游戏服务器生成全局唯一ID的几种方法

在服务器系统开发时，为了适应数据大并发的请求，我们往往需要对数据进行异步存储，特别是在做分布式系统时，这个时候就不能等待插入数据库返回了取自动id了，而是需要在插入数据库之前生成一个全局的唯一id，使用全局的唯一id，在游戏服务器中，全局唯一的id可以用于将来合服方便，不会出现键冲突。也可以将来在业务增长的情况下，实现分库分表，比如某一个用户的物品要放在同一个分片内，而这个分片段可能是根据用户id的范围值来确定的，比如用户id大于1000小于100000的用户在一个分片内。目前常用的有以下几种：

1，Java 自带的UUID. UUID.randomUUID().toString()，可以通过服务程序本地产生，ID的生成不依赖数据库的实现。
  优势：
     本地生成ID，不需要进行远程调用。
   全局唯一不重复,水平扩展能力非常好。
劣势：
     ID有128 bits,占用的空间较大，需要存成字符串类型，索引效率极低。
生成的ID中没有带Timestamp，无法保证趋势递增，数据库分库分表时不好依赖。

2，基于Redis的incr方法 Redis本身是单线程操作的，而incr更保证了一种原子递增的操作。而且支持设置递增步长。
  优势：
部署方便，使用简单，只需要调用一个redis的api即可。
可以多个服务器共享一个redis服务，减少共享数据的开发时间。
Redis可以群集部署，解决单点故障的问题。
劣势：
如果系统太庞大的话，n多个服务同时向redis请求，会造成性能瓶颈。

3，来自Flicker的解决方案这个解决方法是基于数据库自增id的，
它使用一个单独的数据库专门用于生成id。
详细的大家可以网上找找，个人觉得使用挺麻烦的，不建议使用。
4，Twitter Snowflake snowflake是twitter开源的分布式ID生成算法，其核心思想是：

产生一个long型的ID，使用其中41bit作为毫秒数，10bit作为机器编号，12bit作为毫秒内序列号。这个算法单机每秒内理论上最多可以生成1000*(2^12)个，也就是大约400W的ID，完全能满足业务的需求根据snowflake 算法的思想，我们可以根据自己的业务场景，产生自己的全局唯一ID。因为Java中long类型的长度是64bits，所以我们设计的ID需要控制在64bits。
优点：
高性能，低延迟；独立的应用；按时间有序。

import java.security.SecureRandom;/*** 自定义 ID 生成器  * ID 生成规则: ID长达 64 bits  *  * | 41 bits: Timestamp (毫秒) | 3 bits: 区域（机房） | 10 bits: 机器编号 | 10 bits: 序列号 |*/
public class GameUUID {// 基准时间private long twepoch = 1288834974657L; //Thu, 04 Nov 2010 01:42:54 GMT   // 区域标志位数private final static long regionIdBits = 3L;   // 机器标识位数private final static long workerIdBits = 10L;   // 序列号识位数private final static long sequenceBits = 10L;     // 区域标志ID最大值private final static long maxRegionId = -1L ^ (-1L << regionIdBits);   // 机器ID最大值private final static long maxWorkerId = -1L ^ (-1L << workerIdBits);   // 序列号ID最大值private final static long sequenceMask = -1L ^ (-1L << sequenceBits);     // 机器ID偏左移10位private final static long workerIdShift = sequenceBits;   // 业务ID偏左移20位private final static long regionIdShift = sequenceBits + workerIdBits;   // 时间毫秒左移23位private final static long timestampLeftShift = sequenceBits + workerIdBits + regionIdBits;private static long lastTimestamp = -1L;private long sequence = 0L;private final long workerId;private final long regionId;public GameUUID(long workerId, long regionId) {       // 如果超出范围就抛出异常if (workerId > maxWorkerId || workerId < 0) {throw new IllegalArgumentException("worker Id can't be greater than %d or less than 0");}if (regionId > maxRegionId || regionId < 0) {throw new IllegalArgumentException("datacenter Id can't be greater than %d or less than 0");}this.workerId = workerId;this.regionId = regionId;}public GameUUID(long workerId) {     // 如果超出范围就抛出异常if (workerId > maxWorkerId || workerId < 0) {throw new IllegalArgumentException("worker Id can't be greater than %d or less than 0");}this.workerId = workerId;this.regionId = 0;}public long generate() {return this.nextId(false, 0);}/*** 实际产生代码的** @param isPadding* @param busId* @return*/private synchronized long nextId(boolean isPadding, long busId) {long timestamp = timeGen();long paddingnum = regionId;if (isPadding) {paddingnum = busId;}if (timestamp < lastTimestamp) {try {throw new Exception("Clock moved backwards. Refusing to generate id for " + (lastTimestamp - timestamp) + " milliseconds");} catch (Exception e) {e.printStackTrace();}}//如果上次生成时间和当前时间相同,在同一毫秒内if (lastTimestamp == timestamp) {//sequence自增，因为sequence只有10bit，所以和sequenceMask相与一下，去掉高位sequence = (sequence + 1) & sequenceMask;//判断是否溢出,也就是每毫秒内超过1024，当为1024时，与sequenceMask相与，sequence就等于0if (sequence == 0) {//自旋等待到下一毫秒timestamp = tailNextMillis(lastTimestamp);}} else {// 如果和上次生成时间不同,重置sequence，就是下一毫秒开始，sequence计数重新从0开始累加,// 为了保证尾数随机性更大一些,最后一位设置一个随机数sequence = new SecureRandom().nextInt(10);}lastTimestamp = timestamp;return ((timestamp - twepoch) << timestampLeftShift) | (paddingnum << regionIdShift) | (workerId << workerIdShift) | sequence;}// 防止产生的时间比之前的时间还要小（由于NTP回拨等问题）,保持增量的趋势.private long tailNextMillis(final long lastTimestamp) {long timestamp = this.timeGen();while (timestamp <= lastTimestamp) {timestamp = this.timeGen();}return timestamp;}// 获取当前的时间戳protected long timeGen() {return System.currentTimeMillis();}
}

