可伸缩服务架构：框架和中间件

[houdq]

[houdq]

分布式的发号器

技术选型

UUID 生成：

基于时间戳&时钟序列生成 基于名字空间/名字的散列值 (MD5/SHA1) 生成 基于随机数生成

弊端

1. 可读性差
2. 无序，会导致 b+tree 随机写入，影响性能
3. 依赖时间，性能较差
4. 长度占用空间大

基于数据库生成

1. 数据库自增
2. 数据库sequence

sequence弊端

• 服务节点固定，sequence的步长也固定，将来如果增加了服务节点，则难以再进行水平扩展。
• 仍然依赖于数据库，对数据库会造成压力，因为ID的产生在一些场景下也是高频访问的服务。
• 由于多个sequence是疏散管理的，所以增加了人员维护的成本。

总结：强依赖数据库

snowflake 雪花算法

snowflake

1. Twitter 开源
2. Scala编写

[houdq]

自增ID

多台机器不同初始值、同步长自增 批量缓存自增ID

弊端

不适合多表 不适合分布式系统，可能会重复 数据迁移带来问题，主键规则需要重新搞

[houdq]

总结：全局 id 需要做到以下几点

唯一性：生成的ID全局唯一，在特定范围内冲突概率极小 有序性：生成的ID按某种规则有序，便于数据库插入及排序 可用性：可保证高并发下的可用性 自主性：分布式环境下不依赖中心认证即可自行生成ID 安全性：不暴露系统和业务的信息

[houdq]

雪花算法