自带常用插值函数集锦
- 最常用的数据库脚本前十名
- 字符串参数传递与返回值(转)
- leetcode978. Longest Turbulent Subarray
- 李彦宏开年内部信:2018营收破千亿,做出好产品的百度已归来
- CSDN下载频道积分2.0
- Java主要学习哪些内容
- js打开新页面的几种方式
- Wechat协议初探
- 如何给扑克洗牌才能更公平?
- 汽车零部件行业追溯系统的应用
- 如何实现调用阿里云三方的api
- 图灵机不能解决的问题现有计算机也不能解决,科学网—电脑人心 之 计算机能思维吗?(二)图灵的机器(5)丘奇-图灵论题 - 罗军的博文...
- WGS84、GCJ-02、BD-09、图吧坐标简介及坐标转换实现(java版)