分布式ID生成服务，真的有必要搞一个

目录

1. 阐述背景
2. Leaf snowflake 模式介绍
3. Leaf segment 模式介绍
4. Leaf 改造支持RPC

阐述背景

不吹嘘，不夸张，项目中用到ID生成的场景确实挺多。比如业务要做幂等的时候，如果没有合适的业务字段去做唯一标识，那就需要单独生成一个唯一的标识，这个场景相信大家不陌生。

很多时候为了涂方便可能就是写一个简单的ID生成工具类，直接开用。做的好点的可能单独出一个Jar包让其他项目依赖，做的不好的很有可能就是Copy了N份一样的代码。

单独搞一个独立的ID生成服务非常有必要，当然我们也没必要自己做造轮子，有现成开源的直接用就是了。如果人手够，不差钱，自研也可以。

今天为大家介绍一款美团开源的ID生成框架Leaf，在Leaf的基础上稍微扩展下，增加RPC服务的暴露和调用，提高ID获取的性能。

Leaf介绍

Leaf 最早期需求是各个业务线的订单ID生成需求。在美团早期，有的业务直接通过DB自增的方式生成ID，有的业务通过redis缓存来生成ID，也有的业务直接用UUID这种方式来生成ID。以上的方式各自有各自的问题，因此我们决定实现一套分布式ID生成服务来满足需求。

具体Leaf 设计文档见：https://tech.meituan.com/2017/04/21/mt-leaf.html

目前Leaf覆盖了美团点评公司内部金融、餐饮、外卖、酒店旅游、猫眼电影等众多业务线。在4C8G VM基础上，通过公司RPC方式调用，QPS压测结果近5w/s，TP999 1ms。

snowflake模式

snowflake是Twitter开源的分布式ID生成算法，被广泛应用于各种生成ID的场景。Leaf中也支持这种方式去生成ID。

使用步骤如下：

修改配置leaf.snowflake.enable=true开启snowflake模式。

修改配置leaf.snowflake.zk.address和leaf.snowflake.port为你自己的Zookeeper地址和端口。

想必大家很好奇，为什么这里依赖了Zookeeper呢？

那是因为snowflake的ID组成中有10bit的workerId，如下图：

一般如果服务数量不多的话手动设置也没问题，还有一些框架中会采用约定基于配置的方式，比如基于IP生成wokerID，基于hostname最后几位生成wokerID，手动在机器上配置，手动在程序启动时传入等等方式。

Leaf中为了简化wokerID的配置，所以采用了Zookeeper来生成wokerID。就是用了Zookeeper持久顺序节点的特性自动对snowflake节点配置wokerID。

如果你公司没有用Zookeeper，又不想因为Leaf去单独部署Zookeeper的话，你可以将源码中这块的逻辑改掉，比如自己提供一个生成顺序ID的服务来替代Zookeeper。

segment模式

segment是Leaf基于数据库实现的ID生成方案，如果调用量不大，完全可以用Mysql的自增ID来实现ID的递增。

Leaf虽然也是基于Mysql，但是做了很多的优化，下面简单的介绍下segment模式的原理。

首先我们需要在数据库中新增一张表用于存储ID相关的信息。

CREATE TABLE `leaf_alloc` (
  `biz_tag` varchar(128) NOT NULL DEFAULT '',
  `max_id` bigint(20) NOT NULL DEFAULT '1',
  `step` int(11) NOT NULL,
  `description` varchar(256) DEFAULT NULL,
  `update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
  PRIMARY KEY (`biz_tag`)
) ENGINE=InnoDB;

biz_tag用于区分业务类型，比如下单，支付等。如果以后有性能需求需要对数据库扩容，只需要对biz_tag分库分表就行。

max_id表示该biz_tag目前所被分配的ID号段的最大值。

step表示每次分配的号段长度。

下图是segment的架构图：

从上图我们可以看出，当多个服务同时对Leaf进行ID获取时，会传入对应的biz_tag，biz_tag之间是相互隔离的，互不影响。

比如Leaf有三个节点，当test_tag第一次请求到Leaf1的时候，此时Leaf1的ID范围就是1~1000。

当test_tag第二次请求到Leaf2的时候，此时Leaf2的ID范围就是1001~2000。

当test_tag第三次请求到Leaf3的时候，此时Leaf3的ID范围就是2001~3000。

比如Leaf1已经知道自己的test_tag的ID范围是1~1000，那么后续请求过来获取test_tag对应ID时候，就会从1开始依次递增，这个过程是在内存中进行的，性能高。不用每次获取ID都去访问一次数据库。

问题一

这个时候又有人说了，如果并发量很大的话，1000的号段长度一下就被用完了啊，此时就得去申请下一个范围，这期间进来的请求也会因为DB号段没有取回来，导致线程阻塞。

放心，Leaf中已经对这种情况做了优化，不会等到ID消耗完了才去重新申请，会在还没用完之前就去申请下一个范围段。并发量大的问题你可以直接将step调大即可。

问题二

这个时候又有人说了，如果Leaf服务挂掉某个节点会不会有影响呢？

首先Leaf服务是集群部署，一般都会注册到注册中心让其他服务发现。挂掉一个没关系，还有其他的N个服务。问题是对ID的获取有问题吗? 会不会出现重复的ID呢？

答案是没问题的，如果Leaf1挂了的话，它的范围是1_{1000，假如它当前正获取到了100这个阶段，然后服务挂了。服务重启后，就会去申请下一个范围段了，不会再使用1}1000。所以不会有重复ID出现。