为了保持增长的趋势，要避免有些服务器的时间早，有些服务器的时间晚，需要控制好所有服务器的时间，而且要避免NTP时间服务器回拨服务器的时间;在跨毫秒时，序列号总是归0，会使得序列号为0的ID比较多，导致生成的ID取模后不均匀，所以序列号不是每次都归0，而是归一个0到9的随机数。(本代码参考:http://www.jianshu.com/p/61817cf48cc3);

游戏服务器生成全局唯一ID的几种方法相关推荐

全局唯一递增的id_生成全局唯一id的几种方式
生成全局唯一id的几种方式: 1.uuid生成全球唯一id,生成方式简单粗暴,本地生成,没有网络开销,效率高:缺点长度较长,没有递增趋势性,不易维护,常用于生成token令牌. 2.mysql自带自增 ...
高并发分布式系统中生成全局唯一Id汇总
全局唯一ID <高并发分布式系统中生成全局唯一Id汇总> Twitter 方案(Snowflake 算法):41位时间戳+10位机器标识(比如IP,服务器名称等)+12位序列号(本地计数器 ...
如何在高并发分布式系统中生成全局唯一Id
又一个多月没冒泡了,其实最近学了些东西,但是没有安排时间整理成博文,后续再奉上.最近还写了一个发邮件的组件以及性能测试请看 <NET开发邮件发送功能的全面教程(含邮件组件源码)> ,还弄了 ...
如何在分布式场景下生成全局唯一 ID ？
作者 l 会点代码的大叔(CodeDaShu) 在分布式系统中,有一些场景需要使用全局唯一 ID ,可以和业务场景有关,比如支付流水号,也可以和业务场景无关,比如分库分表后需要有一个全局唯一 ID,或 ...
Redis生成全局唯一ID
简介: 全局唯一ID生成器是一种在分布式系统下用来生成全局唯一ID的工具特性: 唯一性高性能安全性高可用递增性生成规则: 有时为了增加ID的安全性,我们可以不直接使用Redis自增的数值, ...
生成唯一id的几种方法
生成唯一id的几种方法生成唯一id的方式有很多,UUID,自动增长列,雪花算法,redis等等. 生成id的要求: 全局唯一趋势递增效率高(生成.使用.索引) 控制并发 1.雪花算法(twitt ...
snowflake mysql_SnowFlake 生成全局唯一id
public classSnowFlakeUtil {private longworkerId;private longdatacenterId;private long sequence = 0L; ...
雪花算法及运用PHP,雪花算法生成全局唯一ID,参考了下网上雪花算法生成规则，机器ID和序列号自动获取理论上毫秒可生成 1024*4096个唯一ID
任务要求毫秒生成10000个唯一ID 研究了下twitter/snowflake的算法思想: 参考了下网上雪花算法生成规则,把数据中心和机器编号整合一起,变成10位机器ID, 机器ID和序列号自动获取 ...
php给留言分配id_如何使用php生成唯一ID的4种方法
php生成唯一ID的应用场景非常普遍,如临时缓存文件名称,临时变量,临时安全码等,uniqid()函数基于以微秒计的当前时间,生成一个唯一的 ID.由于生成唯一ID与微秒时间关联,因此ID的唯一性非常 ...

游戏服务器生成全局唯一ID的几种方法

游戏服务器生成全局唯一ID的几种方法相关推荐

最新文章

热门文章