使用shardingJDBC中的雪花算法生成id

常用ID解决方案

数据库自增id

• 依靠数据库系统的功能实现，但是未来扩容麻烦
• 主从切换时的不⼀致可能会导致重复发号
• 性能瓶颈存在单台sql上

UUID

• 性能非常高，没有网络消耗
• 无序的字符串，不具备趋势自增特性
• UUID太长，不易于存储，浪费存储空间，很多场景不适用

Redis发号器

利用Redis的INCR和INCRBY来实现，原子操作，线程安全，性能比Mysql强劲

需要占用网络资源，增加系统复杂度

Snowflake雪花算法

雪花算法(Snowflake)是twitter公司内部分布式项目采用的ID生成算法

ID在内存生成，不依赖于数据库，高性能高可用

每秒可生成几百万ID，容量大

由于ID呈趋势递增，插入数据库后，使用索引的时候性能较高

代码实现简单、不占用宽带、数据迁移不受影响
生成的 id 中包含有时间戳，所以生成的 id按照时间递增
部署了多台服务器，需要保证系统时间⼀样，机器编号不⼀样

依赖系统时钟（多台服务器时间⼀定要⼀样）

 Snowflake生成的是Long类型的ID，一个Long类型占8个字节，每个字节占8比特，也就是说一个Long类型占64个比特

雪花算法的位数

• 雪花算法生成的数字，long类，所以是：8个byte，64bit
• 表示的值 -9223372036854775808（-2的63次方）~9223372036854775807（2的63次⽅-1）
• 生成的唯⼀值⽤于数据库主键，不能是负数，所以值为0~9223372036854775807（2的63次方-1）
• 第一个bit位代表符号位，正数是0，负数是1，ID为正数，所以固定为0
• 毫秒级时间戳部分占41bit，不是存储当前时间的时间截，服务上线的时间毫秒级的时间戳(为当前时间-服务第一次上线时间)
• 工作机器 id占10bit，可支持210 =1024个节点
• 序列号部分占12bit，可允许同一毫秒生成212 =4096个Id，则理论上一秒就可生成4096*1000 = 400万个ld
• 组合起来刚好是64位，Long类型
   

Snowflake必须注意的地方

分布式部署就需要分配不同的workId, 如果workId相同，可能会导致⽣成的id相同

分布式情况下，需要保证各个系统时间⼀致，如果服务器的时钟回拨，就会导致⽣成的 id 重复

Snowflake雪花算法实现

配置文件

#配置workId
spring.shardingsphere.sharding.tables.product_order.key-generator.props.worker.id=1

 方式一：订单id使用MybatisPlus的配置，ProductOrder类配置

@TableId(value = "id", type = IdType.ASSIGN_ID)
默认实现类为DefaultIdentifierGenerator雪花算法

方式二：使用Sharding-Jdbc配置文件，注释DO类里面的id分配策略

#id⽣成策略
spring.shardingsphere.sharding.tables.product_order.key-generator.column=id
spring.shardingsphere.sharding.tables.product_order.key-generator.type=SNOWFLAKE

 方式三 进阶：动态指定sharding jdbc 的雪花算法中的属性work.id属性

使用sharding-jdbc中的使用IP后几位来做workId，但在某些情况下会出现生成重复ID的情况
解决办法： 在启动时给每个服务分配不同的workId, 引⼊redis/zk都行，缺点就是多了依赖

配置文件完整

spring.application.name=xdclass-sharding-jdbc
server.port=8080


# 打印执行的数据库以及语句
spring.shardingsphere.props.sql.show=true

# 数据源 db0
spring.shardingsphere.datasource.names=ds0,ds1

# 第一个数据库
spring.shardingsphere.datasource.ds0.type=com.zaxxer.hikari.HikariDataSource
spring.shardingsphere.datasource.ds0.driver-class-name=com.mysql.cj.jdbc.Driver
spring.shardingsphere.datasource.ds0.jdbc-url=jdbc:mysql://10.24.201.232:3306/xdclass_shop_order_0?useUnicode=true&characterEncoding=utf-8&useSSL=false&serverTimezone=Asia/Shanghai&allowPublicKeyRetrieval=true
spring.shardingsphere.datasource.ds0.username=root
spring.shardingsphere.datasource.ds0.password=root


# 第二个数据库
spring.shardingsphere.datasource.ds1.type=com.zaxxer.hikari.HikariDataSource
spring.shardingsphere.datasource.ds1.driver-class-name=com.mysql.cj.jdbc.Driver
spring.shardingsphere.datasource.ds1.jdbc-url=jdbc:mysql://10.24.201.232:3306/xdclass_shop_order_1?useUnicode=true&characterEncoding=utf-8&useSSL=false&serverTimezone=Asia/Shanghai&allowPublicKeyRetrieval=true
spring.shardingsphere.datasource.ds1.username=root
spring.shardingsphere.datasource.ds1.password=root

#配置workId
spring.shardingsphere.sharding.tables.product_order.key-generator.props.worker.id=1



#id生成策略
spring.shardingsphere.sharding.tables.product_order.key-generator.column=id
spring.shardingsphere.sharding.tables.product_order.key-generator.type=SNOWFLAKE

# 指定product_order表的数据分布情况，配置数据节点,行表达式标识符使用 ${...} 或 $->{...}，
# 但前者与 Spring 本身的文件占位符冲突，所以在 Spring 环境中建议使用 $->{...}
spring.shardingsphere.sharding.tables.product_order.actual-data-nodes=ds0.product_order_$->{0..1}

# 指定product_order表的分片策略，分片策略包括【分片键和分片算法】
spring.shardingsphere.sharding.tables.product_order.table-strategy.inline.sharding-column=user_id
spring.shardingsphere.sharding.tables.product_order.table-strategy.inline.algorithm-expression=product_order_$->{user_id % 2}

雪花算法测试结果