Leaf改造支持RPC

如果你们的调用量很大，为了追求更高的性能，可以自己扩展一下，将Leaf改造成Rpc协议暴露出去。

首先将Leaf的Spring版本升级到5.1.8.RELEASE，修改父pom.xml即可。

<spring.version>5.1.8.RELEASE</spring.version>

然后将Spring Boot的版本升级到2.1.6.RELEASE，修改leaf-server的pom.xml。

<spring-boot-dependencies.version>2.1.6.RELEASE</spring-boot-dependencies.version>

还需要在leaf-server的pom中增加nacos相关的依赖，因为我们kitty-cloud是用的nacos。同时还需要依赖dubbo，才可以暴露rpc服务。

<dependency>
    <groupId>com.cxytiandi</groupId>
    <artifactId>kitty-spring-cloud-starter-nacos</artifactId>
    <version>1.0-SNAPSHOT</version>
</dependency>
<dependency>
    <groupId>com.cxytiandi</groupId>
    <artifactId>kitty-spring-cloud-starter-dubbo</artifactId>
    <version>1.0-SNAPSHOT</version>
</dependency>
<dependency>
    <groupId>org.apache.logging.log4j</groupId>
    <artifactId>log4j-core</artifactId>
</dependency>

在resource下创建bootstrap.properties文件，增加nacos相关的配置信息。

spring.application.name=LeafSnowflake
dubbo.scan.base-packages=com.sankuai.inf.leaf.server.controller
dubbo.protocol.name=dubbo
dubbo.protocol.port=20086
dubbo.registry.address=spring-cloud://localhost
spring.cloud.nacos.discovery.server-addr=47.105.66.210:8848
spring.cloud.nacos.config.server-addr=${spring.cloud.nacos.discovery.server-addr}

Leaf默认暴露的Rest服务是LeafController中，现在的需求是既要暴露Rest又要暴露RPC服务，所以我们抽出两个接口。一个是Segment模式，一个是Snowflake模式。

Segment模式调用客户端

/**
 * 分布式ID服务客户端-Segment模式
 *
 * @作者 尹吉欢
 * @个人微信 jihuan900
 * @微信公众号 猿天地
 * @GitHub https://github.com/yinjihuan
 * @作者介绍 http://cxytiandi.com/about
 * @时间 2020-04-06 16:20
 */
@FeignClient("${kitty.id.segment.name:LeafSegment}")
public interface DistributedIdLeafSegmentRemoteService {
    @RequestMapping(value = "/api/segment/get/{key}")
    String getSegmentId(@PathVariable("key") String key);
}

Snowflake模式调用客户端

/**
 * 分布式ID服务客户端-Snowflake模式
 *
 * @作者 尹吉欢
 * @个人微信 jihuan900
 * @微信公众号 猿天地
 * @GitHub https://github.com/yinjihuan
 * @作者介绍 http://cxytiandi.com/about
 * @时间 2020-04-06 16:20
 */
@FeignClient("${kitty.id.snowflake.name:LeafSnowflake}")
public interface DistributedIdLeafSnowflakeRemoteService {
    @RequestMapping(value = "/api/snowflake/get/{key}")
    String getSnowflakeId(@PathVariable("key") String key);
}

使用方可以根据使用场景来决定用RPC还是Http进行调用，如果用RPC就@Reference注入Client，如果要用Http就用@Autowired注入Client。

最后改造LeafController同时暴露两种协议即可。

@Service(version = "1.0.0", group = "default")
@RestController
public class LeafController implements DistributedIdLeafSnowflakeRemoteService, DistributedIdLeafSegmentRemoteService {
    private Logger logger = LoggerFactory.getLogger(LeafController.class);
    @Autowired
    private SegmentService segmentService;
    @Autowired
    private SnowflakeService snowflakeService;
    @Override
    public String getSegmentId(@PathVariable("key") String key) {
        return get(key, segmentService.getId(key));
    }
    @Override
    public String getSnowflakeId(@PathVariable("key") String key) {
        return get(key, snowflakeService.getId(key));
    }
    private String get(@PathVariable("key") String key, Result id) {
        Result result;
        if (key == null || key.isEmpty()) {
            throw new NoKeyException();
        }
        result = id;
        if (result.getStatus().equals(Status.EXCEPTION)) {
            throw new LeafServerException(result.toString());
        }
        return String.valueOf(result.getId());
    }
}

扩展后的源码参考：https://github.com/yinjihuan/Leaf/tree/rpc_support

感兴趣的Star下呗：https://github.com/yinjihuan/kitty

关于作者：尹吉欢，简单的技术爱好者，《Spring Cloud微服务-全栈技术与案例解析》, 《Spring Cloud微服务 入门 实战与进阶》作者, 公众号 猿天地 发起人。个人微信 jihuan900,欢迎勾搭。