MongoDB深究之ObjectId

  继上一篇《MongoDB初窥》之后，想必大家对自动生成的主键objectId有所好奇，为什么会是一个24位的字符串。今天，就对objectId的生成原理做一次比较深入的挖掘。

一、 ObjectId的组成

首先通过终端命令行，向mongodb的collection中插入一条不带“_id”的记录。然后，通过查询刚插入的数据，发现自动生成了一个objectId，4e7020cb7cac81af7136236b。具体操作如图1所示。

图1 插入/查询数据

“4e7020cb7cac81af7136236b”这个24位的字符串，虽然看起来很长，也很难理解，但实际上它是由一组十六进制的字符构成，每个字节两位的十六进制数字，总共用了12字节的存储空间。相比MYSQL int类型的4个字节，MongoDB确实多出了很多字节。不过按照现在的存储设备，多出来的字节应该不会成为什么瓶颈。不过MongoDB的这种设计，体现着空间换时间的思想。官网中对ObjectId的规范，如图2所示。

图2 官网对ObjectId的规范

1) Time

时间戳。将刚才生成的objectid的前4位进行提取“4e7020cb”，然后按照十六进制转为十进制，变为“1315971275”，这个数字就是一个时间戳。通过时间戳的转换，就成了易看清的时间格式，如图3所示。

图3 时间戳的转换

2) Machine

机器。接下来的三个字节就是“7cac81”，这三个字节是所在主机的唯一标识符，一般是机器主机名的散列值，这样就确保了不同主机生成不同的机器hash值，确保在分布式中不造成冲突，这也就是在同一台机器生成的objectId中间的字符串都是一模一样的原因。

3) PID

进程ID。上面的Machine是为了确保在不同机器产生的objectId不冲突，而pid就是为了在同一台机器不同的mongodb进程产生了objectId不冲突，接下来的“af71”两位就是产生objectId的进程标识符。

4) INC

自增计数器。前面的九个字节是保证了一秒内不同机器不同进程生成objectId不冲突，这后面的三个字节“36236b”是一个自动增加的计数器，用来确保在同一秒内产生的objectId也不会发现冲突，允许256的3次方等于16777216条记录的唯一性。

总的来看，objectId的前4个字节时间戳，记录了文档创建的时间；接下来3个字节代表了所在主机的唯一标识符，确定了不同主机间产生不同的objectId；后2个字节的进程id，决定了在同一台机器下，不同mongodb进程产生不同的objectId；最后通过3个字节的自增计数器，确保同一秒内产生objectId的唯一性。ObjectId的这个主键生成策略，很好地解决了在分布式环境下高并发情况主键唯一性问题，值得学习借鉴。

二、 源码分析

MongoDB可以通过自身的服务来产生objectId，也可以通过客户端的驱动程序来生成objectId。虽然objectId是轻量级的，但如果全部在服务端生成肯定会花费一点开销。所以，能从服务器端转移到客户端驱动程序完成的，就尽量转移到客户端来完成，减少服务器端的开销。我们来看一下，客户端的驱动程序是如何来生成objectId的。

1、下载mongodb java driver源码。 (https://github.com/mongodb/mongo-java-driver/downloads)

2、分析ObjectId.java

驱动源码的org.bson包下找到ObjectId.java，进行分析。默认构建的objectId代码如下代码所示，objectId主要由_time，_machine和_inc组成

构建objectId 
public class ObjectId implements Comparable , java.io.Serializable {
final int _time;
    final int _machine;
    final int _inc;
boolean _new;


public ObjectId(){
        _time = (int) (System.currentTimeMillis() / 1000);
        _machine = _genmachine;
        _inc = _nextInc.getAndIncrement();
        _new = true;
}
……
}

1) _time

直接由System.currentTimeMillis()/1000计算得出的时间戳。

2) _machine

由机器码(machinePiece)和进程码(processPiece)组成，如代码所示。它这里组成方式是：首先，通过NetworkInterface这个类，获取机器的所有网络接口信息（如图4所示），并将得到的字符串取散列值，就得到了机器码；然后通过RuntimeMXBean.getName()方法获取pid，再拼装classloaderid，得到进程码；最后将机器码和进程码进行位或运算得到_machine。不过这里生成的_machine是十进制的，需转成十六进制。

图4 本地调试时的网络接口部分信息

机器码和进程码的生成
private static final int _genmachine;
static {
try {
final int machinePiece;
        {
StringBuilder sb = new StringBuilder();
            Enumeration e = NetworkInterface.getNetworkInterfaces();
            while ( e.hasMoreElements() ){
                NetworkInterface ni = e.nextElement();
                sb.append( ni.toString() );
            }
            machinePiece = sb.toString().hashCode() << 16;
            LOGGER.fine( "machine piece post: " + Integer.toHexString( machinePiece ) );
}
final int processPiece;
        {
            int processId = new java.util.Random().nextInt();
            try {
processId = java.lang.management.ManagementFactory.getRuntimeMXBean().getName().hashCode();
}catch ( Throwable t ){
}
ClassLoader loader = ObjectId.class.getClassLoader();
            int loaderId = loader != null ? System.identityHashCode(loader) : 0;
StringBuilder sb = new StringBuilder();
            sb.append(Integer.toHexString(processId));
            sb.append(Integer.toHexString(loaderId));
            processPiece = sb.toString().hashCode() & 0xFFFF;
            LOGGER.fine( "process piece: " + Integer.toHexString( processPiece ) );
        }
_genmachine = machinePiece | processPiece;
        LOGGER.fine( "machine : " + Integer.toHexString( _genmachine ) );
    }catch ( java.io.IOException ioe ){
        throw new RuntimeException( ioe );
    }
}

3) _inc

自增数是通过AtomicInteger的getAndIncrement()方法获取，它能保证每次得到的值是一个递增并不重复的值。

三、 更多参考

1、 http://www.mongodb.org/display/DOCS/Object+IDs

原文地址:http://www.cnblogs.com/xjk15082/archive/2011/09/18/2180792.html