雪花算法（snowflake）作分库分表shard key，数据倾斜，分表不均问题

之前有一篇文章介绍分布式id生成粗略选型，提到雪花算法作为一个优秀的方案，满足了我们在分布式下的id生成需求。但如果直接把雪花算法生成的id作为分表键（shard key）在低并发下是会有问题的。下面来一起看下。

现象

我们分表数量是256张表（tb_0,tb_1,tb_2...tb_255），分表规则用雪花算法生成的id对256取余(snowflakeId % 256)。跑了一段时间后，发现，数据总数落到256中的前几张表（tb_0,tb_1等下标值小的表里），后面下标值大的表则几乎无数据，发生了分表倾斜。

分析

回到算法本身，如前文分布式id生成粗略选型介绍所述，雪花算法是由三部分组成，高位的时间戳，中间的机器编号，加低位的自增序列。我们重点关注低位的自增序列。

image.png

生成最终id核心实现代码

return ((currentMillis - EPOCH) << 22) | (workerId << 12) | sequence;

按照算法的实现（实现代码可以百度，一大把），12 bit自增序列号可以表示 2^12 = 4096 个 ID，所以理论上每毫秒（注意是每毫秒ms）的自增长序列(sequence)都从0开始，到4095为止。如果到了4095，则重新从0开始循环（毫秒值也进入下一毫秒）。说到这里是不是发现什么了？再划下重点————每毫秒都是从0开始。核心实现

    //如果是同一时间生成的，则进行毫秒内序列
    if (lastTimestamp == timestamp) {
         sequence = (sequence + 1) & sequenceMask;
        //毫秒内序列溢出
        if (sequence == 0) {
            //阻塞到下一个毫秒,获得新的时间戳
            timestamp = tilNextMillis(lastTimestamp);
        }
    }
    //时间戳改变，毫秒内序列重置
    else {
        sequence = 0L;
    }

那么我们来看下低并发下的结果表现（高低并发怎么界定？TPS低于1000的都算吧，而其实很多业务系统的单机TPS是达不到1000的）。由于系统并发比较低，每次请求毫秒数几乎都不同，那么，sequence都是0，或者很小的数字。所以，就导致算法生成的id分表后基本集中在前几个下标小的分表里。

解决方案

美团点评的实现里(核心类https://github.com/Meituan-Dianping/Leaf/blob/master/leaf-core/src/main/java/com/sankuai/inf/leaf/snowflake/SnowflakeIDGenImpl.java)其实有对这个问题做过优化，关键优化代码

sequence = RANDOM.nextInt(100);

就是对每毫秒起始的sequence取随值，美团的随机范围是0到100。最终的效果就是生成的id会均匀分布在tb_0到tb_100。而我们如果分表数是256，则需要改成

sequence = RANDOM.nextInt(256);

总结

雪花算法是一个优秀的分布式id生成算法，而且为高并发设计。如果直接将雪花算法的id用作分库分表的shard key，需要注意业务系统在低并发下分表不均的问题，解决方案也在上面给出。控制算法低位的序列始终在一个范围（分表数）内，随机生成。